搜推广遇上用户画像：Lookalike相似人群拓展算法

在《当推荐系统遇上用户画像：你的画像是怎么来的？》一文中，我们介绍了怎么通过TF-IDF的方式得到用户的画像。而在本文中，我们来聊一下在搜索、推荐、计算广告系统中“画像是怎么用的？”。

在互联网商业应用中，许多广告主在“搜寻潜客”时，都会遇到如难以识别高潜人群、难于平衡成本与规模等问题。而在数字营销的过程中，运营人员或者数据分析同学也是在根据已有的经验，通过用户画像的方式，扩展与历史转化人群相似的人群。比如，通过性别、年龄等筛选出化妆品的受众人群等。显然，这种方式有些粗糙。

那么，有什么方法可以优雅而有理有据的解决这个问题吗？答案是肯定，不然我费劲巴拉的写这篇文章干嘛，躺着刷刷视频不香吗...言归正传，相似人群拓展（Lookalike）的工作机制是基于种子用户画像和社交关系链寻找出相似用户。即，根据种子人群的共有属性进行自动化扩展，以扩大潜在用户覆盖面，提升营销/广告效果。

图片引用来自参考资料1

具体来讲，相似人群拓展（Lookal