如何发现品牌潜客？目标人群优选算法模型及实践解析

导读：品牌数字化营销正在成为热点，在Uni-Marketing背景下，我们通过策略中心海豹项目，探索和实践了品牌目标人群优选算法，在实际投放中取得了非常好的人群转化效果，并得出一些有价值的算法和业务结论。本文主要对品牌目标人群优选算法及相关实践结论进行介绍。

最近在研究数字化营销算法，随时有好的文章总结会分享一下，本文主要为阿里全域营销相关总结。
作者：云鸣、林君、泊智、一初

1. 背景简介

全域营销（Uni-Marketing）战略是依托大阿里生态，以消费者运营为核心，在新零售体系下实现全链路、全媒体、全数据、全渠道的品牌大数据营销。Uni-Marketing产品矩阵包括品牌数据银行、全域策略（策略中心）、全域传播（Uni-Desk）、全域运营（品牌号、智慧门店、天猫营销产品）等。传统品牌营销的痛点在于效果无法量化和追踪，而阿里的产品和数据闭环可以很好的解决这个问题。

策略中心年货节投放海豹项目，通过大数据+算法的手段，对A品牌的目标人群进行分析，建立人群优选算法模型，挖掘品牌目标潜客。品牌A的年货节实际投放效果，算法优选人群相比基于业务经验使用规则圈选的人群，在“O->IPL”人群关系加深率指标上好47%，显示了人群优选算法的有效性。

2. 名词解释

品牌消费者关系：Opportunity（机会）、Awareness（认知）、Interest（兴趣）、Purchase（购买）、Loyalty（忠诚）。

人群关系加深率：衡量品牌营销效果的直接指标。“O->I”人群关系加深率，即机会人群到兴趣人群的转化率。

品牌数据银行：从“融合、分析、激活”三个纬度实现品牌消费者数据资产的管理和增值，即品牌消费者数据资产的高效梳理、消费者全链路的透视分析、最后到多元营销场景的应用，包括阿里的电商、娱乐和营销服务矩阵。

品牌策略中心：以解决“机会在哪里”和“如何增长”为目标，赋能品牌开发生意策略，实现策略的可应用、可验证、可优化。功能包括市场概览与细分、竞争与得失分析、消费者细分与多维洞察、人群放大与优选等，可用于新品上市、品类拉新、品类成长、品牌升级等场景。

3. 项目目标

基于策略中心的品牌人群定向，与程序化广告的不同之处在于，要根据品牌方的营销需求（包括目标、渠道、时间和预算）产出特定规模的目标人群，进而再针对性地营销投放。

此次实践即以年货节拉新为目标，找到指定规模的潜在机会人群或者认知人群，通过营销投放将其转化为品牌兴趣人群和已购人群，从而提升品牌消费者资产。

4. 业界方案

业界相关方案主要与程序化广告中人群定向相关，方法基本都是Look-alike人群扩散，具体有以下几种：

1）标签扩散：根据已有目标用户画像，给用户打各种标签，再利用标签找到机会人群。

2）基于标签的协同过滤：在标签扩散的基础上，采用基于用户的协同过滤算法，找到与种子人群相似的机会人群。

3）基于社交关系的扩散：以具有相似社交关系的人也有相似的兴趣爱好/价值观为前提假设，利用社交网络关系进行人群扩散。

4）基于聚类的扩散：根据用户画像或标签，采用层次聚类算法（如BIRCH或CURE算法）对人群进行聚类，再从中找出与种子人群相似的机会人群。

5）目标人群分类方法：以种子人群为正样本，候选对象为负样本，训练分类模型，然后用模型对所有候选对象进行筛选。涉及PU Learning的问题。

5. 技术方案介绍

根据项目目标，我们制定了“种子人群聚类细分+聚类人群扩散”和“多方向人群扩散+人群分类优选”的两种方案。由于聚类分群属于无监督学习且