计算广告中的look-alike技术相关算法

最新推荐文章于 2024-11-27 16:42:07 发布
最新推荐文章于 2024-11-27 16:42:07 发布
阅读量5.8k 收藏 7
点赞数 2
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/renlang97/article/details/80451643
版权
本文探讨了计算广告中的look-alike技术，包括基于用户相似性（如cosine和Jaccard近似度）、分类器（如逻辑回归）、用户Segment以及基于图和效果排序的方法。这些技术用于寻找与种子用户相似的潜在目标用户，以进行精准广告投放。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

计算广告中广告中的look-alike基于广告主提供的seed用户进行人群扩展，为广告主定向潜在高价值用户，提升广告转化效果。

现有的look-alike常用算法有：

最低0.47元/天 解锁文章
renlang97
关注
[论文解读]微信看一看实时Look-alike推荐算法
05-28 3228
微信看一看的精选文章推荐(见下面图1)大家应该都用过，微信团队在今年发表了一篇文章来专门介绍精选推荐的算法实现细节(Real-time Attention based Look-alike Model，简称RALM算法)，这就是我们这篇文章要讲解的内容。基于这篇文章(见参考文献1)的描述，再结合自己的理解，我来带大家一起解读一下这篇基于look-alike模型的实时推荐算法的核心亮点。 在本篇文...
Lookalike(一)：Lookalike技术调研
AckClinkz的博客
09-12 7958
背景 在线广告中，Lookalike能够帮助广告主高效的找到潜在用户。广告主上传少量的种子用户，Lookalike系统利用机器学习拓展出与种子用户相似的用户。例如，某APP希望增加激活用户。它可将已有用户作为种子，进而计算出相似用户。为了最大限度的提高潜在用户的质量，不同公司做了大量尝试： Yahoo：A Sub-linear, Massive-scale Look-alike Audien...
look like算法
08-20
这是一个介绍look like的算法,里面涉及到网页浏览预测和广告响应预测
Lookalike算法调研
dulingtingzi的博客
10-13 6758
参考了很多优秀博主的文章，这属于一个汇总吧 参考文章：（还有很多，在后面的连接里） Lookalike的几种实现方式 | GA小站 计算广告中的lookalike是如何实现的？ - 简书 1、什么是lookalike lookalike算法是计算广告中的术语，不是单指某一种算法，而是一类方法的统称。其目的是基于目标人群，从海量的人群中找出和目标人群相似的其他人群，实现人群包扩充。 比如：广告主需要对100w人投放，但是，从选取的基础数据包中，只有30w，那么如何满足100w的投放需求，这时，就.
五个工业风满满的 Look-alike 算法
fengdu78的博客
07-16 1475
1. Introduction广告主通常会基于用户标签来圈定广告的目标人群，比如广告主想投奥迪的广告可能会选择北方 25～44 岁男性；投奔驰可能会选择江浙地区 25 ～55 岁男性。但受...
深度学习在推荐领域的应用：Lookalike 算法
热门推荐
博文视点（北京）官方博客
08-25 2万+
本文主人公 英特 是一名传统的软件工程师，让我们与英特一起来研究如何实现自己的Lookalike算法，并尝试着在新浪微博上应用这一算法。 　　当2012 年Facebook 在广告领域开始应用定制化受众（Facebook CustomAudiences）功能后，受众发现这个概念真正得到大规模应用。什么是受众发现？如果你的企业已经积累了一定的客户，无论这些客户是否关注你或者是否和你在Faceb...
计算广告中的lookalike是如何实现的？
haozhepeng的专栏
09-03 1214
计算广告中的lookalike是如何实现的？ 2019.03.04 17:16:16字数1372阅读1968 什么是lookalike lookalike算法是计算广告中的术语，不是单指某一种算法，而是一类方法的统称。其目的就是为了实现人群包扩充。 简单场景 广告主需要对100w人投放，但是，从选取的基础数据包中，只有30w，那么如何满足100w的投放需求，这时，就需要通过lookali...
LSH以及Look-alike 技术总结: Similarity-based,Regression-based,Attention-based
weixin_40901056的博客
07-26 2422
Look-alike简介 Look-alike是在线营销活动中常用的一种技术，目的是根据广告主提供的用户，帮助其进行人群圈选。Look-alike的输入是一个user列表(可以是user id 或者电话号码等id标识)，这个user列表可以是广告主上一次活动的人群，可以是广告主的已有用户中高净值人群等等。这个输入人群列表有个专有名次叫做“种子用户(seeds)”。而Look-alike的输出还是一...
【论文解读】RALM：微信看一看中基于Attention机制的实时Look-alike推荐模型
Juanita_W的博客
06-02 1374
【论文解读】RALM：微信看一看中基于Attention机制的实时Look-alike推荐模型 前段时间读了来自微信团队发表在KDD2019上的一篇论文《Real-time Attention Based Look-alike Model for Recommender System》，简称是RALM，主要介绍的是一种将Attention机制与look-alike模型结合后的实时推荐模型，这个算法目前应用在了微信“看一看”模块上。 在读论文的过程中产生了许多疑问，也查找了不少资料。因为网上对这篇论文的解读不
实时注意力lookalike模型RALM在推荐系统中的应用
hestendelin的专栏
09-26 904
Real-time Attention Based Look-alike Model for Recommender SystemYudan Liu, Kaikai Ge, Xu Zhan...
RALM: 实时 Look-alike 算法在微信看一看中的应用
DataFun_Hoh的博客
11-25 1472
嘉宾：刘雨丹 腾讯 高级研究员 整理：Jane Zhang 来源：DataFunTalk 出品：DataFun 注：欢迎关注DataFunTalk同名公众号，收看第一手原创技术文章。 导读：本次分享是微信看一看团队在 KDD2019 上发表的一篇论文。长尾问题是推荐系统中的经典问题，但现今流行的点击率预估方法无法从根本上解决这个问题。文章在 look-alike 方法基础上，针对微信看一看的应用...
广告推荐算法 Lookalike
putaolove的博客
11-27 1506
look-alike 并不是某种特定的算法，而是一类建模方法的统称。Look alike简单说，就是依据访客，尤其以转化客户的典型行为特征，去推及在全网中寻找那些类似行为特征，但并未看过广告，或者从未出过转化的用户进行广告投放。这种方法相对来说计算量较大，且可能因为特征十分微小分散，也可能因采集样本量级不够大或不明干扰因素等，最后得出的特征会较为发散，未必能找出收敛的特征要素。所以很多时候我们也会通过人群标签作为中介来做look alike。
lookalike人群扩散算法
zhumr的专栏
06-10 6267
Facebook 这样通过一群已有的用户发现并扩展出其他用户的推荐算法就叫Lookalike。 1.利用用户画像，给用户打标签，利用相同标签找到目标人群 实例：某品牌的豆浆机进行Look-alike人群扩展投放 取得家电厂商的第一方消费者数据，涵盖浏览、购买行为等ID信息。通过导入DMP进行全库记录匹配，找到个体的在线历史大数据。经由人群分析模型，洞察用户的个性倾向特征，通过标签算法挖掘，将数据...
计算广告学资料整理-lookalike
pengmianpm的博客
11-14 1083
广告数据特征：大规模和稀疏。 数量级从百万到数亿级，而且大都是0或1这类没有直接意义的数据。这个问题为广告预估问题引入深入学习的关键点 https://blog.csdn.net/broadview2006/article/details/80131181 数据准备--用户标签特征处理--文本特征处理--图像特征--社交关系建立--受众扩展 协同过滤（关联推荐）：相似用户或商品的关联推荐，...
Look-alike技术运用实例：有效实现目标粉丝的“爆炸”
begin23的专栏
04-13 6433
基于Youmi DMP庞大的数据积累，美的豆浆机通过Youmi DSP进行了人群Look-alike扩展，强化了广告投放的规模人群覆盖，为其电商渠道导入了精准有效的用户流量。
常见的距离计算方式和相似度计算方式
LookayKwok的专栏
09-13 1364
1. 距离计算方式 1.1 欧式距离（直线距离）  和  分别为两个n维向量，距离计算公式为： 当不同维度的量纲不一致时，量纲大的维度权重会变大，解决方式为：     1). 向量归一化     2). 欧式距离标准化。其中为第i个维度的标准差(根据整个数据集计算)               3). 马氏距离         欧式距离：         马氏距离：    ...
深度学习在推荐领域的应用lookalike
RecDay2018's Blog
12-13 1752
lookalike系统是帮助广告投放商利用种子用户找到相似的用户，实现更精准的营销触达的系统。常见的looklike可以分为显性定位和隐性定位， 1.显性定位，根据用户标签直接定位，包括用户基本信息、兴趣等，需要实现对用户标签信息的挖掘 2.隐性定位，利用算法进行定位 • 技术：机器学习 当2012年Facebook在广告领域开始应用定制化受众（Facebook Custom Audienc...
一文看懂推荐系统：物品冷启04：Look-Alike 召回，Look-Alike人群扩散
weixin_46838716的博客
08-24 3482
我们用种子用户向量的平均表征新笔记，去跟右边用户求相似度，实际上就是求右边用户对新笔记的喜好，也是右边用户跟种子用户的相似计算
lookalike常用算法
最新发布
01-16
### Lookalike常用算法及其在精准营销中的应用 #### 一、基于标签选择的Lookalike算法 这种方法主要依赖预定义的一系列用户特征标签来匹配种子用户群体。系统会计算待选用户与种子用户之间的共同标签数量或比例，从而评估两者间的相似程度。当某个用户的标签组合与种子用户高度一致时，则认为其具有较高的转化潜力并被纳入目标受众列表中[^2]。 #### 二、基于机器学习的Lookalike算法 此方式更加强调自动化建模过程，在获得初始种子集后，将这些已知响应良好的个体标记为正面实例；与此同时收集大量未参与互动的历史记录作为负面案例。接着采用监督式学习框架构建预测函数，旨在区分两类不同性质的对象。经过充分训练后的模型能够针对全体注册成员给出概率估计值，表示他们成为理想客户的可能性大小。最终按照分数高低排序筛选出最有可能感兴趣的那部分人作为推广对象[^5]。 ```python from sklearn.model_selection import train_test_split from sklearn.linear_model import LogisticRegression import pandas as pd # 假设df是一个包含用户行为数据的数据框 X = df.drop('is_seed_user', axis=1) # 特征列 y = df['is_seed_user'] # 目标变量（是否属于种子用户） # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y) # 创建逻辑回归模型实例 model = LogisticRegression() # 训练模型 model.fit(X_train, y_train) # 对整个用户库进行评分 scores = model.predict_proba(df.drop('is_seed_user', axis=1))[:, 1] # 获取top N% 的潜在客户 potential_customers = scores.argsort()[-int(len(scores)*0.05):][::-1] ``` 上述代码片段展示了如何使用Python实现一个简单的基于Logistic Regression的Lookalike模型。这里选择了前5%得分为最高的用户作为潜在的新客户[^4]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值