lookalike人群扩散算法

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，将数据库中拥有高相似画像的人群列为一类精准用户。根据标签模型，得出这些用户具有较多且重合的“健康”“时尚”“亲子”“女性”“中高收入”“一二线城市”等细分人群画像。

分析：利用用户画像给用户打上各类标签。根据种子人群分析大部分种子用户具有的标签特征 例如：家庭女性、30-40岁、已婚，未生小孩，健康。那么对于一个标签为：上班族，30-40岁、已婚，未生小孩，健康 女性就是其目标人群。

2.利用分类算法来实现的：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。
显然候选样本并发所有的样本都是负样本，所有这是一个典型的PU learning问题

3.利用社交网络进行人群扩散：利用好友关系，将种子人群标签传给社区中的好友，从而实现人群扩散