从亿万人中找到你!Lookalike算法教你用深度学习挖掘高相似度人群

简介: 调研发现,营销人员预计今年将有26%的营销预算浪费在错误的渠道或策略上,中国的人口结构的变化、传播渠道的变化让国内广告主捕捉消费者的难度大大增加,Lookalike等技术成为解决问题的新手段。

近三成的广告营销预算会被浪费。

最近,乐天营销(Rakuten Marketing)发布的一份全球广告营销报告显示,营销人员预计他们将有26%的营销预算浪费在错误的渠道或策略上,75%的营销人员会把广告支出从一个平台转移到另一个平台,以便取得更好的投放效果。

就中国市场而言,人口结构的变化带来消费升级,促进了消费者个性化和对品质的追求,传播媒介去中心化信息传递,在分散用户的注意力的同时也增加了广告主捕捉消费者的难度。

上述种种因素对AI时代的广告营销提出挑战。

26%的营销预算或被浪费,广告主精准捕捉80后消费主力人群难度增大

乐天营销的这份报告显示,到2021年,全球广告支出增长预计将达到7574.4亿美元。不过,2018年的营销支出浪费依然突出。

这份报告详细介绍了来自美国、英国、法国、德国和亚太地区的1000多位营销人员的意见,根据调查,营销人员估计他们将26%的营销预算浪费在错误的渠道或策略上。

尽管认为存在巨大浪费,但为了达到更好的营销效果,仍有75%的营销人员会把广告支出从一个平台转移到另一个平台,并且只有36%选择了更好的效果跟踪。

营销预算浪费的情况在亚太地区也普遍存在,而中国特殊的情况也让广告营销变得更加困难。

首先是人口结构的变化带来的消费变化。老龄化加速与10后消费崛起同时到来,让80后-90后成为前两者的主要买单群体,而这部分消费主力同时又追求个性化表达和品质消费,对广告的针对性及创意提出要求。

其次是传播媒介的变化。在移动互联网时代,媒体的传播形式已经从中心化的单向信息传递过渡到社交媒体的双向信息传递,现在在社群影响下,进入去中心化的社交媒体2.0时代。传播介质的变化要求广告营销更加注重社交化。

在营销预算浪费和消费结构变化的大背景下,广告主精确捕捉消费者的难度大大增加。

Lookalike技术:让客户量级的倍增的利器

Lookalike技术基于种子用户画像和社交关系链寻找相似的受众,即在大量用户群中选择一组特定的种子(即有转化行为的)受众,包括但不局限于点击、下载、安装、激活,然后根据实际需求,筛选、识别、拓展更多相似受众,进一步引发更大客户量级的倍增。

1ff4bb1c8254660e87a843854abe51fad14cef99

Lookalike技术具有3大优势:

d47e62d2b349aca45e42305ed6714efbe5ed61d9 相比显式用户定向标签(如人口学,兴趣,行为等)需要大量广告主人工参与试错,隐式 Lookalike 几乎不需要广告主参与 。部分平台只需要广告主上传具有特定目标(如曾经有过购买行为的)的种子用户的ID或设备ID。
d47e62d2b349aca45e42305ed6714efbe5ed61d9 虽然目前广告系统都提供了丰富定向接口:人口学、LBS/地域、兴趣,行为,再营销等等,但是依然很难满足很多广告主的个性化需求。如果要为每个广告主定制化标签,不仅周期长、成本高,而且很难通用。Lookalike会对种子人群 各个维度的特征 (人口基础属性、社交属性、行为属性等)进行全方位分析。

d47e62d2b349aca45e42305ed6714efbe5ed61d9高潜力用户难寻、精准与规模之间难取平衡点是广告主所面临的两个主要难题,核心仍在于对大规模潜在用户的有效触及。效果和规模之间达成“帕累托最优”(最理想状态)显得相对棘手——随着流量数量的增大,人群的聚焦性也必然逐步降低,寻找目标人群的难度加大,致使非目标人群的比例也随着流量的增加而增加。而Lookalike技术通过大数据分析和复杂模型学习归纳高质量人群的人口特征,然后在更大的流量范围内找具有类似人口特征的人。

Lookalike技术成今年腾讯广告算法大赛主题,探索更多新算法和应用

腾讯社交广告早在 2013 年开始调研探索 Lookalike 技术,设计基于种子用户画像和关系链寻找相似人群,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,取得了不错的广告效果。

新智元统计发现,从2017年Q1开始,社交及其他广告收入同比增长率均保持在60%以上,而2018年Q1的增长率创下5个季度的最高水平(收入环比下降主要是因为第一季的淡季影响),这背后与Lookalike技术的应用密不可分。

c2c611b603afdd338b49e15f46707f417af35807

虽然lookalike在广告行业中应用普遍,扩展效果总体上很好,但不同机器学习模型或不同的输入数据所带来的扩展结果依然有显著的差异。因此在商业应用的时就需要一个逐步探索扩展的过程,而不是一次性扩展大量人群。在广告投放上这种需求更加迫切,如果扩展人群数过多必然导致精准性差,反之则会影响广告的曝光展示量。如果能够结合扩展的效果动态的调整扩展人群数,则提供了一个很好的扩展节奏。

这也是腾讯广告算法大赛将Lookalike技术作为今年的主题的原因。

腾讯广告算法大赛主办方将提供相似人群拓展产品中的模拟真实商业环境的数据包作为比赛数据,遴选优秀的Lookalike算法和技术英才。为了收集更多、更好的创意算法,本届广告算法大赛扩大了参与范围,面向全社会开放报名,非腾讯及赛题相关的高等院校、科研单位、互联网企业等算法精英均可报名参赛。

同时,本届腾讯广告算法大赛还设置了价值丰厚的大奖,最高奖励30万奖金,复赛前20名可获得腾讯社交广告校园招聘免笔试绿色通道,开启腾讯职业之旅。

为了打造一个更轻松、专业的比赛环境,本次广告算法大赛增设独有的技术指导与交流环节,邀请首届获奖团队与本届参赛选手近距离交流,为选手们传授比赛心得和算法干货。


原文发布时间为:2018-06-7

本文作者:克雷格

本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”。

原文链接:从亿万人中找到你!Lookalike算法教你用深度学习挖掘高相似度人群

相关文章
|
8月前
|
机器学习/深度学习 运维 算法
从算法菜鸟到挖掘达人:数据挖掘的算法大冒险
从算法菜鸟到挖掘达人:数据挖掘的算法大冒险
291 18
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
1023 55
|
11月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
574 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
9月前
|
机器学习/深度学习 存储 算法
基于MobileNet深度学习网络的活体人脸识别检测算法matlab仿真
本内容主要介绍一种基于MobileNet深度学习网络的活体人脸识别检测技术及MQAM调制类型识别方法。完整程序运行效果无水印,需使用Matlab2022a版本。核心代码包含详细中文注释与操作视频。理论概述中提到,传统人脸识别易受非活体攻击影响,而MobileNet通过轻量化的深度可分离卷积结构,在保证准确性的同时提升检测效率。活体人脸与非活体在纹理和光照上存在显著差异,MobileNet可有效提取人脸高级特征,为无线通信领域提供先进的调制类型识别方案。
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
593 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
10月前
|
机器学习/深度学习 算法 安全
基于深度学习的路面裂缝检测算法matlab仿真
本项目基于YOLOv2算法实现高效的路面裂缝检测,使用Matlab 2022a开发。完整程序运行效果无水印,核心代码配有详细中文注释及操作视频。通过深度学习技术,将目标检测转化为回归问题,直接预测裂缝位置和类别,大幅提升检测效率与准确性。适用于实时检测任务,确保道路安全维护。 简介涵盖了算法理论、数据集准备、网络训练及检测过程,采用Darknet-19卷积神经网络结构,结合随机梯度下降算法进行训练。
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如"How are you"、"I am fine"、"I love you"等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
机器学习/深度学习 算法 数据安全/隐私保护
基于深度学习网络的宝石类型识别算法matlab仿真
本项目利用GoogLeNet深度学习网络进行宝石类型识别,实验包括收集多类宝石图像数据集并按7:1:2比例划分。使用Matlab2022a实现算法,提供含中文注释的完整代码及操作视频。GoogLeNet通过其独特的Inception模块,结合数据增强、学习率调整和正则化等优化手段,有效提升了宝石识别的准确性和效率。
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
522 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
460 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型

热门文章

最新文章