基于大数据的精准广告推荐平台研究

【摘要】 伴随着时代进步，新媒体层出不穷，网络广告和数字营销逐渐成为主流，大数据为我们提供了全新的数字营销模式。本文对大数据营销进行介绍，深入研究精准广告推荐平台的构建，通过用户需求精准适配，广告内容快速推荐，买卖双方实时竞价，实现新媒体广告精准投放。

【关键词】 大数据 精准投放 推荐平台 实时竞价

一、引言

“大数据”作为网络时代的信息矿山，无疑蕴含着大价值。目前，大数据比较明朗化的商业价值开发，发生在互联网广告精准营销领域。传统的广告营销，在经历了大众传播的喧嚣、分众传播的繁荣后，开始迎来新的变革窗口----针对特定网民的精准营销 （有人称其“个众传播”）。基于对记录着用户人口属性、兴趣喜好、消费习惯、价值导向等信息的大数据的挖掘，通过人群定向技术，向特定的某个用户传播极具 针对性的广告，从而降低广告的无效损耗，提升品牌的投资回报率（ROI），这是大数据在网络精准营销领域“闪出的一道金光”。

二、大数据营销概述

当代社会对互联网的普及及网络应用技术的快速发展，使得用户网络浏览的痕迹能够被分析、追踪等，企业或第三方服务机构为寻求咨询、策略、投放等营销服务而使用这些数据的行为，被称为大数据营销。大数据被喻为与蒸汽、电力、石油一样的重要自然资源，它改变了人们思考、决策和行动的方式，使社会变得更加智慧，使企业营销决策更加优化，被企业视为未来竞争优势的基础。

三、基于大数据的精准广告推荐平台

1、方案综述。针对互联网广告宣传需求多样化、客户行为碎片化以及渠道投放效果等变化趋势，建立以精细客户画像、智能精准推送、释放客户价值，融合用户、媒体、广告商为一体的互联网广告智能推荐平台。通过用户需求快速挖掘、用户信息安全保障以及互联网广告精准投放为核心建立适合大数据价值变现的互联网广告营销服务新模式。借助自身大数据分析系统和优势，搭建DMP客户画像平台，分析结果与互联网广告市场及公司对接，从而建立从“用户数据分析广告受众定位广告投放受众互动业务办理广告效果评估”的新型闭环广告整合运营平台。

2、精细客户画像。利用开放式大数据平台（平台计算资源+脱敏数据资源），实现合作方模型的加载、处理，输出个体（设备/人物）标签值。通过DMP平台的K-V接口提供高并发低时延的实时标签查询服务，标签内容来源于数据挖掘合作或独立第三方标签。标签结果数据分为两种：1）离线标签结果数据：移动和第三方合作方算法模在大数据平台分析处理脱敏离线数据后获取的离线标签结果，离线标签结果通常基于用户长时间的互联网行为习惯的积累。2）实时标签结果数据：移动或第三方合作方算法模型在大数据平台分析平台脱敏实时数据后获取的实时标签结果 ，实时标签结果通常基于用户较短时间（分钟级别或小时级）互联网行为的标签化描述。

3、精准投放。通过广告主和消费者行为以及独特的关键词自动定位技术来相匹配的相关词义和关键词，利用关键词定位可以帮助客户优化广告的效率，从而使广告转换率最大化。采用的协同过滤推荐算法针对用户的标签提出一组简洁有效的标签标准化方法在用户的新浏览行为聚类标签与标准标签之间形成映射关系，采用用户对标签的差异评分，以解决即时标签中存在的语义模糊、品牌差异等问题；使用标准化标签和用户的浏览行为作为建模数据，利用基于向量空间模型的表示法建立用户的偏好模型，保证用户偏好模型的质量；采用的用户的即时偏好算法和基于用户偏好模型的改进的推荐算法，能更准确地跟踪用户的实时兴趣，保证推荐的内容就是用户正需要的内容，以提高营销推荐的命中率。

4、实时竞价。实时竞价中整个涉及用户购买的所有数据信息都需要DMP底层提供。广告推荐平台通过对卖方提供的数据进行抽取、过滤、清洗、加密、分析、存储后，将卖方与买方的需求进行关联和匹配，并实时匹配买卖双方出价数据，支撑双方实时竞价。广告推荐平台会提供科学的精准算法及规则依据来协助买方（客户）和媒介执行机构（卖方）来判断何种用户才是高质量的，从而使广告推广的效果更加高效和精准。广告推荐平台除了提供用户基本属性如手机号、年龄、省市、职业、性别等基本属性之外，还特别关注用户互联网行为数据，包括位置行为、上网搜索行为、网页浏览行为、上网偏好、上网时间、活动轨迹等，通过大数据分析统计及算法建模后，提供用户精确化的互联网行为标签库。

结束语：大数据时代企业的营销管理模式正面临着机遇和挑战，企业在大数据环境里会不断地创造和革新出新营销模式和营销思维，它们符合时代的发展。利用数据驱动的广告策略，将数据提升到营销之前、之中来，就可以将效果监测转变为效果预测，让广告呈现在感兴趣的用户群体面前，实现真正意义上的精准营销。

参 考 文 献

[1]杨永强，大数据时代的应用研究[J]，电脑编程技巧与维护，2014（08）.

[2]刘东明，大数据时代，社会化营销成掘金引擎[J].中国广告，2012（08）.

[3]魏伶如，大数据营销的发展现状及其前景展望[J].现代商业，2014（15）.