大数据如何让广告猜你喜欢

说起广告，大家的第一反应应该都是充斥在电视上面的“脑白金”“加多宝”这些传统的媒体广告。这类强奸用户眼球的媒体广告有个天生的弊病，就是无论人的喜好，都会曝光展示。正如百货业之父沃纳梅克所说的“我知道在广告上的投资有一半是没用的，但问题是我不知道的是哪一半。”

沃纳梅克说这话时是19世纪60年代，观察广告史，我们会发现，那时候广告行业才刚起步，广告效用测评、售后、回访机制还在完善中。而报纸广告、路牌广告本身，也很难统计广告的实际到达率、转化率，那么广告的效果，自然就成为一个谜。

而如果放在互联网时代、大数据横行的现在，广告的效果，有了更多可以参考的依据。比如，微信文章的阅读量，就经常被作为很多新媒体小编的KPI，这就是一种简单粗暴的统计方式。

监控到广告的效果其实只是第一步，即使是能够了解到推广结果的好与坏，如果提升效果才是最为重要的一个问题。

互联网广告早已不再是千人一面的媒体广告，并不是所有人都会看到送脑白金的爷爷奶奶，基于大数据的辅助下，互联网广告已经实现了千人千面的效果，给你看到的广告都是你最感兴趣的。

如何评价你是否感兴趣，这就成了提升广告效果的关键所在。

解决这个“猜你喜欢”的问题，需要一个庞大的指标体系来指导机器对所有广告物料进行排序，将你最喜欢的东西展示给你看。

一般来说，这些指标都会包括三个方面，用户、场景、广告。

以电商场景为例，展示场景的广告会包含如下排序指标

用户的指标包括，用户的基础属性、用户的浏览行为、用户的购买行为。基础属性包括这个人是男是女、年龄多大、哪里人等信息，浏览行为是看到了哪些商品、看到了哪些店铺，购买行为则是最终决定购买的是哪些商品、哪些类目。

由于用户量数据庞大，一般这类数据都会是离线的方式静态调用，每天为单位的去更新。但这无法满足用户对实时性的要求，所以会有实时特征的补充，对用户小时级别的浏览、收藏、购买行为进行描述评价，从而更敏捷的反应用户喜好。

广告场景的指标相对简单，包括场景的位置，广告被召回的方式评价等。

广告本身的指标，包括商品的基础信息和历史点击率。商品基础信息包括销量如何、价格如何、有没有参加促销活动之类的。历史点击率则是在以往的时间里，用户对这个商品的喜爱程度如何，对店铺、类目的喜爱程度如何。

基于以上庞大的一个指标体系，广告排序系统就化身成为了一个用户喜好推荐引擎。可以根据用户的信息、用户的行为排序出得分最高的商品，也就是用户最感兴趣的广告，将它呈现在用户面前。