做廣告優(yōu)化這么久了，也看過不少廣告后臺的受眾畫像，總體來說，對廣告數(shù)據(jù)分析和效果優(yōu)化的參考價值有限，不過聊勝于無。
究其原因，在于很多廣告后臺的受眾畫像數(shù)據(jù)，只告訴了我們看了廣告的這部分人群是什么樣的，而缺失了發(fā)生轉化的這部分用戶的畫像數(shù)據(jù)。原因主要有兩點：
一是在大部分廣告投放過程中，前后端數(shù)據(jù)是割裂的，換句話說，媒體能知道你花錢買的廣告給了誰看，但一般不知道哪些人發(fā)生了轉化；而甲方通過自己的監(jiān)測，可以知道轉化的用戶是哪一部分，如果監(jiān)測做得夠好，也能知道這部分的人群畫像，但人群畫像的判定標準與媒體方可能存在差異，統(tǒng)計口徑不一致，數(shù)據(jù)無法人工打通。
二是媒體不愿意公開這么多的數(shù)據(jù)，甚至受眾畫像本身都有一定的問題。
如今信息流優(yōu)化已經成為業(yè)內交流的熱點，優(yōu)化創(chuàng)意、定向等已是老生常談，唯獨 受眾畫像的數(shù)據(jù)分析少有人提及，尚有可挖的地方。今天借此機會，和大家分享一種受眾數(shù)據(jù)分析的思路。
需要強調的是，接下來的廣告數(shù)據(jù)分析有一個最基本的前提：假設媒體提供的數(shù)據(jù)和甲方監(jiān)測的數(shù)據(jù)都是真實準確的。下面小編會以一個真實的案例和數(shù)據(jù)（今日頭條，家裝類）向大家介紹，如何用樸素貝葉斯的算法，對今日頭條的受眾畫像進行數(shù)據(jù)挖掘和分析，從而實現(xiàn)精準定向下的轉化率預測。
1、樸素貝葉斯的原理
每次提到貝葉斯定理，我心中的崇敬之情都油然而生，倒不是因為這個定理多高深，而是因為它特別有用。這個定理解決了現(xiàn)實生活里經常遇到的問題：已知某條件概率，如何得到兩個事件交換后的概率，也就是在已知P(A|B)的情況下如何求得P(B|A)。比如，我知道發(fā)生轉化的用戶中，女性的比例是36%，那么當一個女性用戶看到我的廣告時，她有多大的可能性發(fā)生轉化。
這里先解釋什么是條件概率：
P(A|B)表示事件B已經發(fā)生的前提下，事件A發(fā)生的概率，叫做事件B發(fā)生下事件A的條件概率。其基本求解公式為：
貝葉斯定理之所以有用，是因為我們在生活中往往遇到這種問題：可以不費力氣地直接得出P(A|B)，P(B|A)則很難直接得出，但其實我們更關心P(B|A)，這時候，貝葉斯定理就為我們提供了從P(A|B)獲得P(B|A)的道路。
下面省略證明過程，直接給出貝葉斯定理，相信對高中數(shù)學還有印象的朋友對這個公式應該不陌生：
2、樸素貝葉斯的數(shù)據(jù)挖掘原理
下面以一個簡單的例子，介紹樸素貝葉斯的數(shù)據(jù)挖掘原理。雖然樣本量不多，但足以說明原理和思路。
這里是一份受眾畫像數(shù)據(jù)，總共20筆數(shù)據(jù)，即代表20個UV。填寫表單這一字段值為1的合計9筆，即發(fā)生轉化的用戶數(shù)為9。
表1
然后，我們把除了 ID（只是編號，對于挖掘沒有價值）、省級地域（因為都是廣東，對于挖掘沒有價值）外的其他字段，做一個占比分布，如圖所示：
表2
假設，我想知道 定向 X=（地級市="佛山"，性別="男"，年齡="18-23歲"，興趣分類="房產"）的轉化率，即我想求：P（填寫表單="1" | X)。
直接是計算不出來的，回到上文提到的樸素貝葉斯，專門解決的就是這種問題，我只需知道P（X | 填寫表單="1")，就可以通過公式得到P（填寫表單="1" | X)。
具體的直接套公式得：
P（填寫表單="1" | X) = P（X | 填寫表單="1") * P（填寫表單="1") / P（X）
同理可得，
P（填寫表單="0" | X) = P（X | 填寫表單="0") * P（填寫表單="0") / P（X）
這里需要引出另外一個重要的公式，P(A,B)代表事件A與B同時發(fā)生的概率。
當事件A與B的發(fā)生是各自獨立時，P(A,B) = P(A|B) * P(B) =P(A)P(B)。
因為，地級市、性別、年齡等這些字段（或定向）的發(fā)生可以理解為是各自獨立的，所以P（X | 填寫表單="1") = P（X ） * P（填寫表單="1") ，又P（X | 填寫表單="1"）= P（地級市="佛山"，性別="男"，年齡="18-23歲"，興趣分類="房產" | 填寫表單="1"）=P（地級市="佛山" | 填寫表單="1"） * P（性別="男" | 填寫表單="1"） * P（年齡="18-23歲" | 填寫表單="1"） * P（興趣分類="房產" | 填寫表單="1"），此時，看起來同樣無法直接得到的P（X | 填寫表單="1")，被拆分為看起來更簡單的5個事件的概率的乘積。
帶入具體值，計算得：
P（填寫表單="1" | X) = P（X | 填寫表單="1") * P（填寫表單="1") / P（X）= （3/9 * 6/9 * 2/9 * 1/9）*0.45 / P（X） = 0.002469 / P（X）...................................................①
P（填寫表單="0" | X) = P（X | 填寫表單="0") * P（填寫表單="0") / P（X）= （2/11 * 5/11 * 2/11 * 2/11）*0.55 / P（X） = 0.0015026 / P（X）...................................................②
接下來，遇到一個問題，P（X）是多少，不知道！不過不要緊，當定向 X的用戶進來時，ta要么轉化，要么不轉化，所以
P（填寫表單="1" | X) + P（填寫表單="0" | X) =1...................................................③
聯(lián)立①②③，最終求出：
P（填寫表單="1" | X) = 62.2%
P（填寫表單="0" | X) = 37.8%
所以，當定向為X時，樸素貝葉斯數(shù)據(jù)挖掘模型認為，該類用戶的轉化率在62.2%。
3、樸素貝葉斯的數(shù)據(jù)挖掘的優(yōu)勢
主流的數(shù)據(jù)挖掘算法，如神經網絡、決策樹等。多半依賴如表1所示的數(shù)據(jù)，每一個字段代表用戶的不同維度，每一行代表一個獨立用戶的數(shù)據(jù)。但實際優(yōu)化過程中，媒體方不可能提供如此詳盡的受眾畫像數(shù)據(jù)， 但樸素貝葉斯不一樣，對原始數(shù)據(jù)的要求略低，只需提供不同維度組合下的比例，而不必細化到每一個用戶的情況。
4、樸素貝葉斯的數(shù)據(jù)挖掘案例解讀
1） 原生數(shù)據(jù)及預處理
我們從今日頭條廣告后臺拿到的數(shù)據(jù)經過簡單處理后，是下面這樣的：
合計13339點擊，轉化量為37。
表3
2）計算字段重要性，確定輸入字段
因為所有字段都是類別型字段（區(qū)別于數(shù)值型字段），這里介紹一個比較通用的算法，用于評估所有可能的輸入字段對輸出字段的重要性。
公式解讀如下：
（注：ABS函數(shù)，用于求絕對值）
所有可能的輸入字段對輸出字段的重要性計算結果如下：
一般經驗來說，字段重要性小于0.1的字段可以不予納入數(shù)據(jù)挖掘模型中。
所以，目前根據(jù)有限的數(shù)據(jù)，”性別“這一字段，對于判斷用戶是否轉化的幫助不大，故在接下來的數(shù)據(jù)挖掘模型中，輸入字段包括：地級市、年齡、興趣分類。
開始做數(shù)據(jù)挖掘，具體原理這里不再贅述，直接給出結果。
。。。（中間太長，省略了）
我們看到，數(shù)據(jù)挖掘顯示，轉化為1的最大概率是1.51%，此時的定向條件是”廣州&(50歲以上)-母嬰兒童“。而樣本數(shù)據(jù)的整體轉化率是37/13339 = 0.28%。
下圖是轉化為1的概率分布，可以看到大于0.28%的數(shù)據(jù)約有25%，換句話說，基于樸素貝葉斯的用戶數(shù)據(jù)挖掘，在324種定向組合中，找到了約四分之一的組合，可以使預估的轉化率高于平均水平0.28%。隨著數(shù)據(jù)量的增加，模型也會不斷改進，對精準定向組合的轉化率預測效能也會越來越好，將有限的廣告費花在最有可能轉化的用戶上。
下面考慮怎么將這一洞察，應用于廣告投放，創(chuàng)造更高的ROI。比如制作針對性的創(chuàng)意、提高出價等等，這個方面各位都是老手了，就不在此贅述了。
最后強調一句，受眾畫像的數(shù)據(jù)挖掘需要滿足一定的條件，即要能區(qū)分轉化和未轉化的用戶。
以上，即是基于樸素貝葉斯的用戶數(shù)據(jù)挖掘，給大家參考。
文章來源：艾奇在線
【轉載說明】 若上述素材出現(xiàn)侵權，請及時聯(lián)系我們刪除及進行處理：[email protected]
