做廣告優(yōu)化這么久了，也看過(guò)不少?gòu)V告后臺(tái)的受眾畫(huà)像，總體來(lái)說(shuō)，對(duì)廣告數(shù)據(jù)分析和效果優(yōu)化的參考價(jià)值有限，不過(guò)聊勝于無(wú)。
究其原因，在于很多廣告后臺(tái)的受眾畫(huà)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(zhuǎn)化的這部分用戶的畫(huà)像數(shù)據(jù)。原因主要有兩點(diǎn)：
一是在大部分廣告投放過(guò)程中，前后端數(shù)據(jù)是割裂的，換句話說(shuō)，媒體能知道你花錢(qián)買(mǎi)的廣告給了誰(shuí)看，但一般不知道哪些人發(fā)生了轉(zhuǎn)化；而甲方通過(guò)自己的監(jiān)測(cè)，可以知道轉(zhuǎn)化的用戶是哪一部分，如果監(jiān)測(cè)做得夠好，也能知道這部分的人群畫(huà)像，但人群畫(huà)像的判定標(biāo)準(zhǔn)與媒體方可能存在差異，統(tǒng)計(jì)口徑不一致，數(shù)據(jù)無(wú)法人工打通。
二是媒體不愿意公開(kāi)這么多的數(shù)據(jù)，甚至受眾畫(huà)像本身都有一定的問(wèn)題。
如今信息流優(yōu)化已經(jīng)成為業(yè)內(nèi)交流的熱點(diǎn)，優(yōu)化創(chuàng)意、定向等已是老生常談，唯獨(dú)受眾畫(huà)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(jī)會(huì)，和大家分享一種受眾數(shù)據(jù)分析的思路。
需要強(qiáng)調(diào)的是，接下來(lái)的廣告數(shù)據(jù)分析有一個(gè)最基本的前提：假設(shè)媒體提供的數(shù)據(jù)和甲方監(jiān)測(cè)的數(shù)據(jù)都是真實(shí)準(zhǔn)確的。下面我會(huì)以一個(gè)真實(shí)的案例和數(shù)據(jù)（今日頭條，家裝類(lèi)）向大家介紹，如何用樸素貝葉斯的算法，對(duì)今日頭條的受眾畫(huà)像進(jìn)行數(shù)據(jù)挖掘和分析，從而實(shí)現(xiàn)精準(zhǔn)定向下的轉(zhuǎn)化率預(yù)測(cè)。
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?yàn)檫@個(gè)定理多高深，而是因?yàn)樗貏e有用。這個(gè)定理解決了現(xiàn)實(shí)生活里經(jīng)常遇到的問(wèn)題：已知某條件概率，如何得到兩個(gè)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(zhuǎn)化的用戶中，女性的比例是36%，那么當(dāng)一個(gè)女性用戶看到我的廣告時(shí)，她有多大的可能性發(fā)生轉(zhuǎn)化。
這里先解釋什么是條件概率：
P(A|B)表示事件B已經(jīng)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?yàn)槲覀冊(cè)谏钪型龅竭@種問(wèn)題：可以不費(fèi)力氣地直接得出P(A|B)，P(B|A)則很難直接得出，但其實(shí)我們更關(guān)心P(B|A)，這時(shí)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(guò)程，直接給出貝葉斯定理，相信對(duì)高中數(shù)學(xué)還有印象的朋友對(duì)這個(gè)公式應(yīng)該不陌生：
2.樸素貝葉斯的數(shù)據(jù)挖掘原理
下面以一個(gè)簡(jiǎn)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(shuō)明原理和思路。
這里是一份受眾畫(huà)像數(shù)據(jù)，總共20筆數(shù)據(jù)，即代表20個(gè)UV。填寫(xiě)表單這一字段值為1的合計(jì)9筆，即發(fā)生轉(zhuǎn)化的用戶數(shù)為9。
表1
然后，我們把除了 ID（只是編號(hào)，對(duì)于挖掘沒(méi)有價(jià)值）、省級(jí)地域（因?yàn)槎际菑V東，對(duì)于挖掘沒(méi)有價(jià)值）外的其他字段，做一個(gè)占比分布，如圖所示：
表2
假設(shè)，我想知道 定向 X=（地級(jí)市="佛山"，性別="男"，年齡="18-23歲"，興趣分類(lèi)="房產(chǎn)"）的轉(zhuǎn)化率，即我想求：P（填寫(xiě)表單="1" | X)。
直接是計(jì)算不出來(lái)的，回到上文提到的樸素貝葉斯，專(zhuān)門(mén)解決的就是這種問(wèn)題，我只需知道P（X | 填寫(xiě)表單="1")，就可以通過(guò)公式得到P（填寫(xiě)表單="1" | X)。
具體的直接套公式得：
P（填寫(xiě)表單="1" | X) = P（X | 填寫(xiě)表單="1") * P（填寫(xiě)表單="1") / P（X）
同理可得，
P（填寫(xiě)表單="0" | X) = P（X | 填寫(xiě)表單="0") * P（填寫(xiě)表單="0") / P（X）
這里需要引出另外一個(gè)重要的公式，P(A,B)代表事件A與B同時(shí)發(fā)生的概率。
當(dāng)事件A與B的發(fā)生是各自獨(dú)立時(shí)，P(A,B) = P(A|B) * P(B) =P(A)P(B)。
因?yàn)?，地?jí)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(dú)立的，所以P（X | 填寫(xiě)表單="1") = P（X ） * P（填寫(xiě)表單="1") ，又P（X | 填寫(xiě)表單="1"）= P（地級(jí)市="佛山"，性別="男"，年齡="18-23歲"，興趣分類(lèi)="房產(chǎn)" | 填寫(xiě)表單="1"）=P（地級(jí)市="佛山" | 填寫(xiě)表單="1"） * P（性別="男" | 填寫(xiě)表單="1"） * P（年齡="18-23歲" | 填寫(xiě)表單="1"） * P（興趣分類(lèi)="房產(chǎn)" | 填寫(xiě)表單="1"），此時(shí)，看起來(lái)同樣無(wú)法直接得到的P（X | 填寫(xiě)表單="1")，被拆分為看起來(lái)更簡(jiǎn)單的5個(gè)事件的概率的乘積。
帶入具體值，計(jì)算得：
P（填寫(xiě)表單="1" | X) = P（X | 填寫(xiě)表單="1") * P（填寫(xiě)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(xiě)表單="0" | X) = P（X | 填寫(xiě)表單="0") * P（填寫(xiě)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(lái)，遇到一個(gè)問(wèn)題，P（X）是多少，不知道！不過(guò)不要緊，當(dāng)定向 X的用戶進(jìn)來(lái)時(shí)，ta要么轉(zhuǎn)化，要么不轉(zhuǎn)化，所以
P（填寫(xiě)表單="1" | X) + P（填寫(xiě)表單="0" | X) =1...................................................③
聯(lián)立①②③，最終求出：
P（填寫(xiě)表單="1" | X) = 62.2%
P（填寫(xiě)表單="0" | X) = 37.8%
所以，當(dāng)定向?yàn)閄時(shí)，樸素貝葉斯數(shù)據(jù)挖掘模型認(rèn)為，該類(lèi)用戶的轉(zhuǎn)化率在62.2%。
3.樸素貝葉斯的數(shù)據(jù)挖掘的優(yōu)勢(shì)
主流的數(shù)據(jù)挖掘算法，如神經(jīng)網(wǎng)絡(luò)、決策樹(shù)等。多半依賴(lài)如表1所示的數(shù)據(jù)，每一個(gè)字段代表用戶的不同維度，每一行代表一個(gè)獨(dú)立用戶的數(shù)據(jù)。但實(shí)際優(yōu)化過(guò)程中，媒體方不可能提供如此詳盡的受眾畫(huà)像數(shù)據(jù)， 但樸素貝葉斯不一樣，對(duì)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(xì)化到每一個(gè)用戶的情況。
4.樸素貝葉斯的數(shù)據(jù)挖掘案例解讀
4.1 原生數(shù)據(jù)及預(yù)處理
我們從今日頭條廣告后臺(tái)拿到的數(shù)據(jù)經(jīng)過(guò)簡(jiǎn)單處理后，是下面這樣的：
合計(jì)13339點(diǎn)擊，轉(zhuǎn)化量為37。
表3
4.2 計(jì)算字段重要性，確定輸入字段
因?yàn)樗凶侄味际穷?lèi)別型字段（區(qū)別于數(shù)值型字段），這里介紹一個(gè)比較通用的算法，用于評(píng)估所有可能的輸入字段對(duì)輸出字段的重要性。
公式解讀如下：
注：ABS函數(shù)，用于求絕對(duì)值。
所有可能的輸入字段對(duì)輸出字段的重要性計(jì)算結(jié)果如下：
一般經(jīng)驗(yàn)來(lái)說(shuō)，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(duì)于判斷用戶是否轉(zhuǎn)化的幫助不大，故在接下來(lái)的數(shù)據(jù)挖掘模型中，輸入字段包括：地級(jí)市、年齡、興趣分類(lèi)。
開(kāi)始做數(shù)據(jù)挖掘，具體原理這里不再贅述，直接給出結(jié)果。
。。。（中間太長(zhǎng)，省略了）
我們看到，數(shù)據(jù)挖掘顯示，轉(zhuǎn)化為1的最大概率是1.51%，此時(shí)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(zhuǎn)化率是37/13339 = 0.28%。
下圖是轉(zhuǎn)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(shuō)，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(yù)估的轉(zhuǎn)化率高于平均水平0.28%。隨著數(shù)據(jù)量的增加，模型也會(huì)不斷改進(jìn)，對(duì)精準(zhǔn)定向組合的轉(zhuǎn)化率預(yù)測(cè)效能也會(huì)越來(lái)越好，將有限的廣告費(fèi)花在最有可能轉(zhuǎn)化的用戶上。
下面考慮怎么將這一洞察，應(yīng)用于廣告投放，創(chuàng)造更高的ROI。比如制作針對(duì)性的創(chuàng)意、提高出價(jià)等等，這個(gè)方面各位都是老手了，我就不多說(shuō)了。
最后強(qiáng)調(diào)一句，受眾畫(huà)像的數(shù)據(jù)挖掘需要滿足一定的條件，即要能區(qū)分轉(zhuǎn)化和未轉(zhuǎn)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。
作者簡(jiǎn)介
齊云澗，曾任百度核心代理商致維科技營(yíng)銷(xiāo)分析師、知名Fintech公司量化派運(yùn)營(yíng)推廣經(jīng)理。目前正撰寫(xiě)《廣告數(shù)據(jù)定量分析》一書(shū)，預(yù)計(jì)年底出版，歡迎關(guān)注和交流。
作者：齊云澗
來(lái)源：互聯(lián)網(wǎng)數(shù)據(jù)官（ID：internetcdo）
本文為作者授權(quán)鳥(niǎo)哥筆記發(fā)布，轉(zhuǎn)載請(qǐng)聯(lián)系作者并注明出處。
