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。下面我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(wǎng)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
4.1 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
4.2 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，我就不多說了。
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。
作者簡介
齊云澗，曾任百度核心代理商致維科技營銷分析師、知名Fintech公司量化派運營推廣經理。目前正撰寫《廣告數(shù)據(jù)定量分析》一書，預計年底出版，歡迎關注和交流。
我們致力于提供一個高質量內容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質內容，同時也將采取必要措施管理違法、侵權或有其他不良影響的網(wǎng)絡信息。
一、根據(jù)《網(wǎng)絡信息內容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權益；
11)通過網(wǎng)絡以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內容；
2. 不友善：不尊重用戶及其所貢獻內容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內容，或進行相關行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產品、提供服務、宣傳推廣內容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內容；
4)多次發(fā)布包含欺騙性外鏈的內容，如未注明的淘寶客鏈接、跳轉網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產品、品牌等內容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內容及相關交易。
7)發(fā)布包含欺騙性的惡意營銷內容，如通過偽造經歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內容審核的廣告內容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內容；
4)帶有性暗示、性挑逗等易使人產生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內容；
2)存在事實夸大、偽造虛假經歷等誤導他人的內容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構或個人存在關聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導用戶；
2)內容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災害、重大事故等災難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡生態(tài)造成不良影響的其他內容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內容質量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內容時，本網(wǎng)站將依據(jù)相關用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權歸屬本網(wǎng)站所有)