在《當(dāng)推薦系統(tǒng)遇上用戶畫像：你的畫像是怎么來的？》一文中，我們介紹了怎么通過TF-IDF的方式得到用戶的畫像。而在本文中，我們來聊一下在搜索、推薦、計(jì)算廣告系統(tǒng)中“畫像是怎么用的？”。

在互聯(lián)網(wǎng)商業(yè)應(yīng)用中，許多廣告主在“搜尋潛客”時(shí)，都會(huì)遇到如難以識別高潛人群、難于平衡成本與規(guī)模等問題。而在數(shù)字營銷的過程中，運(yùn)營人員或者數(shù)據(jù)分析同學(xué)也是在根據(jù)已有的經(jīng)驗(yàn)，通過用戶畫像的方式，擴(kuò)展與歷史轉(zhuǎn)化人群相似的人群。比如，通過性別、年齡等篩選出化妝品的受眾人群等。顯然，這種方式有些粗糙。

那么，有什么方法可以優(yōu)雅而有理有據(jù)的解決這個(gè)問題嗎？答案是肯定，不然我費(fèi)勁巴拉的寫這篇文章干嘛，躺著刷刷視頻不香嗎...言歸正傳，相似人群拓展（Lookalike）的工作機(jī)制是基于種子用戶畫像和社交關(guān)系鏈尋找出相似用戶。即，根據(jù)種子人群的共有屬性進(jìn)行自動(dòng)化擴(kuò)展，以擴(kuò)大潛在用戶覆蓋面，提升營銷/廣告效果。

圖片引用來自參考資料1

具體來講，相似人群拓展（Lookalike）是基于種子用戶，通過用戶畫像、算法模型等找到與種子用戶更多擁有潛在關(guān)聯(lián)性的拓展技術(shù)。Lookalike算法是計(jì)算廣告中的術(shù)語，不是單指某一種算法，而是一類方法的統(tǒng)稱，這類方法綜合運(yùn)用多種技術(shù)，其目的就是為了實(shí)現(xiàn)人群包擴(kuò)充。

舉個(gè)廣告的栗子，對于一個(gè)化妝品類廣告主，需要對100萬人投放自己的廣告，但是根據(jù)經(jīng)驗(yàn)或者畫像只有10萬的人群包，那么如何選取這100萬，同時(shí)滿足人群量級和轉(zhuǎn)化（盲目選擇可能存在無效用戶）兩個(gè)因素，就需要用到Lookalike相似人群拓展技術(shù)了。比如，向品牌偏好、消費(fèi)價(jià)格區(qū)間匹配的人群進(jìn)行投放等。

舉個(gè)數(shù)字營銷的栗子，對于運(yùn)營人員，需要將某一個(gè)節(jié)日活動(dòng)向100萬用戶進(jìn)行短信/Push發(fā)送，但根據(jù)畫像刷選之后，可能發(fā)現(xiàn)這波用戶已經(jīng)被其他業(yè)務(wù)的運(yùn)營發(fā)送過了N多次，最后剩下可以發(fā)送的用戶寥寥...此時(shí)Lookalike相似人群拓展的作用便來了。根據(jù)種子人群（已有過的轉(zhuǎn)化人群）的共有屬性進(jìn)行自動(dòng)化擴(kuò)展，以擴(kuò)大潛在用戶覆蓋面。對于拉新任務(wù)來說，誰用誰知道....啊~真香~

圖片引用來自參考資料1

Lookalike相似人群拓展方法主要有以下幾種方式，

• 利用用戶畫像進(jìn)行顯式人群拓展：根據(jù)種子用戶的標(biāo)簽（地理、興趣、行為、品牌偏好等），利用相同標(biāo)簽找到目標(biāo)人群；
• 利用機(jī)器學(xué)習(xí)模型進(jìn)行隱式人群拓展：廣告主的種子用戶做為正樣本，廣告平臺(tái)中有海量的非種子用戶，也有大量的廣告投放歷史數(shù)據(jù)可以做為負(fù)樣本，訓(xùn)練機(jī)器學(xué)習(xí)模型，然后用模型對所有候選對象進(jìn)行篩選；
• 利用社交圖結(jié)構(gòu)的相似人群拓展：核心就是通過Graph Embedding的形式去得到相似的人群。

同時(shí)，我們需要注意到的問題是，隨著流量不斷增大，相似人群的聚焦性也必然逐步降低，尋找目標(biāo)人群的難度加大，致使非目標(biāo)人群（無效人群，對轉(zhuǎn)化沒有幫助，但是會(huì)增加投放成本）的比例也隨著流量的增加而增加。而Lookalike技術(shù)通過大數(shù)據(jù)分析和復(fù)雜模型學(xué)習(xí)歸納高質(zhì)量人群的人口特征，然后在更大的流量范圍內(nèi)，尋找具有類似人口特征的人，從而實(shí)現(xiàn)目標(biāo)的轉(zhuǎn)化。

另外，做任何業(yè)務(wù)背景的問題，我們都需要關(guān)注其背后的可解釋性：雖然可以通過一系列的用戶畫像、機(jī)器學(xué)習(xí)技術(shù)拓展了一批用戶，但是拓展的途徑、人群的行為特征等都需要一個(gè)直觀的解釋。比如擴(kuò)展的人群在哪些特征或行為上匹配種子用戶，而未被拓展的人群，又是怎么樣的？ 這不僅為拓展提供了幫助，也為badcase溯源問題提供了一套良好的方式方法。

谷歌Similar Audiences

Google的“Similar Audiences”根據(jù)用戶近期的瀏覽和下載APP行為，為廣告主推薦拓展相似的人群。谷歌廣告后臺(tái)會(huì)自動(dòng)生成與你的網(wǎng)站訪問者或現(xiàn)有客戶興趣相似的用戶群體，一般情況下，你設(shè)置了多少個(gè)再營銷相似群體列表，就會(huì)生成多少個(gè)對應(yīng)的相似人群。

Similar Audience不僅可以幫你查找到與你網(wǎng)站訪問者相似的人，并且還能幫你向這些特定人群傳遞信息，為你帶來高質(zhì)量的潛在用戶，甚至直接轉(zhuǎn)化。例如，你開了一家保險(xiǎn)公司，并且想推銷碎屏保險(xiǎn)。通過Remarketing的使用，你可以將之前來過你網(wǎng)站并且查看過碎屏保險(xiǎn)的人創(chuàng)建為一個(gè)List，然后在這個(gè)基礎(chǔ)上去尋找相似的受眾。

這樣一來，新的受眾和你之前Remaketing Lists里面的人都是有著相同的行為習(xí)慣，興趣，甚至購買傾向，從而轉(zhuǎn)化率大大提升。

Facebook Lookalike Audiences

Facebook的“Lookalike Audiences”，可以根據(jù)Custom Audiences所篩選出的用戶名單為參考，再篩選出與其相似的人群，讓廣告主可以將廣告投遞給此名單內(nèi)的用戶。

通過Facebook像素插件，來記錄客戶在你網(wǎng)站的行為，比如，加入購物車但未購買，像素會(huì)反饋給你信息，方便后期給客戶定向投放廣告。

同時(shí)相似群體大致有以下情況：

• 與主頁互動(dòng)，比如點(diǎn)贊，轉(zhuǎn)發(fā)，評論主頁等，用messenger發(fā)消息等等。
• 視頻觀看情況，比如說觀看你發(fā)布的視頻時(shí)間播放時(shí)長等。

阿里達(dá)摩盤DMP

阿里推出達(dá)摩盤（DMP）Lookalike 模型根據(jù)對店鋪或品牌最忠實(shí)的那批用戶（種子用戶），并通過Lookalike 模型找到與這些種子用戶相似的人來增加店鋪的有效瀏覽和轉(zhuǎn)化。

騰訊社交Lookalike

騰訊社交廣告團(tuán)隊(duì)基于種子用戶畫像和關(guān)系鏈尋找相似用戶，即根據(jù)種子人群的共有屬性進(jìn)行自動(dòng)化擴(kuò)展，以擴(kuò)大受眾覆蓋面，提升廣告效果。

例如，家庭、社會(huì)身份、地位、相關(guān)群體等社會(huì)因素，文化、次文化等文化因素，以及行為、動(dòng)機(jī)、興趣等心理因素等都能形成相似人群拓展Lookalike的篩選標(biāo)準(zhǔn)。以社交關(guān)系鏈為基礎(chǔ)，騰訊社交廣告可以助力廣告主尋找相似線索、捕捉高潛客戶。

騰訊廣告算法大賽2018年的賽題，題目如下：

相似人群拓展（Lookalike）基于廣告主提供的一個(gè)種子人群（又稱為種子包），自動(dòng)計(jì)算出與之相似的人群（稱為擴(kuò)展人群）。本題目將為參賽選手提供幾百個(gè)種子人群、海量候選人群對應(yīng)的用戶特征，以及種子人群對應(yīng)的廣告特征。出于業(yè)務(wù)數(shù)據(jù)安全保證的考慮，所有數(shù)據(jù)均為脫敏處理后的數(shù)據(jù)。整個(gè)數(shù)據(jù)集分為訓(xùn)練集和測試集。訓(xùn)練集中標(biāo)定了人群中屬于種子包的用戶與不屬于種子包的用戶（即正負(fù)樣本）。測試集將檢測參賽選手的算法能否準(zhǔn)確標(biāo)定測試集中的用戶是否屬于相應(yīng)的種子包。訓(xùn)練集和測試集所對應(yīng)的種子包完全一致。初賽和復(fù)賽所提供的種子包除量級有所不同外，其他的設(shè)置均相同。

在特征工程層面，總結(jié)一下魚和jachin的開源方案中的思路如下：

（1）原始o(jì)nehot特征，比如aid，age，gender等。

（2）向量特征，比如interest1，interest2，topic1，kw1等

（3）向量長度統(tǒng)計(jì)特征：interest1，interest2，interest5的長度統(tǒng)計(jì)。

（4）uid類的統(tǒng)計(jì)特征，uid的出現(xiàn)次數(shù)，uid的正樣本次數(shù)，以及uid與ad特征的組合出現(xiàn)次數(shù)，組合正樣本次數(shù)。

（5）uid的序列特征，比如uid=1時(shí)，總共出現(xiàn)了5次，序列為[-1,1,-1,-1,-1]。

（6）組合特征：age與aid的組合，gender與aid的組合，interest1與aid的組合，interest2與aid的組合，topic1與topic2的組合，LBS與kw1的組合。

（7）五大類特征，投放量（click）、投放比例（ratio）、轉(zhuǎn)化率（cvr）、特殊轉(zhuǎn)化率（CV_cvr）、多值長度（length），每類特征基本都做了一維字段和二維組合字段的統(tǒng)計(jì)。值得注意的是轉(zhuǎn)化率利用預(yù)處理所得的分塊標(biāo)簽獨(dú)立出一個(gè)分塊驗(yàn)證集不加入統(tǒng)計(jì)，其余分塊做dropout交叉統(tǒng)計(jì)，測試集則用全部訓(xùn)練集數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。

（8）此外，我們發(fā)現(xiàn)一些多值字段的重要性很高，所以利用了lightgbm特征重要性對ct\marriage\interest字段的稀疏編碼矩陣進(jìn)行了提取，提取出排名前20的編碼特征與其他單值特征進(jìn)行類似上述cvr的統(tǒng)計(jì)生成CV_cvr的統(tǒng)計(jì)，這組特征和cvr的效果幾乎相當(dāng)。

搜推廣遇上用戶畫像：Lookalike相似人群拓展算法

總結(jié)

以上是生活随笔為你收集整理的搜推广遇上用户画像：Lookalike相似人群拓展算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。