Re:记忆behavior targeting的人群属性识别有哪些经典的方法和模型？
34 views
Skip to first unread message
darcy007007
Aug 1, 2012, 10:01:23 PM8/1/12
to tt...@googlegroups.com
BT是啥意思？我这边有基于业务规则标注结合标签扩散的机器学习思路，有兴趣可以一起探讨一下
在 2012-08-01 16:40:10，"Kevin Su" <suwe...@gmail.com> 写道：
在 2012-08-01 16:40:10，"Kevin Su" <suwe...@gmail.com> 写道：
各位，能否推荐一下基于bt的人群属性提取模型？--
识别人的人口属性和兴趣偏好（已经由业务部门定好分类的）
订阅地址：ttnn+subs...@googlegroups.com
退订地址：ttnn+unsub...@googlegroups.com
suwenkui
Aug 1, 2012, 10:36:58 PM8/1/12
to ttnn
也是应用在互联网？单个网站还是自己做的DMP系统？
bt就是behavior targeting行为定向。
欢迎一起讨论，可是业务规则很难给定吧？
darcy007007
Aug 2, 2012, 12:45:11 AM8/2/12
to tt...@googlegroups.com
互联网，电商平台。业务规则一般会有业务运营给出初步的，基本思路是商品属性和用户属性相互进行能量传递，近似协同过滤的思路
也是应用在互联网？单个网站还是自己做的DMP系统？bt就是behavior targeting行为定向。欢迎一起讨论，可是业务规则很难给定吧？
--BT是啥意思？我这边有基于业务规则标注结合标签扩散的机器学习思路，有兴趣可以一起探讨一下
在 2012-08-01 16:40:10，"Kevin Su" <suwe...@gmail.com> 写道：
各位，能否推荐一下基于bt的人群属性提取模型？--
识别人的人口属性和兴趣偏好（已经由业务部门定好分类的）
订阅地址：ttnn+subs...@googlegroups.com
退订地址：ttnn+unsub...@googlegroups.com
--
订阅地址：ttnn+subs...@googlegroups.com
退订地址：ttnn+unsub...@googlegroups.com
订阅地址：ttnn+subs...@googlegroups.com
退订地址：ttnn+unsub...@googlegroups.com
suwenkui
Aug 2, 2012, 1:36:25 AM8/2/12
to ttnn
差不过，关键是用户属性是怎么提取的。
suwenkui
发件人： darcy007007
发送时间： 2012-08-02 12:45
收件人： ttnn
主题： Re:回复: Re:记忆behavior
targeting的人群属性识别有哪些经典的方法和模型？
Q
Aug 2, 2012, 2:31:47 AM8/2/12
to tt...@googlegroups.com
Honey. Hoo
Aug 1, 2012, 10:28:10 PM8/1/12
to tt...@googlegroups.com
请问你是在什么行业里头做啊？
Q
Aug 2, 2012, 5:03:38 AM8/2/12
to tt...@googlegroups.com
不能一句两句说清楚的，岂不就是个大问题。
用google搜固然是个好法子，不过听别人讲讲岂不是更有针对性嘛！
听这段描述——“根据受众的购物或浏览行为，来对用户进行分类”，这听起来跟电信行业里面一直做的预测很相似，不过很多不是用来分类用户，而是预测用户行为的（当然，这两者经常互换）。
用行为来归纳客户特征，这个想法也曾经被实践过，也没有用什么模型，而是用经验归纳。比如拨打美容院电话的，是爱美的女士；经常有往某个城市的长途并且固定几个号码，很可能老家就是在那城市；拨打汽车4s店电话的，有车一族...这些行为勾勒出客户的轮廓。
不过这个思路的问题在于，你怎么验证呢？虽然可以敞开大脑想出很多行为，但你怎么认定他们就是你归纳出来，符合某个特征的人群呢？似乎只有营销接触以后验证了，这很麻烦，所以可操作性并不强。或者是反过来，已经定义了若干客户的特征面，而且已经有符合这些特征的真实客户样本，那样，可以枚举出了很多种行为，用数据来寻求行为和特征之间的关联，用那些特征客户样本进行验证即可。
suwenkui
Aug 2, 2012, 5:43:42 AM8/2/12
to ttnn
其实大多数时候是用购物的倾向（或浏览的爱好）对用户进行分类，进行有针对性的营销，如推送相关的广告或者推荐相近的产品等。
在互联网广告这个领域里边参与者有这样的三类：受众（或者叫用户，就是最终掏钱买东西的那个），媒体（就是提供广告位，并赚广告钱的那个），广告主（出钱做广告，并卖东西的那个）
如何根据用户的购买或者浏览行为推测他的购买欲望，这是在这个领域里ｂｔ的主旨。
一般都会把人的购买欲望按照ＡＤＩＡ模型分成四个或者三个阶段（和通常领域里的销售漏斗类似吧），其实说起来就是根据先前的行为推测后面的行为，最后促成购买行为。
不过为了这种分类的可实施性或者可见性（对广告主可见），会把人的特征提取出来，如性别，年龄，兴趣爱好等等。
我不知道这样说是不是吧问题说清楚了。
其实如果有一定的规则能说明这个事儿，那是很好的，而且可实施性也很明显。不过对与互联网来说，很多事情是不能像电信行业那样做客户回访或者什么什么的直接接触的，那样成本很高。因为点击率本身就很低，购买率就更低。。。。。。
suwenkui
发件人： Q
发送时间： 2012-08-02 17:03
Q
Aug 6, 2012, 10:57:26 PM8/6/12
to tt...@googlegroups.com
我搜了一下BT的概念，看来主要就是从个性化广告目的出来的，而基于的技术理念应该跟其他行业的精准营销类似。
在你上面的描述中，我觉得第一层路径（FLP）还可以更清晰一点。
此处的FLP是：用户购物的行为可以推导出其购买欲望，并提取人口特征的信息。针对不同购买欲望的人群，推荐不同的广告。同时可以描述出这群人的特征。
这里的疑点仍然是：从行为推导购买欲望，通过购买欲望推荐广告的准确度如何评估？
即便没有客户的真实信息，也难以做回访，但必定还是有一个准确定义的“目标”，比如说，广告点击，甚至广告产品的购买，总有一群人最终发生了那种行为。因此，换一个FLP描述可能是：现在有ABC三类广告，每类广告的点击/购买行为之前，都有一组用户行为与之很强的关联，如果可以监控到这些用户行为组合的化，就可以导致广告点击率/购买率的提升。
行为-购买欲望-广告
行为-广告
Reply all
Reply to author
Forward
0 new messages