2013年10月17日 14:12
来源：凤凰网商业

2013年10月16日，中国网络营销高峰论坛在北京国家会议中心举行。在峰会中，缔元信总裁秦雯女士发表了题为《大数据时代的广告分析》的演讲，文字实录如下：

很遗憾今天上午没有听到日本这位先生的有关大数据的分享，今天下午因为这个是组委会给我的命题，本来叫大数据的广告分析，后来我想了一下，我还把这个话题改成网络大数据的运用。我想大数据这个概念现在很热，热到就是我在很多公开场合的话都在泼冷水，尤其是今年互联网大会，可能在座也有去过大会现场的，除了坐的以外，站的，地上全坐满了人。但是实际上的话，我始终认为大数据离我们其实还有一点远，因为这个不是一个概念的东西，也不是一个简单的业务层面说，美国出来一个（英），我们在中国就找几个差不多的就行了，也不是这个。数据从有，到数据的加工处理，到最后才到业务层面的话，其实需要长期积累，需要耐得住寂寞，沉得下心做扎扎实实的工作，所以工作不是说，半年以前概念坏了，半年以后实际行为就有了，我最近经常举的那个例子我相信在座的有一些人也会有印象，有在微博上发牢骚我昨天晚上买了一袋牛肉干，今天早微博上又给我推荐牛肉干，为什么，哪有人天天吃牛肉干，就笑这种个性化的推荐。

数据能够优化业务，能够提升效率，这个方向是没有问题的，大数据能够提高大效用，这个方向也是对的。我们从2007年开始进入过得的数据，互联网数据服务市场，我们从2007年开始尝试做自己的结构化平台，这个里面走了很多的弯路，跌了很多跤，一直到去年底，我们才有一些初步成果，所以今天我要分享的是基于我们对数据，我们站在数据行业里面对大数据的认识和我们做到的，已经做的，一些些，只能说一些些数据研究成果，我希望这样的分享一方面让大家更理性看待大数据，另外一方面也给大家在业务层面，怎么结合自己已有的，或者是其实有但自己还没有，还没有收回来的，还没有去想的，去做处理的这些数据的话，怎么结合来思考它的运用。

还是要讲这个话题，因为现在这个概念虽然很多，但是我们落到实处，有一个分类是我比较认同，什么是大数据，大数据由这几部分部分，一部分用户交付行为数据另外一部分是用户的行为对象，文本图片视频音频等等，最后一部分，是各种设备的检测运营检测数据，我们看这三类数据的话，前面两类实际上互联网已经解决了，最后一类是什么网来解决？物联网来解决这个数据的获取和加工处理。

按照这样的一个范畴定义大数据的话，我们可以说，是人类在线直接和间接活动的过程记录，这就是我的概念里面，我的意识里面大数据，可以说大数据无所不在，我们之前有，只不过以前在线下，线下的传统社会，我们很难以经济上，可以承受的手段把这些数据搜集回来，我经常举例子说，比如说我们以前在一个百货商店如果我需要了解有多少人每天多少人进这个百货商店，进来以后走是什么路线，看了哪些柜台，看了哪些商店，最后又买了哪些商品等等这些数据，在线下的传统社会基本上是不可实现的。但是，在互联网上非常低的成本就能把这些数据搜集回来的。

我们在涉及到数据的话，就是上面两类系数据我们说网民交付行为数据，那这两类数据的话，如果落实在业务层面，其实是挖掘受众和内容的关系，挖掘这两部分的关系。我们看一下，给大家举一些实例。这是每天收回来的原始数据，如果仅就这样的数据基本上是什么事也干不了的，我们需要对这个数据进行加工处理，我们看一下这个过程。

首先把用户和它所看的内容，提炼出来，然后对每一个用户进行标签管理，再这个基础上的话对用户做分群管理。以汽车为例，然后我们根据不同的用户行为，我们可以把当下的汽车用户按照它的购买偏好程度分成不同的群，在这个基础上扩展到不同的行业，然后不同的层级，这样的话当数据到这个层面的时候，就可以在业务上加以利用了。这个就是大数据处理过程，我们在这个过程，我们看到的是不断的去发掘内容和受众的关系，从数据本身运用的变化来看，我们会看到，以为例，经过了这样几个层次。第一个层次的话，我们是再一个基本面做数据统计，这个数据统计我们是去发掘最受目标用户关注的内容，然后再这个基础上制定媒介策略这是一个层面，这是从国外7、8年前节已经开始这样做了，进一步在这个基础上分析不同内容的用户重合度，然后发现内容之间的用户相关性，在这个过程当中优化投放策略。进一步分析每一个用户的历史访问行为，在这个基础上的话，去发现每一个用户的偏好，最后是针对每一个用户做个性化的推荐。在这样一个数据利用不断深入的环节，我们看从数据到信息，到策略，它有一个从简单复杂数据运用过程，最后粗放到精细，这是我们现在看到从市场上并存三种广告投放，网络广告投放的实现方法。

精确投放，我下面的话我就在两个层面举两个例子：

一个，因为营销广告一边媒体，一边是广告主，通过媒体我们怎么利用大数据做媒介价值的分析。我们知道传统的话，媒体通常会去分析自己媒体用户的人口学特征，有年龄、性别、职业，收入等等。但是呢，我们一样的在拉扯数据的语境下我们可以对媒体每一个用去按照它的偏好，它的行为特征对每一个用户进行标识，这个意义上再去把网站的媒介价值再去做转化，它的原理就变了。我们初步的归纳为对媒体来讲变成从苗广告位，这之前上广告位，到之后卖用户。这也是一个流量的概念，只有不过原来定位在内容上现在可以定位在用户上。这是一个媒体，我们举一个例子，这是我们给一家视频网站做的。

通过这家网站为用户不同视频内容的偏好，它的浏览行为我们把这一家网站的用户分成这样的六个群，这是第一步，第二步我们分析不同人，根据它的广告历史投放数据，看不同的人群它的品牌偏好。我们发现不同的用户群，在对运动时尚品牌的偏好是有明显差异的。这张图离这个群，用户最近的就是对这个偏好程度最高的。可能图太小了，大家不一定看得清楚，我们换到下面这张图，这张图的话就看得出来第一列是这个不同运动时尚品牌，然后我们看，如果我们看用户的整体的关注程度的时候的话，它是有一个这样的排行，但是当我们把用户做了分群以后我们发现不同的品牌和不同的用户群产生更大的关联，这样的话这样一张分析结果，媒体的行销人员就可以拿着这样的数据结果去制定，按照不同的品牌去制定不同的对应的策略，那这样的服务的话我们也在给更多的网站提供这样的分析。这是媒介这一块的数据挖掘的运用。

我们看广告，做广告策略、媒介选择也是一样，  广告主商品的目标人群去匹配媒体的目标人群，用这样的形式做，一样我们也看一下在数据挖掘在大数据的语境下，广告策略或者媒介策略怎么做，基本上是这样五个步骤。从品牌用户的数据搜集，这是第一部，首先我们要去搜集品牌用户的数据，然后到用户行为的分析，到用户的基于行为为用户进行的聚类分群，然后基于这样聚类分群然后做广告策略的优化。这个过程当中，我们要用到几种数据和方法。在品牌用户数据里面的话，我们用到这个品牌投放历史数据和这个品牌的官网数据，当然我们响应本身提供这样的数据检测和管理工具，那在用户分析里面的话，我们要对用户行为偏好和用户内容偏好，和用户的消费偏好进行分析，这个分析的话是机遇一个大的数据平台完成的。在这个基础上的话，我们对用户做自然特征，社会特征，兴趣特征和消费特征的分析，分群，这样的话是入了一些数据建模和数据挖掘方法，最后实现广告的优化。

这个比较抽象，我们看一个例子这是刚刚给客户完成，这个内容比较多，我快速地过。几轮广告投放下来以求，这个品牌用户我们检测结果，抵御分布，在线时间，在线活跃程度，然后这个品牌用户的媒体到达，品牌用户的兴趣焦点，名人人表示度，互联网生活印象这就是通过这个品牌用户行为给大家提炼出来的。最后到聚类画像用户，社会身份的倾向，资产特征的倾向，社会印象的趋势，态度趋势，用户的群体群体，进一步做广告策略的优化的分析和建议。刚才看到全部的数据没有一个是从问卷里面来的，全是基于大数据的挖掘归纳出来这是另外一种研发方法给大家分享。当然未知的东西还很多，我们也是在这个方向上刚刚开始。频道的策略建议，内容策略建议。

我们在这样一个思路基础上，我们自己整理出来一个网络广告投放的十步法，我们也在广告主的投放过程当中推动他们去实践。这个十步法前面就是我刚才讲了，跟这个案例很像，就是我们来做策略之前的话，我们是基于大数据的挖掘，去定义这个品牌的用户。根据这样的定义和分析，制定一套策略，如果我们自己的历史数据积累的不够得多的话，我们可以做一轮测试投放，在这个测试投放的过程当中，去确定我们的投放策略，然后开始正式投放。在投放过程当中，根据数据检测不断去优化策略，最后形成一个评价的结果。在整个闭环的过程当中我们用到三类数据，一类是广告的检测数据，官网的检测数据，还有一类是我们自己的数据。我们看整个数据流，它是从我们的网络广告投放过程当中，流入的，也就是说，我们在业务环节里面所产生的数据，一定要记得收回来，这个是现在营销整个领域我觉得目前还重视得不够的事情。从业务环节过程当中，流进来，再流出去支持下一步的业务策略，整个的原理就是这样的。

这样的话，我们才能真正实现从效果检测到效果预测。在这个里面的话，最大的问题，我们觉得怎么样才能够实现大数据的运用，三个关键词，首先就是我们如果要用好大数据，我们一定要有数据，这个数据从那里来，这个数据对我们无论处在业务的哪一个环节无论我们是广告主还是我们是服务机构，还是媒体，这个数据是我们业务当中产生的，所以需要首先树立的一个观念和理念是要积累我们在业务过程当中，产生的业务记录，这个数据就是大数据之一。这是一个。其次的话要让这些数据可用，我刚才给大家掩饰了，数据处理的过程，从一个搜集回来的原始数据，到转化成可识别的信息这个数据需要加工处理，这个数据怎么加工处理，没关系，有向我们这样第三方公司可以来帮助大家做这样的加工处理工作。

最后才是用，所以我为什么刚开始说的话，对大数据大家要理性的看待，我们第一个步骤还没有做到的时候我要部门追求最后一步，我用大数据干什么，你还没有呢。所以这个是一个开始。我也希望2013年的话，有更多的企业的话，开始重视自有数据的搜集和整理。我今天的分享就到这里，谢谢大家。