计算广告系列篇(6)------推荐

● 每周一言

想作为，就需要和时间赛跑。

---

导语

作为在线广告最核心的驱动力之一，受众定向技术通过一种标签机制来提高广告投放的效果。那么，这个受众定向的标签是什么？又是如何提高广告投放的效果的呢？

---

个性化推荐

受众定向，顾名思义就是把广告打给对的人看，实现个性化推荐。而要想知道当前用户适合何种广告，就必须知己知彼，也就是掌握该用户的信息。信息量越足，精准投放的概率就越高。这需要通过一种标签机制来实现，不同的广告内容通过匹配相应的标签，实现个性化推荐。此外，标签机制简单明了，程序化处理也很方便。

从供给方角度看，受众定向标签有两种：用户标签和上下文标签，它们分别描述的是一种的离线特征和实时特征。这两种特征的侧重点不同，代表的意义也不一样。

用户标签 用来刻画用户历史的整体行为特征，通过分析用户的历史行为提取。由于太过久远的历史数据对描述用户兴趣的实际贡献度很小，因此一般通过滑动时间窗口外加时间衰减因子来强调时间线的新鲜度。用户标签的提取方法有关键词提取法、有监督的主题模型等。

上下文标签 用来刻画用户当前的访问行为特征，通过分析用户当前访问的页面信息提取标签。上下文标签所涉及的数据量较小，计算成本较低，在用户标签缺乏的情况下，还能帮助缓解冷启动问题。上下文标签的提取涉及文本的主题挖掘，主要有LSA模型、PLSI模型、LDA模型等。

当然，用户标签和上下文标签有可能相同，两者相辅相成，但这两种标签并非在所有场景下都能一起发挥作用。比如在搜索广告中，由于用户意图与搜索关键词强相关，通常不考虑用户标签，而是重点考虑其搜索内容的上下文标签；在一般的ADX广告中，则通常不关心上下文标签，而是着重考虑用户标签。

---

结语

以上便是我对计算广告受众定向投放的理解。而无论是计费还是推荐，其数据的真实有效性都由一个重中之重的环节来把控，这个环节叫做反作弊。那么，反作弊是如何把控数据质量的？敬请期待下节内容。感谢各位的耐心阅读，后续文章于每周日奉上，欢迎大家关注小斗公众号 对半独白！