本篇文章4957字，读完约12分钟
大数据已经成为整个it领域(包括互联网技术和信息技术)最热门的词汇之一。似乎每当提到大数据，它就会立刻变得更高。一夜之间，大数据取代了主观理性思维，成为智能洞察的代名词。
然而，当我们走过崇拜大数据的阶段，揭开大数据的实际应用时，我们却逐渐反思充斥着话语世界的大数据。因为大数据在经济发展中的重大意义并不意味着它可以取代所有关于社会问题的理性思考，所以科学发展的逻辑不能迷失在大数据中。著名经济学家路德维希·冯·米塞斯(Ludwig von mises)曾提醒说:“今天，许多人忙于无用的数据积累，以至于他们失去了对解释和解决问题的特殊经济意义的理解。
以大数据的广告应用为例，准确的广告应该是大数据产生直接收入的最早和最容易的应用。如今，很少有广告公司不自称是大数据技术公司。大数据精准广告的核心内涵是什么？总之，这是有计划的定向输送。定位是核心，编程是手段。
以微信朋友圈为例，没有定向区域，年初公开价格为40元，目标核心城市为140元，目标重点城市为90元。如果叠加了目标性别，将再增加10%，然后叠加h5外链(交通引导效果更好)，然后再增加20%。就像进口化妆品一样，按一定比例征收关税，然后按含税价格征收增值税，再按含税价格征收消费税。
对于微信来说，虽然客户的地理位置和性别也需要数据分析和解释，但相对容易确认。对于其他数据公司来说，该地区仍然可以通过ip或gps获得，但性别更有可能是数据分析的一个可能属性。当然，大数据不仅仅分析如此简单的标签。对于媒体联盟，有许多媒体选择项目，它还分析客户的媒体偏好标签，以及各种方向性组合，如时间段、人群属性、设备类型和偏好类型。
好的，以上只是对精准广告的一个肤浅的介绍。那么大数据精准广告能带来什么样的价值呢？通常，大数据广告公司经常会提到以下故事。
如果一个网站的广告空间每小时被10，000人访问，每小时的曝光率是10，000，而之前的cpm是5元，那么一个手机广告客户做一个小时的广告要花费50元。这是传统广告的结果。现在有一家大数据公司帮助广告媒体更好地运营。该公司声称，它可以准确识别浏览客户的属性，告诉手机广告客户，虽然有1万人浏览广告空间，但只有6000人真正适合放置手机，其余4000次曝光是无效曝光，因为剩下的人只对服装感兴趣。
大数据公司建议广告客户按程序植入手机，过滤掉4000个不适合植入手机的人，只给6000个适合植入手机的人付费。如果单价不变，在保证同样效果的前提下，成本将降低到30元。剩下的4000家大数据公司以20元的价格卖给了服装广告商。因此，在同样的效果下，大数据广告大大降低了广告商的成本。当然，事实上，由于rtb(实时竞价)机制的存在，当价格(具有相同的效果)低到一定程度时，不同手机广告商的相互竞价使得实际价格普遍高于30元，但必须在30元和最初预期的50元成本之间，从而形成多方共同受益的理想局面。
这样的案例似乎完美无缺，无懈可击。因为它解决了传统广告的低效问题，比如看起来有用，但不知道它在哪里有用，这是每个公司的首席财务官都深恶痛绝的。是的，通过大数据广告，我们可以使所有花在广告上的钱更加可靠，并在线评估一个广告造成了多少印象，甚至多少点击，多少下载，以及多少交易。
有什么问题吗？没问题。有什么问题吗？你想怀疑事实是什么意思？
其次，大数据精准广告看起来并不那么漂亮
根据证伪原则，真理只有在被证明为假时才能被视为真理(理解其应用的局限性和条件)。因此，我们必须首先回答一个问题，广告是用来做什么的？
根据以前的共识，广告被认为是一个品牌，向无法面对面交流的消费者传达一个品牌的特征。因此，虽然广告可以促进销售，但通常情况下，广告的内容并不能直接说服消费者购买，就像中国移动的获奖广告“沟通从心开始”。在2010年出版的《品牌是如何成长的》(解释，我还没有读过，希望以后能读到)一书中，作者、南澳大利亚大学教授拜伦在书中指出，广告通常不需要说服或灌输就能达到最佳效果，只要人们在购买时回忆起品牌名称。市场研究机构米尔沃德布朗(milward brown)的创始人戈登布朗(Gordon brown)指出，广告的作用是让货架上的品牌变得“有趣”。
好，回到大数据精准广告的例子，最关键的问题之一是，大数据如何分析这6000个浏览用户是否适合投放移动广告？对于这个问题，广告公司已经有所准备，并给出了以下答案。
首先，从历史记录中寻找使用过类似产品的客户进行匹配。常用的算法称为“协同过滤”，即通过一些经验的关联来寻找潜在的合适用户。例如，你玩了一个特定的游戏，所以你可以认为你对那种类型的其他游戏有相同的需求。我不否认这个算法在某些领域确实有效。例如，游戏的付费用户基本上是以前游戏的大量用户。
然而，尽管有这些特殊的领域，算法的内涵思想“品牌依赖忠诚的消费者成长和发展”，与拜伦的理论完全矛盾。拜伦通过对销售数据的统计分析指出，在所有成功的品牌中，大量的销售来自“轻买家”，即购买产品相对较少的顾客。可口可乐的业务不依赖于每天喝可乐的人，而是依赖于每年喝一两次可乐的数百万顾客。这种消费模式适用于所有品牌、商品类别、国家和时期。无论是牙刷还是电脑，法国汽车还是澳大利亚银行，品牌都依赖于偶尔购买它们的大规模人群——换句话说，大众。
这个理论意义深远。这意味着你永远无法通过准确营销现有客户来增加品牌的市场份额。对现有客户的准确营销正是数字媒体擅长的。
本着批评的精神，我们来看看新的未经测试的想法，我想引用广东移动最近公布的客户变化特征的数据。广东移动的终端迁移分析显示，使用苹果升级终端并继续使用苹果手机的用户占64%，忠诚度最高。然而，除了苹果之外，忠诚度最高的华为和小米手机在取代4g后继续使用同一品牌，占比不到30%。
这表明你向苹果4或5的用户推广苹果6是可行的，果粉效应颠覆了拜伦的理论，证明依靠忠诚的消费者在某些领域成长和发展是可行的。但除此之外，向当前品牌的任何用户推广同一品牌的手机终端已经过时了。
因此，希望对历史电子商务数据的分析将推断出用户可能需要的下一步是无效的。就像向购买服装的用户推销服装一样，它可能不如推销一卷纸或一桶油有效。
相反，成功的品牌需要找到接触目标市场以外群体的方法。品牌广告必须以某种方式获得这些人的兴趣——只有这样，当他们准备购买时，品牌才能自动出现在消费者的心目中。
第二，如果“协同过滤”有局限性，广告公司会告诉你有第二种算法，它不是基于顾客的历史行为记录，而是基于顾客自身特征的相似性，来寻找与种子顾客最相似的顾客群。简称相似。首先，广告商需要提供其广告有效的典型用户。以手机为例，在广告的影响下，有成百上千的用户对点击浏览或预购手机感兴趣。大数据公司通过相似性算法(专业术语更可能是稀疏矩阵)找到数十万/数百万个与这数百/数千个用户高度相似的其他客户群。
这种算法真正考验了大数据平台的计算能力，因为它不是经验式的协同过滤，而是使用数十个、数百个甚至数千个变量来计算收益。最后，根据相似度的概率进行评分，并从高到低选择合适的用户组。
事实上，这种模式的内涵很简单，那就是广告应该传达给应该传达的顾客。例如，奶粉广告的目标用户是抚养0-3岁孩子的父母。如果你知道要联系的用户的具体身份，所有的问题都会迎刃而解。然而，对于网站或应用程序，用户的身份并不清楚，唯一清楚的是客户的历史行为数据。此外，由于数据本身的细分，一些关注运营商，一些关注应用联盟收集，一些关注电子商务，一些关注银行。从分割的数据中推断顾客的身份信息，相似性是不可避免的手段。
唯一的问题是，如果从数百个种子用户中推断出数百个新的目标用户，准确率可能高达90%。然而，如果一家广告公司声称推出孔大师的麻辣面手机dsp，它将分析和挖掘历史的交付数据，形成一个样本数据库，然后扩大人群，通过相似技术，找到潜在的客户与目标受众最相似，扩大人口1367万，实际交付观众身份证2089万。广告效果最大化，那么效果是什么？在这里，请允许我发明一个数字，它有可能将点击率从0.2%提高到0.3%，并将准确率提高50%。有意义吗？可能有，但肯定没有想象的那么明显。
第三，如果你继续怀疑我们算法的有效性，那么我们可以谈谈合作的效果。你可以根据cpc或cpa付款。如果达不到预定的效果，我们将补足金额。这是大数据广告的终极武器。
当终极武器出现时，意味着广告已经完全落入点击和激活的渠道，广告“与消费者沟通”的初衷早已被抛弃。
一般而言，一般消费决策遵循s(解决方案)、I(信息)、v(价值)和a(访问)的规则，这意味着当用户产生需求时，他将满足需求并形成解决方案。例如，3g手机不容易使用，速度慢，覆盖面不好。如果你需要更换4g终端，它将成为一个解决方案。那么什么是4g终端，什么是关键终端？消费者仍然收集信息，而不是从网上搜索，他们会根据过去的经验、品牌效应和周围朋友的口碑自动回忆起那些品牌和款式。传统广告最重要的功能应该是这个阶段，当用户需要它的时候，它会自动进入用户的视线。然后从多维比较中进行选择，以确定购买的首选品牌。最后，在哪里购买，在哪里寻找促销活动，在哪里最优惠的努力。
根据siva模型，真正的面向效果的广告本质上解决了访问问题，这是最后一步。在这方面，搜索广告是一个真正的效果导向的广告。例如，淘宝的每一个产品都是由一万多个商家提供的。最终，用户去哪里购买，他们必须为广告付费，这就是效果广告。据报道，搜索广告的点击率超过40%。想想百度和阿里的谋生之道，广告价格自然是无限高。据说有些医院购买百度的搜索广告如性病和人流，单个流量的价格就高达几十或几百元。
搜索广告只有少数几家垄断接入公司，而且大部分广告仍然是展示广告。如果展示广告也接近效果广告，从商法上来说属于本末倒置。
最终的结果是，一方面，广告的内容充满了人类的贪婪(优越感/廉价感)和欲望(大胸美女)，这已经变成了毫不起眼的。在被欺骗一次后，它在与消费者的交流中起了负面作用。另一方面，广告公司沦为一家制造流量和点击量的公司，这与北京望京和中关村著名的刷流量街道没有本质区别。到底是谁点击了这些有效的流量？一家大数据公司曾经分析过某个高端财富管理软件的阶段性用户群，这与刷机器、贪图小便宜的极低端用户非常相似。
第三，使用可靠的标识可能更有利于提高广告效果
写了这么多，大数据精确广告没用吗？不，怀疑真相就是更好地利用它。大数据广告的核心“编程”和“定向投放”没有错，代表了移动互联网的发展趋势，完全符合特定市场和特定用户群体对商品或服务的广告传播需求。问题在于，大数据的实际能力与宣称的雄心之间仍存在巨大差距。也就是说，它没有看起来那么好。
因此，我们应该更多地关注Return广告的初衷——更好地与消费者沟通，关注精准投放，而不是像大数据精准投放这样的迷信伎俩。那么什么是最重要的呢？显然，它不是一个不可靠的协同过滤规则，也不是一个完全不知道原因的相似者。既然最重要的事情是到达目标消费者，可靠的识别应该是准确广告的核心。
什么是可靠的识别？对于微信来说，判断重点活动城市和分析性别是可靠的，但如果微信告诉你，你可以通过社交互动来判断用户是中产阶级白领还是农村农民，那肯定是不可靠的。因为一位自称在朋友圈子里的法国酿酒厂旅行的优雅女士可能会出去买油条和豆奶。
有时用户使用的媒体会暴露客户的身份。例如，那些经常使用财务管理软件的人在支付能力上更可靠，而使用鲍云应用的人中，超过80%应该是准妈妈，而那些经常使用蜂蜜花蕾的人必须是婴儿即将出生的母亲。一些大数据公司给出了案例，媒体导向和综合分析导向的效果几乎相同，说明媒体导向是有效的，但其他需求导向等于随机选择。
因为大数据本身并不关注因果关系，它只关注相关性，如果协作规则得到大数据洞察力的验证，它们也可以算作可靠的规则。例如，游戏付费用户群基本上可以确定为100万或200万有id的重度用户。
为了准确识别客户身份，收集和整合多个数据源是不可避免的，围绕客户身份的各种见解和相关性分析也是提高能力的必修课，这应该是大数据广告公司应该继续培养的核心能力。
