大数据广告,被玩儿坏的概念：微信朋友圈广告真的用上了大数据？

大数据广告,被玩儿坏的概念：微信朋友圈广告真的用上了大数据？

被玩坏的概念——朋友圈广告真的用大数据吗？

朋友圈的广告已经过去几天了。看到各路大神纷纷评论，琢磨了几部杰作，有两个问题值得讨论。

第一个问题：数据很多，是不是大数据？

微信拥有超过11亿用户，超过4亿活跃用户，每天产生的数据量是天文数字。这些免费发布的、不受引导的社交软件所产生的数据，最终都在这个朋友圈广告中。它是干什么用的？

随着这位广告主在朋友圈的发布，让我们用几种常见的大数据应用方式来推测一下：

模式一：

该模型利用微信用户的海量数据，筛选出符合广告主定位的群体，比如用肾的，比如关注奢侈品名车的，以及使用各种标签条件的定义用户，然后推送广告。

模式二：

利用各种微信用户数据勾勒属性，如用户收入、年龄、地区、教育程度、你所在行业的基本特征，对比广告主产品定位群的属性，选择相似的部分属性，加上提前在推广测试时的用户反馈参数，比如通知右上角是否有兴趣的选项，然后过滤出组，然后推送目标。

模式 3：

当属性不完整时，应该应用第三种模式，以用户的喜好作为分类条件，比如曾经发布过的喜欢旅游、喜欢科技产品、喜欢吃喝玩乐等，有成为一个定义条件。对这些偏好进行排序，筛选出用户最关心的前20个偏好，然后将这些偏好与广告主的客户定位进行比较，将相似度最高的部分作为推送人群。

以上三种常见的大数据推荐模型不涉及社交属性。事实上，如果精准分析能够达到用户消费行为和倾向的层面，社交属性是可以弱化的，因为后者的真正作用是扩大受众。

根据微信用户的数量，准确分析几百万甚至几千万的潜在宝马用户应该不难，但是这个推送不是一对一推送到用户的对话框，而是利用社交属性在朋友圈传播，依然是feed流式广告的方式，并没有将大数据的精准能力应用到位。所以，微信确实有海量数据，但微信是否做大数据分析，就看它对海量数据做了什么。这种推送并不是严格意义上的大数据行为。

第二个问题：这次的广告效果几乎是通过炒作事件和利用用户转发形成的，和大数据有什么关系？

之所以出现这个问题，是因为这一次，三个广告主都在为品牌做广告，不是在宣传具体的产品，而是为了提高品牌的知名度。但鉴于微信的用户量，再加上“高中低浪费”人群分类话题的炒作，应该将其纳入事件营销的方式。我看不出和大数据应用有什么联系，因为最终的消费转化还是要靠广告商。自己努力。

拥有如此多的用户数据，为什么不好好利用它呢？让我们再做一个大胆的假设：

1、微信不知道自己11亿用户的全部情况，否则它应该找出这11亿用户中哪些是真正的土豪和真正的屌丝，并据此推宝马或可乐，精准营销和事件营销没有冲突。

2、微信是从“优质种子用户”建立的，隐含前提是：用户与BMW、vivo、可口可乐的广告受众高度活跃并参与广告互动及其社交联系有相当程度的重叠。这个设定显然是从一开始就从事件炒作的角度准备的，并不是以精准为基础的。

不难看出，微信是以社交属性作为广告推荐的依据，并没有应用基于内容、协同过滤、规则、效用、知识的大数据能力，也不专注于人和事。之间的强相关性（例如偏好、购买、意图等）。

从这两个问题可以推导出的结果，我们发现这是一个成功的事件炒作，一个PR事件，一个传播效果的验证。根本没有大数据。

那么究竟什么是大数据推荐？

从数据库中找到一个微信用户的所有朋友与大数据无关。大数据的一个重要特征是分析来自不同来源、不同性质的数据信息。例如，结合微信用户信息和宝马用户信息进行分析大数据广告,被玩儿坏的概念：微信朋友圈广告真的用上了大数据？，就是典型的大数据应用场景。从专业上讲，这就是大数据的多样性。

大数据推荐的目的是发现两个表面上可能不相关但实际上相关的实体。这样的隐含关系在小数据范围内并不容易，在大数据的情况下难度可想而知。我们把这个问题分成几个步骤来说明：

第一步是解决“什么样的数据可以包含在分析中？”因为数据量太大，包括不相关的东西，不仅会添加不必要的计算，还会造成很大的干扰。因此，降噪是第一步。以朋友圈广告主宝马为例：

如果微信用户昨天声称买了一辆宝马，但宝马的购车用户列表中没有这个人，那么这个用户不应该被剔除，会影响下一步。

第二步是基准测试。我们要分析两个实体是否相关，关键是看它们的相似性。有人说80%的相似度就够了大数据广告，也有人说50%以上就OK了。那么如何确定这种相似性呢？让专家来判断是一种方法，让统计结果来判断是另一种方法。最好的办法是大数据模型可以自己学会判断这个基准。

第三步是降维。所谓降维，就是从推荐系统中去除不需要或不重要的因素，从大数据到小数据。比如微信用户和BMW用户之间可能有很多关联点（电话号码、城市、年龄、土豪等级、支付记录等），并不是所有关联点都对推荐有用。比如富二代18岁就开始开宝马，一般人可能要到30岁才能开，所以年龄可能不是分析的关键。

简而言之，降维的根本目的是为了方便计算大数据广告,被玩儿坏的概念：微信朋友圈广告真的用上了大数据？，避免天文数据分析。至于如何降维以及降维的算法，我们后面会详细讨论。

第四步，选择合适的推荐算法。上面提到的推荐算法是应用最广泛的，各有优缺点。选择哪种算法取决于要解决的问题、数据量、特征选择等因素。也就是说，要把人和事和数据联系起来。

第五步大数据广告，大数据推荐 很多时候要考虑实时推荐的问题。比如，当一个新用户进来的时候，你要给他推宝马、vivo或者可口可乐。这涉及到推荐的效率和用户信息一样，大数据框架的设计必须足够完善。

此外，大数据推荐的结果，通常被称为“大数据预测”，被用于从足球博彩到股票的场景。能够进行大数据预测的公司才是真正的大赢家。

根据以上推论，大数据下的推荐系统并不是简单地等同于社会关系的推导，而是必须基于更严格的需求分析和更复杂的系统设计。微信有先天条件（海量的数据、资金、团队等），但在这次广告推送中，展现的大数据应用并没有到位。虽然使用了大数据能力，但更像是“大数据就是一个篮子”。 ，什么都可以放进去”的包装方式，可惜了。