互联网广告定向体系研究报告
一、定向的集合逻辑及应用方式
目前业界有两种主要的定向逻辑思路。
1.提供所有的定向条件,选择所有的定向条件取交集,然后为最终的出价。这类定向方式以Facebook、广点通、头条等社交资讯类场景居多。

2.选择定向上分为两步,①圈选流量②定向溢价。这类定向方式主要应用在阿里妈妈这类电商场景。

具体的业务表现:
1.搜索场景下

2.展示场景下

二、定向体系框架
1.背景调研
通过调研业界常见广告系统的定向树体系,大体状况如下:
阿里妈妈钻展。单品与店铺的定向体系不同,白盒化的定向并不多,各定向之间重叠性很强,逻辑不清,参考性不强
达摩盘。定向标签极为丰富,总结1000+的标签,定向树体系相对完整,但重叠性依然很强。
广点通、Facebook在投放端白盒了大量的可选定向,分类清晰完整,但较多为人群属性及行为定向,对商业属性直接关联的标签有限。

2.定向方案
基于以上调研,初步确定的待讨论方案包括如下定向标签。
基础属性。人的基础属性标签,包括地域、年龄、性别等。
兴趣偏好。这部分是投放端已有的定向能力,后期可规划更细的基于宝贝、店铺或行业的搜索选择,特定trigger的定向功能。
行为轨迹。基于兴趣偏好更细的行为(包括浏览、点击、成交、收藏、复购等),及不同时间段的行为交叉(包括1天、7天、30天的行为)。
消费能力。基于平台购物行为、客单价、交易额计算高中低,及类目上的高消费偏好。
好友关系。基于平台的关系链数据,推荐偏好该宝贝、店铺、行业的好友用户。
自定义人群。支持上传自定义人群包,lookalike扩展包的大小。

三、DMP设计思路
目前业界DMP主要支持以下三个功能:
人群上传及扩展。
精细化标签选取。
人群包画像解析。
1.人群上传及扩展
基于已上传的人群包,可以扩展人群包大小。
基于已有的标签,可以扩展标签定向人群大小。

2.精细化标签选取
标签市场。提供丰富化的标签类别,提供标签管理等能力。
标签操作台。提供各标签之间的交、并、补、非的逻辑编辑。

3.人群包画像解析
对已上传、已扩展、已编辑的人群包进行人群洞察,给出固定的透视维度,以便广告主评价、校验已选人群。
