互联网广告行业用户画像设计

为什么需要人群画像

无论传统广告还是计算广告，本质上其实都是通过一定创意去触达广告主需要触达的人群，那么如何去描述人群就是一个不可避免的问题。

• 从产品角度，人群画像可以提供给广告主选择人群的权利。
• 从技术上，人群画像更是一切投放算法的基础，像ctr预估、转化率预估等模块都严格依赖于人群画像。

人群画像到底是什么

• 广义上：用户画像是以最为浅显和贴近生活的话语将用户的属性、行为与期待联结起来。
• 狭义上：在互联网广告领域，用户画像往往是根据用户社会属性、上网习惯、浏览行为、消费行为等信息而抽象出的一个标签化的用户模型。人群画像可以简单理解为给用户打“标签”。

如何实现人群画像

我理解主要分为以下四点：1、标签体系 2、数据来源 3、计算架构 4、模型准确，下面分别进行介绍：

• 标签体系
  既然人群画像可以简单理解为给用户打标签，那么打什么标签其实是人群画像产出成果的基础了。具体应该怎么制定，应该符合产品的需求，符合大部分广告主通用的需求。
  总的来讲标签可以分为两类：
  a、非预测类标签：
  包含设备信息、浏览信息、地理位置的信息等，这类信息为确定值，用户出现过就会有该标签。这类标签通过日志可以直接得出，也是预测类标签的基础。
  b、 预测类标签：
  包含人口属性，个人关注，购买倾向等信息，其中人口属性标签基本确定，无非是一些性别、年龄、收入、职业等信息。而个人关注等兴趣类的标签如何设置需要深入了解业务，没有什么固定模式。
• 数据来源
  广告行业的数据来源主要为媒体的相关信息，想要实现标签覆盖率与准确率的提升，必须尽可能扩大数据来源。
  还有一类数据为线下数据，现在移动互联网飞速发展，一些主力为线下服务的广告主也都在互联网上开始广告投放，这时候如果有一些线下的地域数据，对于投放的优化会有事半功倍的效果。想利用线下数据必然会遇到的问题是线上数据与线下数据的打通，这就涉及到ID-Mapping等相关技术。

• 计算架构

  
  userprofile 架构
  

  上图为DSP系统用户画像的架构图，箭头为数据流向，绿色为计算模块，灰色为对外提供的服务。从投放数据开始，主要经过strom实时系统，spark的离线计算，为实时、准实时、离线系统提过服务。其中storm主要计算非预测标签，离线spark计算预测类标签。

• 模型准确
  这里也分标签类型进行说明：
  a、非预测类标签：
  该类模型在计算资源满足时进行实时计算。
  这类标签不存在准确率问题，日志中有就有该标签。这类标签的关键问题为如何设置过期机制，如果用户长期内只出现过一次某行为，应该如何将对应的标签删除。这里提一点比较简单的解决方案就是给每一标签设置权重，然后计算权重时每天按一定系数进行衰减，通过设置一定阈值来保证权重较小的标签被删除。
  b、 预测类标签：
  该类模型一般为离线计算。对于人口属性等变动不应特别频繁的标签，模型的训练频率可以降低，以减少计算成本。
  该类模型的训练和一般机器学习方法都一样，无非是数据清洗、特征工程、模型训练、交叉验证，最终训练出准确率符合要求的模型。

本文简析了广告领域用户画像所关注的一般问题，希望可以对准备进行用户画像相关工作的同学有所帮助。