互聯網+ 時代，網絡方便了人們生活的同時，過載的網絡信息問題也日益嚴重：用戶每天有刷不完的廣告，卻沒有一條是自己真正感興趣的；與此同時，營銷者的煩惱也隨之而來：大筆的廣告費花了，用戶不僅不買單，反而對廣告很厭煩...
面對用戶和營銷者的“痛點”，廣告推薦技術能在洞察用戶偏好及意圖的基礎上，為用戶推薦其可能會感興趣的信息，從而更好的實現廣告價值轉化，為品牌營銷賦能。
常見的廣告推薦方法有基於內容的推薦、基於用戶&物品的協同過濾推薦、基於時間&位置等場景的推薦三種。今天美數君就來進行一下這三種推薦方法解析。
1、基於內容的推薦
指通過對用戶瀏覽、搜索、購買等網上行為數據的收集、分析和挖掘，瞭解其感興趣的內容，從而完成目標人群興趣畫像，並向其推送與內容相關的廣告。
這是最基礎的推薦策略。其優點有：1）可解釋性強。比如用戶近期常瀏覽汽車網頁，判斷他想買車，則可以把汽車類廣告推送給他；2）能很好地解決新產品冷啟動問題。因為這種推薦策略是直接基於內容匹配，所以只要知道了該新品的屬性、功能，並事先基於內容洞察了人群喜好，即便品牌第一方銷售數據缺失或稀疏，也可以立即向有此產品需求的人推薦廣告。（當然，這需要品牌對接一個擁有強大的數據整合、分析能力的第三方數據分析平臺。）
而這種推薦策略的缺點有：1）不夠精準化和實效化。精準不足舉例——對於汽車從業人員或汽車愛好者，由於其長期瀏覽和搜索汽車相關內容，導致身上會有“汽車”標籤。但其實這類人群可能對購買汽車並無需求；實效不足舉例——假如 TA 已經買過了該類物品（可能是競品的），此時如果再基於內容向 TA 推薦，重複購買的可能性會低很多；2）很難挖掘用戶潛在興趣。因為所有的推薦都是基於用戶歷史有過的行為，所以其潛在興趣和購買力難以深挖。
為了彌補基於內容的推薦策略的侷限性，美數除了應用諸如“頁面關鍵詞”提取（TF-IDF 算法提取）、AdVision 爬蟲提取等技術來細粒度推斷、挖掘出受眾的興趣內容畫像之外，更結合獨家“動態權重算法”，通過抓取用戶長期及近期網上搜索、瀏覽、購買內容數據，並依據人群活躍度、忠誠度等特性來為其按權重指數打分後，來準確區分出真正需求用戶和干擾用戶、並進一步劃分出需求用戶的不同生命週期（新客萌生興趣？產品比較中？老客回購？結束品牌購買？），從而指導營銷者合理分配預算，並針對處於不同生命週期的人群採取個性化廣告推薦策略，讓基於用戶上網內容的推薦更精準，也讓品牌與用戶的溝通更細緻、更有溫度，從而高效提升轉化。
2、基於用戶&物品的協同過濾推薦
基於用戶的協同過濾推薦指通過對用戶歷史行為數據的挖掘來洞察用戶對商品或內容的偏好，並對這些偏好進行度量和打分；而後根據不同用戶對相同商品或內容的偏好程度計算用戶之間的關係，即評測用戶之間的相似性，並把相似人群進行群組劃分；最後基於用戶之間的相似性做出產品廣告推薦。比如（下圖 左）：小丸子買了鉛筆、橡皮、尺子、膠水，小玉買了鉛筆、橡皮、膠水，花輪只買了尺子。那麼判定小丸子和小玉的行為更相似，於是可以把小丸子買的尺子推薦給小玉。
基於物品的協同過濾推薦指預先根據所有用戶的歷史偏好數據計算物品之間的相似性，然後把與用戶喜歡的物品相類似的物品推薦給用戶。比如（下圖 右）：小丸子買了鉛筆、橡皮、膠水，小玉買了鉛筆、橡皮，花輪只買了鉛筆。則判定鉛筆、橡皮這兩個物品相似，於是可以把橡皮推薦給選了鉛筆而沒有選橡皮的花輪。當然，這裡的相似並不是指物品類型、功能等相似，而是根據用戶已經產生的購買行為來計算出的物品之間的相似度，或者說關聯性。比如另一個經典的案例啤酒和尿布，也可以說是基於物品的協同過濾推薦。
這兩種協同過濾推薦策略所運用的複雜算法、公式等這裡暫不贅述。我們只來看看其優缺點。
其中，最大的優點就是：可以挖掘出用戶的潛在興趣偏好，並提升關聯產品的售賣效率和效果。缺點是：1）這個推薦方法是依靠用戶的歷史行為數據、產品銷售數據等來做推薦。因此也就是說，如果品牌前期沒有一定的數據積累，當新用戶或新產品出現時，推薦則無從依據；2）會導致大熱商品有更大的幾率被推薦被銷售、而冷門長尾商品卻滯銷的現象發生；3）假如用戶數據、銷售數據等龐大，則會提升數據分析系統運行的時間、複雜度及整體成本，且分析結果的準確性也會降低。
3、基於時間、位置等場景的推薦
是指根據用戶時下所在的時間（早中晚、春夏秋冬）、地理位置（機場、地鐵、商圈等）、天氣狀態（霧霾、下雨等）、使用場景（線上瀏覽、搜索等行為）等的不同，為用戶推薦與場景高度融合相關的廣告信息。
一般而言，場景推薦策略不是單獨使用，而是要和其他廣告推薦策略搭配使用。比如，用戶 A 當前在國貿商圈，商圈中的一家耐克店鋪正在搞活動。而基於內容的推薦策略分析出 A 最近經常在電商網站搜索、瀏覽運動鞋內容，於是判斷出 A 有此購物傾向。此時再施行基於場景的廣告推薦策略，在 A 身處店鋪附近時，恰好為他推薦耐克鞋廣告，則廣告效果會大大提升。
數據與技術是施行場景推薦的關鍵！即系統既要能應用諸如 GPS 定位、Wi-Fi 技術等基礎設施來實時採集到用戶動態的、不斷變化的線下行為，積累海量的 LBS 數據和 IP 數據，並應用大數據分析技術對數據加以挖掘、處理；又要具備位置定向（地理圍欄技術）、時間定向、興趣定向、行為定向等多維度精準的定向技術。唯有具備數據+技術雙重優勢的平臺，才能保證更精準、更高效的場景推薦策略的進行。
除了上文所提，還有許多其他的廣告推薦方式方法，這裡不一一列舉。而美數作為一家數字營銷技術服務提供商，為了幫助客戶提升品牌營銷的精準性、效果性，除了研發並升級了以上提到的幾種推薦技術外，更推出了全新的人工智能推薦服務——即應用美數AdNut 智能數據管理平臺歷史積累到的大量人群數據構建出靜態人群畫像（性別、年齡、興趣、品牌偏好等）之外，更通過收集短期人群數據（近期活躍應用、近期搜索行為等）、真實場景數據（當前線下位置、當前線上應用等）等，來完整記錄用戶線上線下、動態化的行為軌跡；然後結合美數獨家機器學習算法、大數據挖掘技術等，快速、全面、準確地洞察用戶瞬間或短期興趣，並更立體、精準地識別出不同需求用戶的當前的不同生命週期；而後，通過機器對人、媒體、廣告、環境等的識別學習，利用人工智能引擎推薦技術，實現了“在最合適的時間、最合適的場景下，為受眾個性化推薦最適合 TA 的廣告”，從而做到了消費者與品牌的高效連接，讓營銷者的每次廣告曝光都更具價值！
時下，用戶有著愈加碎片化的使用習慣，且個性化品牌體驗需求也越來越高。因此，品牌唯有用數據+技術全面深入的透視消費者、並向其個性化投遞廣告，才能更好的提升廣告的吸引力及用戶粘性，實現品牌價值最大化！
閱讀更多 美數科技 的文章
