lookalike 人群扩散算法


1.利用用户画像,给用户打标签,利用相同标签找到目标人群实例:美的豆浆机通过Youmi DSP进行了Look-alike人群扩展投放有米广告取得美的家电第一方消费者数据,涵盖浏览、购买行为等ID信息。通过导入Youmi DMP进行全库记录匹配,找到个体的在线历史大数据。经由人群分析模型,有米洞察到美的用户的个性倾向特征,通过标签算法挖掘,将数据库中拥有高相似画像的人群列为一类精准用户。根据标签模型,得出这些用户具有较多且重合的“健康”“时尚”“亲子”“女性”“中高收入”“一二线城市”等细分人群画像。
分析:利用用户画像给用户打上各类标签。根据种子人群分析大部分种子用户具有的标签特征 例如:家庭女性、30-40岁、已婚,未生小孩,健康。那么对于一个标签为:上班族,30-40岁、已婚,未生小孩,健康 女性就是其目标人群。
2.利用分类算法来实现的:种子人群为正样本,候选对象为负样本,训练分类模型,然后用模型对所有候选对象进行筛选。显然候选样本并发所有的样本都是负样本,所有这是一个典型的PU learning问题
这类问题的解法参见:http://blog.xiaoduotech.com/2015/09/20/%E5%9F%BA%E4%BA%8E-pu-learning-%E7%9A%84%E5%88%86%E7%B1%BB%E6%96%B9%E6%B3%95/
3.利用社交网络进行人群扩散:利用好友关系,将种子人群标签传给社区中的好友,从而实现人群扩散

智能推荐

注意!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系我们删除。



 
© 2014-2019 ITdaan.com 粤ICP备14056181号  

赞助商广告