
从计算广告看大数据和人工智能的关系
一、计算广告是大数据问题中的一支;二、大数据技术在计算广告中的应用:受众定向的冷启动和数据驱动的投放决策;三、从计算广告到理解“人工智能”。
本文系亿欧智库原创,以下基于笔者从书籍《计算广告》及相关市场信息研究得出,错误和偏颇之处在所难免。请大家多多指正批评。
不了解计算广告,就不可能深入地了解互联网,因为广告为全世界互联网行业贡献了大部分收入;其次,不了解计算广告,也不太容易真正理解大数据,因为计算广告是大数据最早落地的应用,也是到目前为止唯一获得规模化营收的应用。
一、计算广告,大数据问题中的一支;
如上图所示,C类曲线只需通过少量采样就能达到问题的目标函数,此为传统数据处理问题,一般统计报表、报告归属此类;A类曲线代表的数据问题不同于C类的少量采样就能达到全量数据的效果,解决问题的收益与数据采样率的高低呈强正相关关系,A类曲线绘制的便是大数据问题;B类处于A类和C类中间,少量采样有明显的收益效果,一旦超过一定范围则收益效果不那么明显。
由此可以总结出,如果有的数据处理问题无法通过数据采样的方法来降低处理的复杂程度,就必须利用一些专门为海量数据处理而设计的计算架构和存储技术来实现,此类数据处理问题称之为大数据问题。
计算广告需要用到每一个人的行为进行定制化推送,而无法单靠对小部分个体的采样来完成,因此归类为大数据问题。计算广告是大数据问题中的一支。
二、大数据技术在计算广告中的应用;
计算广告的核心问题,是为一系列用户与环境的组合找到最合适的广告投放策略以优化整体广告活动的利润。在线广告区别于传统线下广告的最大特点体现在计算优化和可衡量的效果。大数据技术在计算广告中的应用主要体现在计算优化上,具体为受众定向的冷启动、以及数据驱动的投放决策。
受众定向的冷启动;
广告最初的定向标签往往都设置在较粗的粒度上,最典型的是一些人口属性标签。按照广告本身就是一项服务业的本质来看,受众定向显然更符合需求方的口味和利益,也是受众定性推动着市场向着精细化运作的方向快速发展。
如上所示为计算广告受众定向的几种方法,其中人口属性这些定向的数据除非有特别的来源,如实名制SNS的注册信息或在线购物的消费记录等,一般情况下要进行准确的定向并不容易,所以利用好已知人口属性的用户作训练集,构造分类器对人口属性进行自动标注。
数据驱动的投放决策;
与工业革命时期机器化的根本驱动力——电力相类比,互联网化的根本驱动力可以认为是数据的深入加工和利用。在线广告的计算技术在很大程度上也要依赖于对于数据的大规模利用。广泛收集用户的行为数据和广告反馈数据,利用云计算的基础设施对用户打上合适的标签,同样根据数据在多个广告竞争同一次展示时做出决策,再将投放的结果统计数据反馈给广告操作人员以调整投放策略,此为计算广告的基本投放逻辑,可以认为,在线广告系统就是一个大数据处理平台,对数据处理的规模和响应速度的要求都相当高。
三、从计算广告到理解“人工智能”;
就目前情况来看,深度学习技术在计算广告上取得的提高,没有语音图像这些领域那样显著。这里面规律性的解释是,语音图像识别是对自然现象的数据收集和处理,我们完全可以通过主动的语料收集,让各色传感器都做到充分的覆盖,这是一个基本确定、变化不快的数据空间;而计算广告面对的社会现象数据是一个由千万网民反馈、快速变化的数据空间,即使对同一个人、同一则广告、同一个广告位,点击与否是一个很不确定的时间,而这样的不确定性即使引入再多的上下文信息也无法消除。
从狭义层面来理解人工智能便是“大数据+自动化”的产物,“自动化”依赖从标注数据中寻得y=f的规律模型来完成下一个的识别,狭义人工智能是建立在海量的数据基础之上的,也就是现下火热的深度学习和大数据有着非常紧密的联系。
而普罗大众所期待的广义人工智能,是要做到像人类一样面对任何不确定环境都能凭借种类各异的思考方式来试图给出解决方案。
松鼠没有像人类一样拥有种类各异的思考方式,但即使在几年之后,它依然可以精确记住几千个橡子所在的具体位置,这种技能就能甩人类好几条街了。人工智能也很类似,我们完全可以把计算器当成算数天才,计算广告利用狭义人工智能的存储力和计算力,在对人类各色标签记忆的完整度也已经超过了人类,在竞价环节的实时数据反馈也交上了令人满意的答卷,但面对不确定环境的决策能力,其实人类也没有教给它,所以广义的人工智能即通用人工智能,机器远不及人类。
也许换个层面来理解智能,这不是一个单一维度的概念,有的智能或许非常复杂,包含许多象征各种思维模式的子节点,还有的或许较为简单,但却发挥到了极端,处在可能性空间的角落位置。我们可以将智能视作一套生态系统,不同思维模式的节点相互依赖、共创共生。
人工智能在中国已经掀起了新一轮技术创新的浪潮,我们如何去感受人工智能的风向标?技术、创新、应用如何突破?未来人工智能这片蓝海怎么去航行?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28