
互联网大数据掀起广告业变革
《广告狂人》写尽了广告行业一个时代的辉煌与转变。如今,最终季已经落幕,而广告行业正越来越被数据和科技所驱动。
大数据与生俱来的变革力正在极大地改变社会结构、商业模式和人们的生活方式,对于广告行业也是如此。
腾讯集团法务部总经理江波在2016腾讯大数据合作与合规峰会上称:“如何能够合规、有效、安全地使用数据,需要寻找大数据的风险边界,在用户的隐私、数据安全和大数据产业发展之间寻找一种动态的平衡。”
广告的半壁江山来自互联网
在2015年,广告业已有了将近6000亿的规模,其中约48%的份额由互联网广告贡献。
互联网广告之所以有如此的发展态势,中国广告协会副秘书长周玉梅在出席上述峰会时表示,根本原因在于在数据跟踪基础之上的广告精准投放,对广告业的影响巨大。数据和精准投放是广告行业的一场变革,特别是关于大数据的采集、分析和应用,这是决定整个广告业下一步发展变化命运的大事。
目前,《消费者权益保护法》、《广告法》等法律均对如何进行数据的采集和应用、个人信息保护做了规制。
比如,《消费者权益保护法》第29条就对“经营者要采集什么数据,准备做什么用途,消费者是否同意”这些核心问题作出了明确规定:经营者收集、使用消费者个人信息,应当明示收集、使用信息的目的、方式和范围,并经消费者同意。经营者收集、使用消费者个人信息,应当公开其收集、使用规则,不得违反法律、法规的规定和双方的约定收集、使用信息,经营者未经消费者同意或者请求,或者消费者明确表示拒绝的,不得向其发送商业性信息。
那么,在法律规范的范畴内,行业协会如何推动数据合法采集,应用得当?周玉梅介绍,通过制定广告业的标准将是解决这一问题的途径之一。
目前,中广协已经初步与国家工商总局、国家标准委就广告行业的标准,拟定出关于广告行业标准的指导性意见。
“在这一意见里面有一些基本的标准方面的框架安排,比如提出来要建立广告业的基础标准、技术标准、服务标准、投放标准、播放标准、效果评价标准,还有广告业经营主体的信用标准。在大数据这块,特别是涉及到用户信息采集方面,目前也要着手合规方面的标准制定。”周玉梅说。
数据如水,留不如流
腾讯网络媒体事业部广告平台总监陈戈认为,广告行业的变化和变革很多时候本质上来自于消费者和广告主的变化。
比如消费者互联网行为的一大特点是碎片化,包括了上网时间的碎片化、所消耗的互联网内容碎片化等。
“这一特点使得消费者的消费决策行为变得更加快捷和自由,其消费链条可能分散在互联网的各个场景当中。但这也意味着,在今日,广告主要想完整覆盖一个消费者的消费链条变得更加困难,跨媒体投放成为广告主的必选项。”陈戈介绍。
广告主的行为变化也在悄然改变,如从购买媒体转变为购买受众。
“广告主思考的是,应该购买什么样的受众去投放广告,其次在哪里可以找到这样的受众,如何进行购买,”陈戈说,其中有两个关键点,第一是消费者在不同的媒体出现时,广告主需要识别出来;第二广告主希望更多地介入整个广告投放的控制,比如在不同的媒体进行联合频次控制。
基于此,腾讯的品牌广告平台也做出了新的布局,关键在于以大数据为核心,实现广告程序化。
加和科技创始人尹子杰同样认为,程序化的广告为大数据的使用提供了基础条件。当只有广告是可以被挑选的,一切的数据才有价值和意义。
“程序化广告投放重要的一点是,能够让不同的媒体都能够识别同一个对象。对于一个用户一切的标签和观察都必须要在同一ID范畴下。如果一个公司、两个名字,那么组合的成本会很高,”尹子杰说道,“今日要做一切的数据研究,重要的一点在于数据聚合。如果不能聚合,其研究价值可能就会变得很小。”
尹子杰谈到,数据资产成为了品牌广告主的关注点。但是,数据质量的标准化认定、数据安全的保障,多方标准化协同作业等内容尚需要市场进一步的推动。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09