京公网安备 11010802034615号
经营许可证编号:京B2-20210330
计算广告:大数据变现的成功实践
近两年,大数据技术在越来越多的行业发挥了作用,计算广告是其中最成熟、市场规模最大的行业之一。将用户行为数据转化为可衡量的商业价值,在线广告创造了互联网行业大部分的营收。如何利用手中的大数据获取更大的利益也广告主和广告商所共同关心的问题。
9月19日,“计算力量改变世界”沙龙在北京科技寺举行。资深广告技术专家刘鹏、汽车之家广告算法经理王超、广告家Pro.cn产品经理李雪莱对这一问题进行了解答,就广告行业发展、广告技术和场景化营销进行了分享,并与数十位广告从业者就程序化购买的挑战和机遇进行了探讨。
网络广告高速发展 程序化购买潜力巨大
互联网广告兼具品牌和效果量方面的功能,更是具备传统广告所缺乏的大量投送和效果优化能力。最近几年的数据显示,网络广告的市场规模正在以惊人的速度发展。
2007年-2013年中美网络/电视广告市场规模折线图 (单位:亿美元)
数据来源:《计算广告》刘鹏 王超著
随着需求优化效果效果的进一步加强,普通的竞价广告模式已经不了市场需求的发展,以实时竞价为核心的程序化交易广告应运而生。资深广告技术专家刘鹏在“计算力量改变世界”沙龙上表示,面对千万网民反馈形成的快速变化的数据空间,程序化购买应用了大量信息检索、机器学习等计算分析技术,通过这些计算分析技术组成的计算平台,能实现实时判断消费者当下场景的潜在需求,然后推送基于该需要的广告内容。
基于大数据技术的程序化购买,做到深入挖掘用户需求和痛点,不仅实现千人千面的广告投放,更促使消费者主动选择广告主的解决方案。而这也吸引越来越多的媒体、网络入口也开始不断的将资源与程序化购买平台进行深度结合,以实现效率和效益的最大化。据艾瑞咨询发布的《中国程序化购买行业报告》显示,2015年中国的程序化购买市场规模有望达到100亿元。而从零起步到达到这一规模,仅仅使用了3年的时间。
刘鹏认为,计算分析技术已经开始改变甚至颠覆传统的广告营销方式,但是当前依然只是程序化购买的初期,各种计算技术、分析,还存在着巨大的提升价值,这让程序化购买在未来具有不可估量价值的同时,也对提供程序化购买服务的企业带来了不小的技术实力挑战。
DSP的未来在场景化营销 数据和技术是重要驱动
通过实时竞价的方式,按照定制化的人群标签购买广告,这样的产品即为需求方平台(Demand Slide Platform,DSP)。刘鹏认为目前各家DSP的差异并不明显,未来越深耕的平台机会越大。
对此,广告家Pro.cn产品经理李雪莱很是认同,他说,庞大而实时的大数据信息,结合先进科学的计算分析技术是决定程序化购买能否不断创造价值的关键。
李雪莱进一步表示,拥有数十万WAP、网吧、网站、App、软件以及机场、校园、咖啡厅、酒吧、酒店、餐饮等场景网络的广告家Pro.cn,独有场景媒体和场景化数据,通过不断完善机器学习、多维度信息检索等计算分析技术,能够良好分析出目标用户营销价值,再根据人群、场景、时间段进行多维度匹配,由此为广大企业和品牌广告主提供快速、高效的场景营销,实现将广告与目标受众精确匹配。
据了解,广告家Pron.cn通过AdPro场景营销自助平台(DSP)、DataPro场景数据服务平台(DMP)的完整场景营销服务生态,目前可触达独立用户高达1.5亿,日流量PV更是超过5.5亿。而广告家Pro.cn最新的DSP 3.0也将于10月推出,新产品特有场景轨迹技术,让广告主可以自由选择覆盖场景范围。
程序化购买有两大最为核心的指标,一是庞大而实时的数据库作为支撑,二是先进科学的计算分析技术。随着市场的趋向成熟,计算技术的竞争比重会越来越大。除了基本的机器学习,包括近来兴起的深度学习,信息检索、博弈论,以及强化学习的等诸多计算技术和理论,都会成为提升程序化购买应用范围和竞争力的组成部分。
届时,程序化购买也将开始新的一轮优胜劣汰,并推动市场整体实现从数据到计算技术竞争,再到数据竞争的螺旋式增长。“广告发展驱动力就是数据利用的广度和深度,当数据利用无法满足广告时,就会推动技术和计算的提升。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19