
放心吧,朋友圈广告推送没用大数据
今天,在网上看到了一篇文章—《被玩儿坏的概念:微信朋友圈广告真的用上了大数据?》,在文章中,通过结合大数据做的几个模型分析得出结论,这次推送并不是严格意义上的大数据行为。而后又讲述了如果真的属于大数据行为会怎么操作。文章最后得出结论:在这次广告推送中,表现出来的大数据应用并不到位,实在可惜。
其实,就我个人的研究和推测来看,微信朋友圈的广告推送,并没有借助大数据进行定向推送,而是随机生成用户收到的哪一条广告,仅此而已。
关于没用采用大数据,与微信有没有这个能力或者说大数据的推荐系统算法是否完善,没用任何的关系,有更深远的考虑。
要说微信没大数据运营的能力,那是基本不可能的,要知道在目前的微信版本中,就曾采用过大数据,而且非常成功。那就是获得聊天关键词后,屏幕中掉落设定好的动画。从最初的输入“生日快乐”掉落蛋糕,到后来的更加智能的输入“啤酒炸鸡”,掉落雪花,其实,这都是微信进行大数据分析和处理的案例。
之所以微信没采用大数据的最关键的因素是在于:由于微信定位于基于熟人之间的社交,朋友圈具有高度的个人隐私性,一旦采用大数据,结合用户朋友圈发的内容进行分析推送,无疑是在挑战用户的个人隐私,这对于一款具有高度私人话的即时通讯工具来讲,是致命伤。
在微信还没诞生的2010年,奇虎360与腾讯之间,曾经爆发被业内称为“3Q大战”,尽管最终腾讯赢得了最终的胜利,但在当时,凭借奇虎360公布的,“某款软件”在未经用户许可的情况下偷窥用户个人隐私文件和数据,引起了网民对于QQ客户端的担忧和恐慌。在腾讯宣布作出一个艰难的决定后,QQ在线用户的下降和MSN的用户量上升,可以看出,相较于其他领域,在社交领域,用户更在意的是个人隐私。因此,尽管腾讯最终赢得了官司,但却在关乎个人隐私方面,却吃到了苦头,或许这也是让腾讯选择在移动端开发一款新的即时通讯工具—微信—的初衷之一。
除了腾讯自己吃的苦头外,新浪微博大数据分析推送信息流广告的失败,也是前车之鉴。在阿里巴巴入股新浪微博后,在新浪微博中添加了信息流广告和网页浮动广告,内容便是根据用户在淘宝、天猫等电商平台输入的搜索关键词进行类似推送。想想一个场景,晚上,你女友或者老婆用你的电脑在电商平台上,打算购买内衣,结果第二天,当你在公司打开微博时,恰巧你同事路过看你电脑,发现广告都是关于内衣的,那场面,想想也醉了。
因此,基于自己的教训和微博的前车案例,微信在朋友圈的推送上,自然不敢盲目使用经过大数据分析后的广告推送。尽管目前来看,微信的活跃用户和用户粘性在社交软件中属于一家独大的,但后有追兵紧追不舍,一旦微信在用户隐私上犯错误,那连留给微信弥补的时间和机会可能都没有。
目前,之所以微信朋友圈的广告会如此的火,更多的是现象级的事情,但还在微信在选择广告时,(暂时)并没有选择某款产品的广告,而是更多的是宣传产品理念和公司文化,对于用户来讲,要比直接推送产品,要柔和一些,加之,这次出现的广告,不管是内容还是质量上,都比较高,加之算是微信第一次的信息流广告推送,因此,得到了较多的关注和热议。
正如我在曾经发表过的一篇文章《微信选对了方向,但选错了方式》中提到的,朋友圈的私有化程度太高,微信朋友圈商业化道路,本身已经选择了一条比较危险的路,一旦走错,触及了用户的个人隐私,那对微信来讲,是致命的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17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