推給我的廣告都跟我最近看的內容有關係，怎麼做到的？

• 2019 年 12 月 10 日
• 筆記

作者：吳俊

來源：大數據DT（ID：bigdatadt）

01 我看到的廣告都跟我最近看的內容有關係，這是怎麼做到的呢？

有同學曾經給我說過這麼個故事：她曾在某社交APP，討論組中，圍觀寶媽們，有關「嬰兒護理」的討論，其中一位寶媽，發帖詢問什麼紙尿布好？當她打開某購物APP時，赫然發現，嬰兒紙尿布的廣告，就出現在了，首頁推薦上。「才幾秒鐘時間，我只是看了別人的帖子，就被精準推送，太可怕了。」她說。

這是怎麼實現的呢？用戶的個人隱私數據有被泄漏嗎？

這也是作為普通用戶最好奇的精準廣告，是如何獲取我的數據，並追著我投放廣告的問題？

首先是，運用大數據技術，對用戶行為、喜好、及興趣，包括瀏覽的內容，進行學習分析，打上不同的標籤。

然後，廣告主投放廣告時，會選取不同的標籤，進行定向投放，並分析不同標籤的廣告效果差異分析，並調整不同的人群標籤進行定向投放。

上面到的這個故事的技術處理的過程，就是這位女士先被打上了「母嬰/紙尿布」的標籤。這樣自然就被投放「紙尿布」的廣告了。

當然從技術細節上，標籤都是被打在設備ID上的，這些設備ID，是可被用戶重置，防止繼續追蹤的（在文末推薦的《大數據程式化廣告實踐》這套音頻課程中我會詳細介紹如何重置的方法）。這個過程並不知道具體用戶在現實世界中的資訊。

而且，用戶行為記錄的原始數據是不可被保存的，僅僅是抽象後的標籤數據。

這也是我們常說的，保護用戶隱私數據，原始數據不可被使用，且需匿名化處理。

02 標籤是怎麼打出來的？

有很多同學，行業外的新聞記者以及對互聯網十分感興趣的同學，甚至還有很多互聯網從業者，媒體方負責商業化變現的同學，經常來問我標籤是怎麼打出來的。下面我們就快速介紹一下：

人群特性標籤，即對目標受眾的特性刻畫，一般會從基礎的人口屬性、興趣愛好、消費傾向等等，標籤維度來描繪：

• 人口屬性：基本的人口屬性如：性別、年齡、區域、學歷職業、收入水平、家庭資產狀況（車、房）、人生階段等等。這些很多是結合互聯網行為大數據，並基於一定真實樣本數據基礎上，依據行為相似度匹配而得出的（對行為相似度，舉個例子：通過樣本發現男性關注跑車資訊的行為特點較為突出，就會將關注跑車資訊類行為的用戶都打上男性的標籤。）。相對而言真實樣本數據的規模，對數據的有效性影響較大。
• 興趣愛好：數碼、戶外、美食、美容、收藏、家居裝修等等。這些更多的是依據用戶的互聯網瀏覽行為的大數據而得出的。
• 消費傾向：房產、汽車、金融、家電、個人護理等等。這些更多來源的是用戶的線上電商及線下店的瀏覽、加購物車及消費行為的大數據。

這些標籤也是我們經常說的人群標籤。從保護用戶隱私的角度來看，一般在使用用戶行為數據時，盡量避免使用原始數據及個體的數據。

一般都是會對於用戶行為數據進行分析後打上標籤。這樣對用戶打標籤的方式也是為了盡量保護用戶隱私，在程式化廣告領域是較為常見的一種做法。

例如：頭條、騰訊廣點通等，廣告投放系統，都會提供很多人群標籤，供廣告主選取，投放進行篩選人群，定向投放。基本這些標籤體系都會有三到四級，標籤總數會有上千種之多。尤其那些偏商品品類的標籤最多。

數據已經是新時代不可缺少的燃料，未來商業競爭，最重視對數據的積累的爭奪。然而隨著各種數據安全的事件頻出，大家也都越來越重視數據安全和數據合規的問題，我們來看看到底什麼是數據的合規使用？

03 大數據時代基礎：人/物的唯一標識

在介紹數據合規使用問題之前，先讓我們對需要使用的重要對象「數據」有個較為清晰的認識。

首先一切數據化，連接/追蹤的基礎是：識別唯一的「人」或「物」。

標識人及物的方式越來越豐富多樣，線下場景中：影像識別 id、聲紋識別 id、face id、RFID、NFC、二維碼、條形碼等等。

數據按權屬，分為第一方、第二方、第三方數據：

• 第一方數據：數據的擁有方是廣告主，簡稱廣告主第一方數據。典型的如廣告主內部數據（CRM）及廣告主官網布碼、線下店面安裝設備收集到的數據等，在CRM系統中會有用戶的註冊會員的時間、會員等級、消費記錄、售後記錄等等。 通過這些數據都可以有效的分析不同用戶對不用產品及服務的青睞度、尤其對於發現新的個體銷售機會以及新的市場需求都是十分有價值的。 在廣告主官網及線下店面收集到的數據會有用戶的第一次到訪的時間，在某些內容及產品站台前停留的時長，用戶的對產品及內容的瀏覽軌跡，用戶對某些內容及產品的關注度，以及用戶的回頭率等等，對這些數據進行分析，都能十分有效地發現商機及潛在購買意願的用戶。以及對於發掘對於不同人群，產品及內容展示的缺陷及優勢都有重大的指導意義。
• 第二方數據：是廣告投放方（媒體方、DSP方等）通過廣告投放獲取到用戶對於該廣告在媒體上的互動的數據。所以數據是廣告投放方及廣告主共同擁有，對廣告主而言是第二方數據。 這一類數據主要是廣告對用戶曝光及用戶點擊的數據。通過廣告對用戶的曝光次數數據，我們可以分析廣告推廣的力度夠不夠，通過點擊數據我們可以分析廣告的內容對用戶的吸引度夠不夠。如果再能結合上述的第一方的用戶到店及廣告後續的數據可以分析廣告的效果如何，進而可以分析不同渠道的對產品的推廣效用如何等等。 這些都是我們在營銷活動中要花好每一分錢，對每一分錢的投入產出評估的十分重要的依據。
• 第三方數據：同廣告主無任何關係，第三方數據供應商提供的數據，對廣告主而言是第三方數據。

04 什麼是數據合規？

個人識別資訊（Personally Identifiable Information (PII)）是唯一識別消費者的數據。PII是確定性的（能確定它是代表一個特定的人），而不是基於概率論推斷的（它很可能是那個人）。例如，數據可包括全名、郵寄地址、電子郵件地址、手機號和出生日期等。

當消費者註冊享受服務並事先許可同意共享個人資料詳細資訊時，個人識別資訊通常會被收集。在獲取、存儲和使用PII進行營銷和廣告方面有十分嚴格的用戶隱私保護法規，必須遵守這些法規的前提下使用數據，也稱為數據合規。

隨著各國各地區陸續頒布的系列個人數據保護相關法規，如歐盟的《通用數據保護條例》（General Data Protection Regulation，簡稱GDPR），以及中國近年來的《網路安全法》《資訊安全技術 個人資訊安全規範》《網路安全等級保護基本要求》《互聯網個人資訊安全保護指南》等系列法規，已在對用戶個人資訊安全保護做出了十分嚴格的限制。

這意味著品牌需要與其供應商和內部IT部門一起制定嚴格的合規要求。只有使用正確的合作夥伴來確保合規性，才可以繼續規劃和開展智慧的、相關聯的、數據驅動的智慧營銷活動。引用《互聯網個人資訊安全保護指南》的一小段作為參考：

完全依靠自動化處理的用戶畫像技術應用於精準營銷、搜索結果排序、個性化推送新聞、定向投放廣告等增值應用，可事先不經用戶明確授權，但應確保用戶有反對或者拒絕的權利；如應用於徵信服務、行政司法決策等可能對用戶帶來法律後果的增值應用，或跨網路運營者使用，應經用戶明確授權方可使用其數據。

對這段文字的簡要解讀是：用戶對個人數據被採集、被存儲或被用於其他第三方服務使用，首先要有在顯著之處被告知的知情權，同時用戶有對數據被存儲及其他第三方服務使用的選擇、重置和拒絕的權利，以及對不慎的誤操作有及時採取緊急措施，清除數據的權利。

在做用戶畫像時應嚴格遵守相關法律法規和行業規範，守好數據獲取「最少必要原則」的底線，同時應以更顯著直接的方式向用戶開放拒絕「被標籤」和個性化廣告推送的操作入口，讓用戶享有選擇權。

在具體日常具體實操作業中，更多對用戶的隱私保護聲明協議、及合作夥伴的用戶數據保護協議等涉及法規類的文件，還需更多藉助企業法律部門的幫助和指導建議。所以相關法規及合規性的研究和專業能力，將從常被大家忽視的盲區，越來越成為企業數字化轉型和大數據能力建設及人力儲備中必不可少的部分和投入要點。

關於作者：吳俊，《程式化廣告實戰》作者，中國廣告PDB（廣告私有化程式購買）第一人，20多年IT/互聯網行業從業經驗，超過6年的大數據營銷工作經驗。江蘇科技大學學士，美國項目管理PMP認證。

轉載請聯繫微信：DoctorData

推薦語：這套音頻課程針對為什麼我們需要了解大數據程式化廣告相關知識，大數據精準廣告主要是為了解決什麼問題、對我們的重要性，大廠們的示範，數據合規使用等等一一系列的內容進行介紹。這些內容也是對《程式化廣告實戰》一書精華的提取，以及與時俱進的升級，歡迎大家收聽。