大数据广告产品经理都在做什么?

大数据带来的信息风暴对我们的生活、工作和思维都造成了一定影响,你是否会好奇,大数据产品经理都在做些什么呢?

大数据是近些年来比较火的一个行业,很多人都认为大数据是一个讳莫如深的行业。
笔者在实习的时间里有幸接触到大数据广告营销,想要把自己在接触大数据的这段时间里所见所闻记录下来,不足之处,也希望大家能尽可能的给我提一些建议。

一、什么是大数据?

大数据 ,按照字面意思来解析即 大量数据的集合 。
产品经理在处理数据的时候,这个集合会包括用户的基本信息(即设备号,ip 地址,以及可能关联的微信 qq 等各种信息),使用路径(即时间,内容,连贯的用户操作行为等)。
依据这些信息,决定了大数据未来的发展状态。

二、大数据在广告营销中能做什么?

1. 大量的基础数据,能找出潜在的竞争对手,预估未来的市场量

最典型的大数据应用产品是百度指数,但是百度指数只是大数据的一个泛应用。
在大数据营销的过程中,广告主能依据潜在的客户特征,预估用户的下一步行为,从而判断整个市场的发展趋势和行业的整体走向。

百度指数

2. 大量的基础数据,可以给广告主提供精准投放广告的渠道

大家在日常生活中都会收到一些短信(可能是在信用卡,贷款等),营销电话(主要是房产,在线教育,车等),以及你可能在搜索引擎查询了机票,你再次点击进入一个 app,你会发现所有的广告都是和机票相关。
这些行为归根到底都是底层的数据起支撑的作用,也是大数据目前在广告营销的主要用途即为广告主提供精准投放广告的渠道。

三、大数据公司主要做什么?

1. 目前市面上的大数据公司会有大量的数据积累,数据变现只是他们盈利的一种方式。

广告按投放渠道分为两种,即线上广告和线下广告。
在投放的过程中, 大数据公司就像是底层数据和可视化信息的桥梁 。
他们会通过多种渠道以及多线程的业务线,将用户数据匹配成可视化的信息(比如我们后台读取到的只是设备号或更抽象化的信息,大数据公司能通过一些渠道匹配出加密的手机号);
反之,也能通过手机号匹配出一些数据信息(即通过手机号,能匹配出用户浏览过的 url,时间,内容等)。

2. 为一些中小型公司提供服务,这些服务主要是技术层面。

包括后台监控系统,或是后台处理系统,甚至包括一些数据埋点的服务。
因为他们的业务线庞大且有数据变现的实例,能精准的给一些公司提供有建设性的意见,更好的利用已有的数据。

某 B 端系统页面

四、大数据广告营销的途径有哪些?

1. DMP 平台 - 个性化定制广告

常规的广告是所有的页面都是同一个广告展示给不同的用户。也有一些 SEO(搜索引擎优化)依据关键词去圈定目标群体。
而广告主在使用 DMP 平台的时候,是主动的去挖掘用户,针对不同的用户定制化显示不同的广告,从而精准投放广告,提高转化率,以整容广告为例,具体的流程如下图:

假设我是一个整容医院的广告主,我进入 DMP 平台,我选去选择美容 - 医美(有些的颗粒度会更细,划分为三级标签,比如教育 - 在线教育 - 初中),性别女,年龄段 20-50,收入范围 5000 以上,兴趣美妆,美容瘦身,旅游,母婴。
用户的 cpc(按点击量收费)单价定为 30 元,平台会评估价格,落地页的 SDK 转换效果,以及广告相关度等指标,最终反馈意见给广告主,广告主再次调整价格和页面,在首页的广告即落定。
在整个投放的过程中,我们会发现用户的行为积攒下的数据将会被赋予一个具体的角色。

大数据的魅力在于,即使用户不主动填写个人相关信息(年龄,收入,性别,地域等),大数据能依据大量数据特征给每个独立的用户赋予一个完整的形象,从而推算出你可能感兴趣的行业。
当应用在广告营销的过程中,我么可以把它看做是一个主动挖掘的过程,不再是简单按照关键词去圈定目标人群,而是依据人的特征,兴趣去把潜在用户挖掘出来,针对不同目标用户主动营销的过程。

2. 电呼平台 - 线下广告营销

电呼平台是指通过给用户打电话,发短信的方式进行营销。
设备号通过大数据公司转化之后是一串加密的铭文(即中间的 4-6 位电话号码不可见),通过一些接口能实现自动拨号(无法获得完整手机号),需要客服引导从而获得完整的用户信息。
以线上教育为例,具体的流程如下图:

假设我是一个线上教育的广告主,进入电呼平台,选择教育 - 线上教育 - 初高中,需要电话号 1000 个。用户的 CPA 单价为 30 元,平台会反馈给用户两个角色的账号(客服和管理员),客服通过平台可以拨号记录营销情况,管理员通过平台可以查看客服拨打电话数量,营销情况,收听电话录音,最终完成广告的投放。
在整个投放的过程中,平台可以挖掘出有意愿的目标用户,在大量数据的基础上通过算法和模型的迭代,提高广告投放的准确率,从而提高整体广告的转化率。

五、大数据产品经理要做什么?

在广告营销的过程中,产品经理主要负责两件事, 第一准确找到广告主映射的目标用户,第二是提高广告的转化率。
为了达到这两个目标,产品经理需要做的事情分为平台层面和数据层面两部分。
在平台层面,产品经理要设计 B 端产品界面,不断的完善和迭代产品功能,积极的和广告主沟通交流发现平台的不足,并解决问题,使得产品的商业价值最大化。
在数据层面,产品经理要不断的优化模型和策略,因为用户的行为是动态的,所以用户的标签也是动态的,如何在有效的周期之内准确判断用户下一步的行为,需要不断的优化算法,同时不断的完善自身的标签体系。
以电呼平台为例,产品经理需要做的事情分为以下几个步骤:
1. 收集客户需求,撰写 PRD 文档,梳理流程图;
在电呼平台,我们的客户需要两个角色,即管理员和客服。
管理员的功能为,领取任务,管理客服,查看呼叫记录。
客服的功能为,呼叫,查看呼叫记录。

思维导图如下图:

主要功能流程图如下:

2. 与 RD,ui 交流沟通,产出 v1.0 版本,撰写平台使用指导书;
平台使用指导书:主要是给广告主使用,介绍平台的功能以及使用流程,便于客服人员初次登陆时使用。
3. 小范围让客户使用平台,并再次收集用户需求,并完善功能,再次梳理流程图;
在小范围试错之后,广告主提出来一些需求,如:显示成功申请数量。
比如,我是一个整容医院广告主,我希望有 1w 个手机号,那么平台能不能提供 1w 个手机号,存在一个溢出问题。
这时,就需要再次写 PRD 文档,需求评审,再次和开发沟通,产出 v2.0 甚至 v3.0 版本。
下图是改进过的思维导图:

4. 关键词包的制作及优化。
关键词是筛选用户的关键,贯穿整个数据清洗和数据下发的全过程。

拓展词包的流程如下图:

在具体的操作过程中,遇到的情况会更复杂,用户的兴趣且分为长期兴趣和短期兴趣两种,能否在有效的时间内精准圈定目标客户,是一个不断探索和试错的过程。
5. 策略的调整和模型的优化;
策略和模型是数据型产品经理提及较多的两个概念。
简单来说,模型是机器深度学习之后总结出来的特征的集合。
比如,机器在大量数据中,总结出满足 {收入:5k-3w;体重 45kg-55kg;爱好:美妆瘦身;} 特征的用户更有可能是整容医院的目标客户。
那么每一个用户,都会被模型拟定一个模型分,即按照你的收入,身高,爱好,判断你是目标用户的概率;
简单来说,策略是一些条件项的并集,是判断模型的标准。
比如,你拟定一条策略 {收入 >1w}U{体重 >50kg}U{爱好 = 美妆瘦身},这样即一条简单的策略。你可以从数据捞出符合该策略的用户,这个过程称之为召回。这条策略召回的数据,占整个用户数量比例称之为召回率。其中目标用户的数量,占召回数量的比例,称之为准确率。
召回率和准确率是判断模型和策略的两个重要指标。
在广告营销中,策略的配置如下:
黑词:即 query 中包含该词为非目标用户;
精准匹配词:即 query 中包含该词为目标用户;
准确词:多为名词,匹配出任意一条辅助词即为目标用户;
辅助词:多为动词,匹配出任意一条准确词即为目标用户;

策略的调整需要大量的标注 query 语句,不断的总结黑词和精准匹配词数量,一般要求准确率在 90% 及以上,不同的行业对精准度有不同的需求。
模型的优化,多是关于算法的优化,产品的同学需要对模型的特征进行评估和优化,以及对模型分阈值的卡定,在实际的情况中多是模型和策略结合起来判断一条 query 是否为目标用户。
6. 持续观察 CTR 以及维护平台的稳定性。
因为大数据广告营销的最终目的是给广告主带来收益,所以 CTR(转化率)是评估一款产品的重要指标。
时间,天气,甚至是一些地理灾害,都可能对产品的转化率造成一定的影响。
当转化率的浮动较大时,产品需要从数据源 - 策略模型 - 接口稳定性 - 客服态度,等多个维度去分析。
其中最关键的环节是关键词的圈定,如何在有效的时间内圈定目标用户,并进一步预估出用户的下一个行为,大数据产品经理任重而道远。
 
作者 @lee