当前课程知识点:大数据技术与应用 > 韩定一:在线营销中的竞价机制与数据价值 > 在线营销 > 在线营销
我这个议题呢
会介绍一下真正的在线营销当中
这个竞价是怎么竞价的
数据又是在这个中间
怎么发挥价值
我觉得我这个在线营销
其实讲的不太好
可能是用换成说
在线的数字营销会更合适一点
那但是其实
现在有一些线下的营销
也开始在尝试着
用一些数据的作用
所以真正的这个在线不在线
不太重要
而是数据在这个中间的作用
会更重要一些
那我的这个议题
大概就分三部分
上来我会先讲一下这个营销本身
会包括哪些东西
有一些什么样的指标
那大概是怎么赚
第二呢是说
这个竞价机制是怎么竞的
但实际的运作过程当中
这个竞价机制是怎么样的
有一些让人去竞价的时候
会有什么样的感受
第三呢是说
数据的价值
就是说在这个过程当中
我有什么样的数据
能够让它发挥作用
怎么发挥这个作用
先看一下这个在线营销
我这边有一些例子
都是从淘宝上截的图
那这个就是淘宝的首页
这个首页当中大家看到
就是中间有立白的一个图对不对
这个前几天刚上的一个新的功能
它会说这个某某亲
这个有一个什么
五折的一个活动
那这个图片背后
其实是通过一系列的商家
他在那里参与说
我要对我的哪一些客户
进行一个竞价拍卖
然后通过这样一个机制以后
做的一个决定说
就是这张图了
然后我们去访问这个网站的时候
就看到这个图
它这个图你点击以后
就会进那个活动页面
包括在搜索那边
就是如果你进行了一个搜索词
比如说搜了一个女装
左边这边是我们的搜索结果
但右边这一片
其实是一些
商家进行推广的地方
那这两个是其实我们现在
在线营销的主要的两种形式
一种叫展示
另外一种叫搜索
展示广告本身呢
展示的这个图片本身呢
它其实是猜测你
对什么东西感兴趣
因为消费者上来的时候
他并没有任何明确的意图在这边
但是搜索广告不太一样
搜索的这个营销它
主要是因为
用户已经搜了一个关健词了
用户已经有很明确的意向
他要去买什么东西
或者买哪一类的东西
已经告诉你了
在这个时候
再去进行推广的时候
你不能因为他搜了一个女装
然后你推一个汽车
但是用户在访问淘宝的时候
我可能因为你
会喜欢汽车
或者会喜欢女装
出相应的东西
而不是因为你要搜什么
所以这是两大类
这个两大类是主要的两种形式
所以在线营销它主要帮卖家
解决的问题就是
把他的品牌印象
客户关系的维护
以及它的成交转化
通过一种机制
达成他的目标
那么对买家来说呢
消费者可以不用自己
很烦琐的去几亿的商品当中去挑
他可以快速的触达他自己
想要购买的东西
去了解有什么新的商品上架了
去看看自己真的闲逛的时候
有一些什么样的东西可以看
那对媒体来说
也就是对比如说像淘宝网站
他们把自己的流量
有一些变现的机会
而对平台来说
其实我们做的最关键的事就是
把这个多方的利益给撮合了
把这个数据的价值给挖掘了
那么从营销的效果来说
其实是有非常多的指标的
这些指标会决定每个商家
他最后怎么看这个营销
有没有达到目的
也是刚才那个同学问过的一个
反馈过程当中
我们看什么东西
觉得它好了
看什么东西觉得它不好
它其实分好多类
从触达的角度来说
主要看它的PV的量
和UV的量
所谓PV是说
我展现了多少次页面
所谓UV是说
我触达了多少个人
那因为前面说到
有各种ID MAPPING的机制
所以我们可以很清楚的知道说
大概有多少个人
实际的看到
比如说一个商家
他投了三十万次的展现
那平均每个用户看到三次
其实他实际的触达是十次
十万个人对吧
但是不同的商家
对这个每个人触达多少次频率
他也有他自己的想法
有些品牌比较大的
他其实是希望用户有一个
长期的印象
所以他会在意一年当中
触达了多少次
但是他不会希望说
一个星期里边频率的那些广告
或者是那些图片
在你的印象里
第二类的指标呢
是说转化类的指标
那转化类的指标
通常对电商来说会看的特别重要
因为他们在互联网上做生意
他们做这个营销的投放
特别希望拿到实际的结果
这个结果对他们来说就是
到店的用户的量
或者是说商品的成交
所以这些转化类的指标
主要就是看CTR和CVR
那CTR就是点击率
我展现了一百次
有多少个用户点进来了
转换率是说
我点进来的用户中间
有多少最后达成实际的成交
这些指标就会决定
商家最后对这个营销的效果
是好还是不好
那么第三类呢是一些
金额类的指标
那这些金额类的指标
其实更加偏电商一点
它直接就看
我的交易额有多少
因为这个营销带来
或者说我投入了
比如说五千块钱的营销费用
那我能达成多少
一万块钱的成交
如果我是商家做成这样的营销
我借钱我也去做营销了
这个百分之一百的回报率
对不对
然后在这里面有一些其他的因素
也会影响营销的效果
一个是时间因素
那时间呢比较常见的现在
在营销系统里面用的多的
就是一天三天
或者一周两周一个月
类似这样的一些时间段
这个具体看哪个时间段
也会因为行业的不同而不同
一般来说比如说像女装这样的
它通常在七天或者十五天的时候
会比较有效
但是如果像汽车这样的
可能三十天都不够
然后最后一点呢是说
效果归因 它计算会有差异
什么意思
就是你看前面所有的这些指标
我做一个投放的时候就可以算
但是对一个用户来说
我其实有很多个渠道可以触达的
你的手机 你在看优酷的时候
可能会出现一些广告
这个或者是你上淘宝的时候
会出现一些图片 对吧
或者你在其他的时候
看到一些传单
这上面也印有一些这个
介绍性的文字
那这些其实综合起来
才会对你最后的那个购买行为
有一个影响
所以在这上面算
到底是哪一个营销活动
去影响你的这个最后购买的时候
有很多种算法
有些算法呢是按最后一次影响
去算的
也就是说假设你几个渠道都有
最后那个渠道它算成它的效果
也有一些呢
是会做一些归因的分析
哪个渠道有一些权重
也有一些呢就每个渠道都算
这个是不同的算法
这个基本上也是看
你打这个营销的整体的方案
是一个大的plan
还是一个小的就一个点的plan
那影响营销的关键因素
其实再强调一下那句话
那句话其实很多搞营销的人
都知道 好早
应该是一九五几年
还是六几年的时候
在美国那边有那种电视媒体
开始出来
大家就开始这种广告形式
开始接受的时候就说
我知道我的广告费浪费了一半
可是我不知道是哪一半
所以很关键的一件事就是
营销的效果你找没找对人去
对这个商品进行营销
你有没有在合适的时间营销
你有没有对它用合适的话
进行营销 进行沟通
所以这个在我们做
在线营销的时候
都会特别注意
那这是找对人 找对时间
说对话的主要是指
第一你选的人群是哪一些
你目标受众是谁
第二你的季节或者早中晚的时间
或者这个从购买商品的角度
是不是在用户购买之前
这些角度都是会影响你这个
营销的效果的
或者说对话这一块呢
就是你的创意
本身你有一张图
或者是你有一些
文字性的介绍等等这些
或者是甚至于一个视频
这个视频上面
给人传达的内容
是不是用户喜欢的
或者是用户接受的
或者是它的交互形式
或者是它本身
刚才我举的几个例子里面
哪一种是特别影响用户的
就是你的商品而言
或者是它出现的位置
它周围是不是让人是
愿意接受这样的一种形式的地方
都会影响到
我前面列举的那些指标
这张图就跟前面不太一样
这张图是一个大的架构图
这个架构图
主要讲的什么呢
在在线营销里面
其实它有很多种角色的
这个不同的角色
它起的作用也不一样
主要来看就有三种
第一个呢是叫DSP
它是一个需求方平台
所谓需求方平台是指
我有很多商家
他们有不同的营销需求
所以如果你服务好这些商家
你就是一个需求方平台
那SSP呢是说
供应方平台
这个通常是指
媒体有流量这一块的
比如说刚才说的
新浪淘宝等等等等
或者是一些流量联盟
那么第三个呢就是一个
AD Exchange
它在这个位置
它其实起的作用是一个流量交换
然后呢连接两边的需求
然后因为
为什么会有这样一些角色出现呢
因为其实现在整个社会
都是一个竞争的社会
所以你仔细去看说
谁都可以做DSP
谁也都可以做SSP
可是每个DSP自己做的时候
我继续讲服装和汽车的例子
如果你只有服装类的客户
你没有其他类别的客户
你就只能做一个服装类的DSP
对吧
但是你的流量端不受你的控制
人家喜欢什么
都是人家客户都已经固定在那里
那群人就是这个样子的
所以当你只有
服装类客户需求的时候
你没有办法靠着那个数据赚钱
因为其他人你只有两种选择
要不然还是给他出服装广告
那就回到原来的时代了
要不然你就不出
不出的时候
你能赚到的钱
所以这个时候就变成这个
桥梁连接作用就非常好
它能够把各个类别的
有客户资源的所有的需求
汇总在一起的时候
这个时候那个价值的增量
才会出来
每一个流量的价值
被最合适它的商家买去
出价最高
那整个大平台上的交易的
这个量就会非常大
那个加法是要通过这个
AD Exchange加出来的
如果没有它 加不出来
然后这个词实时RTB
前面我们视频里面出现过
为什么叫它实时竞价呢
是因为我刚才前面举的那个例子
淘宝网你今天上去的时候
那个图片几乎你不用等任何时间
它就已经出现了对吧
这是对技术上其实是个挑战
因为所有的这一切过程
就是50毫秒里面全部实现了
50毫秒是什么概念呢就是
就是你正常的网速
那点延时都要比这个长一些
在这个50毫秒里面发生什么呢
发生的是这个用户
从用户打开浏览器
输好网址 开始请求那个网站
那个网站就开始
对Exchange这边
发送一个请求说
有一个用户过来了
它是某某某
这个某某某是一个ID
不是具体的名字
但是它就是来标识这个人
然后呢他识别完这个用户
他就把这个用户的ID
发到各个DSP去
在它网络里面接了50家DSP
它就会这50家都知道
这个时候来了一个谁
然后各个DSP这边呢
它自己还有自己的数据
会去做各种各样的分析
去知道说这个人是喜欢服装的
那个人是喜欢汽车的
那么喜欢服装的人来了
有我的哪一些商家
愿意对他们出价
去匹配他的营销内容库
它还要做一个决策说
假设我有十个商家
愿意买这个用户
报价分别是这样的
这个决策会最后出哪一个商家
拿这个流量
决策完再回到那个Exchange
这个时候Exchange这边
收到十个DSP
或者五十个DSP各个报价
他再做一个决策说
这个位置最终给谁
结算价格是多少
然后再到展现
这是一切都在那个
50毫秒里面发生
那么结算的时候有不同的方式
最早的那个位置一天卖出去
卖给某一个人
那这个就是按照时间结算的
通常来说
它的这个商业的价值不会那么高
它的结算价也不会那么高
然后呢有一个进化就是
我可能按地域分
北上广这是一线城市
可能售价高一些
然后二线城市
有一个阶梯式的售价
但是它没有解的呢
是没有细化到
每一种不同的人
或者每一类不同偏好的人
单独的去售卖
但进入数据营销时代呢
就会出现下面这三种方式
第一种叫CPM
叫按千次展现的收费
第二种是CPC
就是每个点击收费一次
第三种是按销售
或者是按行为收费
也就是说当商家
做成一笔生意的时候
你给我百分之多少的钱
百分之二或者百分之五
那这三种收费方式
其实大家从上到下会发现
越是下面的收费方式
对商家越有利 对吧
因为最后我做成一笔生意
我达成一块钱的交易
我给你两分钱的话
基本上对商家是没有风险的
非常简单
那对上面那个
我要投一千次
我就要付你多少钱
我也不知道这个有多少效果
可是我钱已经付了
所以对上面来说呢
对商家就越没有利
但是反向的
越是上面的东西
对流量方也有利
我如果是新浪
我肯定愿意坐在那里
我也不管你效果
我就收那个钱就好了
所以你会发现
这三种结算方式的存在
有它不一样的优势和存在的原因
那一般来说呢
越是优质的流量
它越稀缺
所以它会倾向于按照CPM的结算
越是廉价的流量
低质的流量
比如说一些交换网络的
或者是一些论坛的
一些不太好的位置
比如说有些位置是
第一屏看到
可是有些位置是
翻好几屏才能看到的
那它就有可能按照
最下面的方式来进行结算
所以三种方式都存在
-完整讲座
--完整讲座
-李国杰:面向大数据的数据科学--课后习题
-数据思维方式的改变
-数据的假设与采集
--数据的假设与采集
-数据的准备
--数据的准备
-数据的分析
--数据的分析
-数据的解释与验证
--数据的解释与验证
-吴甘沙:大数据分析师的卓越之道——课后习题
-个人介绍
--个人介绍
-硅谷热门公司
--硅谷热门公司
-大数据简介
--大数据简介
-大数据平台系统
--大数据平台系统
-工业实践
--工业实践
-结尾
--结尾
-董飞:硅谷公司的大数据实战分析--课后习题
-数据系统架构历史
--数据系统架构历史
-从sql到nosql
-数据库系统实现变革
-负载融合
--负载融合
-数据系统架构成本
--数据系统架构成本
-杨光信:数据系统架构——课后习题
-什么是可视化
--什么是可视化
-网络可视化
--网络可视化
-大数据带来的新挑战
-大数据网络可视化的若干案例
-时磊:大数据网络可视化—— 课后习题
-网络安全概述
--网络安全概述
-大数据安全分析平台
-大数据安全应用
--大数据安全应用
-大数据平台安全
--大数据平台安全
-彭元:网络安全与大数据——课后习题
-人工智能系统的本质功能模型
-隐性智慧,显性智慧
-人工智能:能与不能
-人工智能的技术现状
-机制主义人工智能模型
-信息转换和智能创生定律
-人工智能与大数据
--人工智能与大数据
-钟义信:“人工智能与大数据”的创新研究——课后习题
-什么是机器智能
--什么是机器智能
-大数据的重要性及特点
-大数据中的因果关系与关键技术
-大数据与机器智能
--大数据与机器智能
-大数据思维
--大数据思维
-讲座问答环节
--讲座问答环节
-吴军:数据为王和机器智能的时代——课后习题
-大数据概述
--大数据概述
-大数据相关新趋势
--大数据相关新趋势
-大数据技术创新1
--大数据技术创新1
-大数据技术创新2
--大数据技术创新2
-大数据技术创新3
--大数据技术创新3
-大数据商业价值和前景
-大数据机遇和挑战
--大数据机遇和挑战
-苏中:从大数据到认知计算——课后习题
-金融大数据概述
--金融大数据概述
-用户个人信息分类
--用户个人信息分类
-金融大数据法律框架
-实际案例和业界实践
-核心风险点
--核心风险点
-王新锐:金融大数据的法律实践——课后习题
-互联网与商业化
--互联网与商业化
-大数据与计算广告
--大数据与计算广告
-计算广告介绍
--计算广告介绍
-数据交易
--数据交易
-刘鹏:互联网变现与计算广告——课后习题
-从记账技术到区块链
-区块链确保数据真实性
-区块链确保数据安全性
-区块链衡量数据价值
-区块链的应用和总结
-杨保华:区块链与数据科学——课后习题
-个性化推荐系统
--个性化推荐系统
-推荐系统的召回与排序
-智能制作之个性化海报
-线上推荐系统其它要素
-杨紫陌:个性化内容推荐——课后习题
-个人介绍及用户理解背景
-用户理解与用户画像
-案例1:用户属性识别
-案例2:自然人识别
-案例3:WOI与社交关系识别
-陆祁:用户行为大数据——课后习题
-内容智能生态——数据、算法、应用
-大数据在内容分析的应用
-IP价值评估系统
--IP价值评估系统
-爱奇艺的剧本评估
--爱奇艺的剧本评估
-爱奇艺的智能评分
--爱奇艺的智能评分
-阳任科:大数据与AI的内容分析——课后习题
-外卖行业及场景简介
-餐饮及外卖行业大数据应用框架
-案例分析:智能营销场景的用户画像
-案例分析:智能助手场景的菜品画像
-王栋:美团外卖的大数据应用——课后习题
-旅行业务的特点
--旅行业务的特点
-美团旅行业务的用户画像构建
-用户画像的应用案例
-住宿需求预测问题
--住宿需求预测问题
-营销补贴策略建模
--营销补贴策略建模
-赵楠:商业思维与大数据技术在美团旅行业务中的结合——课后习题
-互联网金融背景介绍
-互联网金融科技
--互联网金融科技
-数据智能的三个案例
-技术展望
--技术展望
-陈彧:美团点评金融服务的大数据与人工智能——课后习题
-数据的进化历程
--数据的进化历程
-阿里DMP平台介绍
-核心技术及案例
--核心技术及案例
-数据应用
--数据应用
-毛波:阿里全息大数据构建与应用——课后习题
-在线营销
--在线营销
-竞价机制
--竞价机制
-数据价值
--数据价值
-韩定一:在线营销中的竞价机制与数据价值——课后习题
-竞价排名搜索
--竞价排名搜索
-主要技术问题
--主要技术问题
-点击率预测概述
--点击率预测概述
-点击率预测实践
--点击率预测实践
-龚笔宏:大数据在工业界中的经典案例分享——课后习题
-即时配送业务的背景及挑战
-案例1:订单分配策略
-案例2:供需平衡策略
-未来展望
--未来展望
-郝井华:即时配送中的人工智能——课后习题
-什么是数据驱动营销
-LTV留存分析
--LTV留存分析
-RFM会员体系
--RFM会员体系
-消费者微群画像
--消费者微群画像
-渠道倾向性分析及行业竞争分析
-机器学习潜客挖掘模型
-- 机器学习潜客挖掘模型
-陈辉:数据驱动营销——课后习题
-金融大数据时代
--金融大数据时代
-大数据客观信用
--大数据客观信用
-我国的金融环境
--我国的金融环境
-客观信用的实践
--客观信用的实践
-应用案例与成果
--应用案例与成果
-艾小缤:大数据评价体系在金融、征信领域的创新——课后习题
-外部链接
--外部链接