【数据应用案例】人群优选算法模型，挖掘品牌潜客

案例来源：@阿里巴巴机器智能

案例地址：https://mp.weixin.qq.com/s/OF51cPHD7C3rfw-WW5NA3Q

 

导读：

为A电商做年货节品牌营销，目标是识别目标受众，广告投放后由“机会人群”转向“兴趣人群”的比例更高。

解决方案是：

第一步：多方向人群扩散。通过兴趣偏好、品类偏好、竞品受众、搜索人群、流失人群、lookalike人群 六个方向获得潜客名单，去重后得到候选用户集

第二步：人群优选算法。以已购过A品牌的用户为正样本，购买过其它品牌的用户未负样本，训练分类器。

第三步：年货人群模型。专门为年货场景训练的分类模型。

第四步：模型融合与预测。

效果是“机会人群”到“兴趣人群”的转化率提高了47%。

 

0. 背景：

    1）广告分成品牌广告与效果广告，效果广告关心效果，即当期的转化率；品牌广告关心曝光与影响力，即提高未来的转化率。传统品牌广告的弊端在于难以量化效果，阿里巴巴由于能监控到广告投放与用户行为的链路，因此能够对品牌广告的营销效果进行量化

    2）阿里巴巴将用户对品牌的感知区分为Opportunity（机会）、Awareness（认知）、Interest（兴趣）、Purchase（购买）、Loyalty（忠诚），“O→I”的转化衡量品牌广告的效果，即机会人群转化为兴趣人群的比例

    3）以A品牌年货节品牌推广活动为案例，利用本文算法挖掘目标潜客，相对于传统根据业务规则圈定的目标潜客，“O→I”转化率提升了47%

 

1. 目标：找到A品牌目标潜客，提高品牌广告投放的“O→I”转化率，从而提升A品牌的消费者资产

 

2. 传统业界方法

&