Lookalike技术通过大数据分析和机器学习，从种子用户中拓展相似人群，解决广告主在寻找高潜客户时的难题。各大公司如Google、Facebook和腾讯等都在其广告平台中应用此技术，提升广告效果。未来，Lookalike可能结合物品特征，改进扩展节奏和人群解释性，以及降低种子用户敏感性，持续优化数字化营销价值。
相似人群拓展(Lookalike)技术作为2018腾讯广告算法大赛赛题，考察选手的算法能否在大量备选人群中准确标定与种子人群包特征相符的人群。本次大赛联动腾讯各方资源，携手知名学术专家为行业带来一场广告算法竞技盛宴，助力营销。
“Lookalike”简单理解是一个人或事物和另外的人或事物非常相似。在互联网商业应用中，许多广告主在“搜寻潜客”时，都会遇到如难以识别高潜人群、难于平衡成本与规模等问题。该技术可以利用广告主第一方数据，基于少量的种子用户，通过大数据分析和机器学习拓展出和种子相似的用户人群。而这些拓展出的相似人群同时也有很大可能成为客户的目标人群（比如，APP的下载激活、商品的收藏购买，目标粉丝的扩展等等）。
Lookalike技术如何赋能商业？
近几年来，各大互联网公司纷纷推出Lookalike相关的产品和技术，应用其商业项目。如Google推出的“Similar Audiences”根据用户近期的浏览和下载APP行为，为广告主推荐扩展人群。Facebook推出Lookalike Audiences，可以根据Custom Audiences所筛选出的用户名单为参考，再筛选出与其相似的受众，让广告主可以将广告投递给此名单内的用户。阿里推出达摩盘（DMP）Lookalike 模型根据对店铺或品牌最忠实的那批用户（种子用户），并通过Lookalike 模型找到与这些种子用户相似的人来增加店铺的有效浏览和转化。
腾讯社交广告团队最早在 2013 年开始调研探索 Lookalike 定向技术，基于种子用户画像和关系链寻找相似用户，即根据种子人群的共有属性进行自动化扩展，以扩大受众覆盖面，提升广告效果。例如，家庭、社会身份、地位、相关群体等社会因素，文化、次文化等文化因素，以及行为、动机、兴趣等心理因素等都能形成相似人群拓展Lookalike的筛选标准。以社交关系链为基础，腾讯社交广告可以助力广告主寻
最低0.47元/天 解锁文章
扫一扫
429
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
