受众画像数据只是看看？——基于朴素贝叶斯的用户数据挖掘

受众画像数据只是看看？——基于朴素贝叶斯的用户数据挖掘

做广告优化这么久了，也看过不少广告后台的受众画像，总体来说，对广告数据分析和效果优化的参考价值有限，不过聊胜于无。
究其原因，在于很多广告后台的受众画像数据，只告诉了我们看了广告的这部分人群是什么样的，而缺失了发生转化的这部分用户的画像数据。原因主要有两点：
一是在大部分广告投放过程中，前后端数据是割裂的，换句话说，媒体能知道你花钱买的广告给了谁看，但一般不知道哪些人发生了转化；而甲方通过自己的监测，可以知道转化的用户是哪一部分，如果监测做得够好，也能知道这部分的人群画像，但人群画像的判定标准与媒体方可能存在差异，统计口径不一致，数据无法人工打通。
二是媒体不愿意公开这么多的数据，甚至受众画像本身都有一定的问题。如今信息流优化已经成为业内交流的热点，优化创意、定向等已是老生常谈，唯独受众画像的数据分析少有人提及，尚有可挖的地方。今天借此机会，和大家分享一种受众数据分析的思路。
需要强调的是，接下来的广告数据分析有一个最基本的前提：假设媒体提供的数据和甲方监测的数据都是真实准确的。下面我会以一个真实的案例和数据（今日头条，家装类）向大家介绍，如何用朴素贝叶斯的算法，对今日头条的受众画像进行数据挖掘和分析，从而实现精准定向下的转化率预测。
1.朴素贝叶斯的原理
每次提到贝叶斯定理，我心中的崇敬之情都油然而生，倒不是因为这个定理多高深，而是因为它特别有用。这个定理解决了现实生活里经常遇到的问题：已知某条件概率，如何得到两个事件交换后的概率，也就是在已知P(A|B)的情况下如何求得P(B|A)。比如，我知道发生转化的用户中，女性的比例是36%，那么当一个女性用户看到我的广告时，她有多大的可能性发生转化。
这里先解释什么是条件概率：P(A|B)表示事件B已经发生的前提下，事件A发生的概率，叫做事件B发生下事件A的条件概率。其基本求解公式为：

2.朴素贝叶斯的数据挖掘原理
下面以一个简单的例子，介绍朴素贝叶斯的数据挖掘原理。虽然样本量不多，但足以说明原理和思路。
这里是一份受众画像数据，总共20笔数据，即代表20个UV。填写表单这一字段值为1的合计9笔，即发生转化的用户数为9。

表1
然后，我们把除了 ID（只是编号，对于挖掘没有价值）、省级地域（因为都是广东，对于挖掘没有价值）外的其他字段，做一个占比分布，如图所示：

表2
假设，我想知道定向 X=（地级市=”佛山”，性别=”男”，年龄=”18-23岁”，兴趣分类=”房产”）的转化率，即我想求：P（填写表单=”1″ | X)。
直接是计算不出来的，回到上文提到的朴素贝叶斯，专门解决的就是这种问题，我只需知道P（X | 填写表单=”1″)，就可以通过公式得到P（填写表单=”1″ | X)。
具体的直接套公式得：P（填写表单=”1″ | X) = P（X | 填写表单=”1″) * P（填写表单=”1″) / P（X）同理可得，P（填写表单=”0″ | X) = P（X | 填写表单=”0″) * P（填写表单=”0″) / P（X）
这里需要引出另外一个重要的公式，P(A,B)代表事件A与B同时发生的概率。当事件A与B的发生是各自独立时，P(A,B) = P(A|B) * P(B) =P(A)P(B)。
因为，地级市、性别、年龄等这些字段（或定向）的发生可以理解为是各自独立的，所以P（X | 填写表单=”1″) = P（X ） * P（填写表单=”1″) ，又P（X | 填写表单=”1″）= P（地级市=”佛山”，性别=”男”，年龄=”18-23岁”，兴趣分类=”房产” | 填写表单=”1″）=P（地级市=”佛山” | 填写表单=”1″） * P（性别=”男” | 填写表单=”1″） * P（年龄=”18-23岁” | 填写表单=”1″） * P（兴趣分类=”房产” | 填写表单=”1″），此时，看起来同样无法直接得到的P（X | 填写表单=”1″)，被拆分为看起来更简单的5个事件的概率的乘积。
带入具体值，计算得：P（填写表单=”1″ | X) = P（X | 填写表单=”1″) * P（填写表单=”1″) / P（X）= （3/9 * 6/9 * 2/9 * 1/9）*0.45 / P（X） = 0.002469 / P（X）……………………………………………①
P（填写表单=”0″ | X) = P（X | 填写表单=”0″) * P（填写表单=”0″) / P（X）= （2/11 * 5/11 * 2/11 * 2/11）*0.55 / P（X） = 0.0015026 / P（X）……………………………………………②
接下来，遇到一个问题，P（X）是多少，不知道！不过不要紧，当定向 X的用户进来时，ta要么转化，要么不转化，所以P（填写表单=”1″ | X) + P（填写表单=”0″ | X) =1……………………………………………③
联立①②③，最终求出：P（填写表单=”1″ | X) = 62.2%P（填写表单=”0″ | X) = 37.8%所以，当定向为X时，朴素贝叶斯数据挖掘模型认为，该类用户的转化率在62.2%。
3.朴素贝叶斯的数据挖掘的优势
主流的数据挖掘算法，如神经网络、决策树等。多半依赖如表1所示的数据，每一个字段代表用户的不同维度，每一行代表一个独立用户的数据。但实际优化过程中，媒体方不可能提供如此详尽的受众画像数据，但朴素贝叶斯不一样，对原始数据的要求略低，只需提供不同维度组合下的比例，而不必细化到每一个用户的情况。
4.朴素贝叶斯的数据挖掘案例解读
4.1 原生数据及预处理我们从今日头条广告后台拿到的数据经过简单处理后，是下面这样的：合计13339点击，转化量为37。

表3
4.2 计算字段重要性，确定输入字段因为所有字段都是类别型字段（区别于数值型字段），这里介绍一个比较通用的算法，用于评估所有可能的输入字段对输出字段的重要性。

公式解读如下：

注：ABS函数，用于求绝对值。
所有可能的输入字段对输出字段的重要性计算结果如下：

一般经验来说，字段重要性小于0.1的字段可以不予纳入数据挖掘模型中。
所以，目前根据有限的数据，”性别“这一字段，对于判断用户是否转化的帮助不大，故在接下来的数据挖掘模型中，输入字段包括：地级市、年龄、兴趣分类。
开始做数据挖掘，具体原理这里不再赘述，直接给出结果。

。。。（中间太长，省略了）

我们看到，数据挖掘显示，转化为1的最大概率是1.51%，此时的定向条件是”广州&(50岁以上)-母婴儿童“。而样本数据的整体转化率是37/13339 = 0.28%。下图是转化为1的概率分布，可以看到大于0.28%的数据约有25%，换句话说，基于朴素贝叶斯的用户数据挖掘，在324种定向组合中，找到了约四分之一的组合，可以使预估的转化率高于平均水平0.28%。随着数据量的增加，模型也会不断改进，对精准定向组合的转化率预测效能也会越来越好，将有限的广告费花在最有可能转化的用户上。

下面考虑怎么将这一洞察，应用于广告投放，创造更高的ROI。比如制作针对性的创意、提高出价等等，这个方面各位都是老手了，我就不多说了。
最后强调一句，受众画像的数据挖掘需要满足一定的条件，即要能区分转化和未转化的用户。
以上，即是基于朴素贝叶斯的用户数据挖掘，给大家参考。
作者简介齐云涧，曾任百度核心代理商致维科技营销分析师、知名Fintech公司量化派运营推广经理。目前正撰写《广告数据定量分析》一书，预计年底出版，欢迎关注和交流。
作者：齐云涧来源：互联网数据官（ID：intercdo）本文为作者授权软科小院发布，转载请联系作者并注明出处。

转载请注明：电商实战教程 » 受众画像数据只是看看？——基于朴素贝叶斯的用户数据挖掘