计算广告学 课件 第二章 计算广告与数据革命

数据革命计算广告与DataRevolution第二章目录时代性特征CHARACTERISTICSOFTHETIMES颠覆性变革DISRUPTIVECHANGE社会性困境SOCIALDILEMMA01时代特征大数据相关技术概念得到一定程度的传播，但没有得到实质性发展萌芽期大数据是指人类通过数据挖掘工具而获取的完整的、动态的、实时的数据流，具有大容量、多种类、高速处理、结构复杂等特点伴随着互联网数据爆发式增长，大数据市场迅速成长，大数据技术逐渐被大众熟悉和使用成长期大数据迎来了发展的高潮，包括我国在内的世界各个国家纷纷布局大数据战略爆发期大数据应用渗透到各行各业，价值不断凸显，数据驱动决策水平和社会智能化程度大幅提高，大数据产业迎来快速发展和大规模应用实施大规模应用期大数据大数据数据库与数据仓库数据库是一个有组织的数据集合，用于存储和管理相关数据。数据仓库是一个用于集成、存储和分析各种来源的数据的大型数据存储系统，提供跨库一致的、易于访问的数据视图。数据平台数据采集和收集、数据存储和管理、数据清洗和预处理、数据分析和挖掘、数据查询和检索、数据可视化和报告、数据安全和权限管理。数据湖与湖仓一体数据湖可以把非结构化和结构化数据共同存储并进行处理，湖仓一体是一种新型开放式架构，可以将数据湖和数据仓库的优势充分结合。底层架构商业化数据收集和分析能力、目标受众定位的精确性、实时竞价和个性化广告投放、数据驱动的优化和迭代自动化计算广告从用户行为数据收集，到受众定向，再到线上根据用户标签自动决策，整个过程都是自动进行的。系统化系统化的数据整合和分析提供了深入了解用户行为和偏好的洞察力，用以制定广告创意和定向策略；系统化的效果追踪和数据反馈能够实时监测广告指标，并进行优化和调整。计算广告02颠覆变革全样思维侧重数据收集的整体性，追求全体数据而不是随机的抽样的数据，进而实现对事物的全面、动态、及时的数据呈现。全样思维大数据时代具有“秒级响应”的特征，在大数据应用场景当中，效率是重点，分析结果的精确度只要达到一定程度即可，不必一味苛求更高的准确率。效率思维在大数据时代，数据中包含的信息可以帮助消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，帮助人们得到想要知道的答案。相关思维广告思维更新大数据时代，通过数据的追踪定位与分析、筛选等手段，广告主可以最大程度地了解受众的需求与动机，对受众推送的信息及商品在很大程度上能满足受众需求。最大化的受众价值大数据环境下的市场信息追踪的正是针对消费者的可变性和动态性调整和更换推送信息，从而实现千人千面的个性化精准传播。个性化的精准传播大数据实时监测提升了广告预测与评估的速度、效度与精度，可针对不同消费者的不同需求或者同一消费者在不同时空场景下的不同需求展示最合适的广告信息。实时化的效果反馈广告价值重构数据BP运营机制数据BP机制在组织形式上属于可以统一管理调配的集中式，执行上分布到各个业务解决问题。这种组织方式既能够向上支撑不同类型的业务线，还能向下兼容数据平台底层的各项能力。个性化推荐与内容生产激励通过分析用户的兴趣和行为数据，字节跳动能够精准地为用户推荐符合其兴趣的内容和产品，提高用户粘性和使用体验。用户基础和数据资源字节跳动能够实时收集和分析用户在平台上的行为数据，从而了解用户兴趣、喜好和需求；还通过智能算法，对这些数据进行深入分析和挖掘，发现用户潜在的消费意愿和市场需求，为商业创新提供有力的支撑。广告投放与商业变现通过对用户的行为和兴趣数据进行分析，字节跳动建立起精准的用户画像和个性化推荐系统，成功地将广告投放与用户需求、用户体验紧密结合，实现了商业的可持续增长，为广告主和平台用户带来了双赢。商业奇迹开发利基市场推动个性化营销实现长尾效应大数据正在将大规模市场转换成无数的利基市场，利基广告通过与消费者进行一对一的沟通，个性定制并打造理想的顾客关系。数据革命使得企业能够收集和整合来自多个渠道和来源的大量数据企业也更重视对数据的深度挖掘和分析，发现隐藏在数据背后的模式、趋势和关联关系。通过大规模收集和分析用户行为、偏好和购买数据，企业可以获得大量细分市场的信息，揭示出长尾市场的潜在需求。营销法则优化03社会困境头部平台互联网头部平台掌握了接触、使用和授权他人使用用户数据的权力，占据了数据产业链的顶端位置，因此能获取最大部分的数据收益。三大运营商三大运营商掌握了大量底层真实数据，但它们在通信行业具有垄断地位，自身优势明显，在消费者方面存在保密协议，在管理方面也受到国家政策的严格限定，合作难度大。中小型数据主体相比头部互联网公司数据管理平台的数据资产，小公司的数据量小而垂直。这些数据虽有价值，但是小公司的数据呈碎片化分布，总量巨大却难以整合，导致中小型数据主体数据断层。HSDKTUOPMN数据交易市场的零和游戏导致了数据割据现象的产生，学界和业界将其产生的问题形象地命名为“数据孤岛”。数据孤岛形成的主要原因是：互联网头部平台依靠数据围墙获取垄断收益、三大运营商构筑数据流通的天然壕沟、中小型数据主体数据断层。构成“孤岛”的数据围墙全景监狱数据库的技术权力统治模式消解了私人空间与公共空间的界限，实现了对人全面的无时无刻的监视和规训。过度推测通过数据挖掘技术，人们可以从消费者数据中发现更多的隐含价值信息，同时可以消解个体对个人信息数据的控制能力，通过数据预测技术来窥探个体的“未来的隐私”。黑色交易由于数据所有权人同大数据占有者的分离，个人数据的删除权、存储权、使用权、知情权等本属于个人可以自主的权利，如今在很多情况下却难以保障。数据所有权人不但不占有数据，甚至接触、支配自己的数据财产也非常困难。HSDKTUOPMN大数据时代，数据作为人的第二“肉身”，时刻暴露在监视之下。无论是电子踪迹数据、物联网数据，还是以定位信息和通话记录为核心内容的移动通信数据，都包含大量个体消费者的信息。“透明世界”的数据伦理问题主要体现在大数据时代的全景监狱、过度推测和黑色交易等三个方面。“透明世界”的数据伦理自然缺陷LabeledFacesintheworld大多数是男性和白人；亚马逊招聘系统存在性别歧视；APP忽略老人反馈。算法偏见黑箱效应是对于特定的设备而言的，公众可以观察到信息的输入和输出，却无法观察到设备内部对于信息的处理过程。大数据算法的社会本质是一种权力，隐含着十分微妙且隐秘的社会偏见。人性隐喻数据收集和处理过程是无法窥探内部结构的黑箱，甚至许多算法研究者都无从对数据处理的方法进行全面的评估，也无从通过经验证据和理论框架对其中一些复杂的相互关系进行解释，于是大数据及算法的偏见往往是隐匿而不可知的。HSDKTUOPMN数据集本身往往更趋于展现主流群体，或数据易获取的群体，这就会导致数据集与客观现实具有偏差，从而引发偏见。隐含偏见的“数据黑箱”主要体现在数据本身的自然缺陷、数据分析的算法偏见和数据逻辑的人性隐喻等三个方面。隐含偏见的“数据黑箱”信息的个人日报化用户只关注自己选择的内容，置身于自己感到安慰和愉悦的传播世界，如同置身于蚕茧般作茧自缚。排异的算法推荐大数据时代的“信息茧房”，其本质就是基于大数据技术的算法推送最大限度地做到信息内容分发与用户自身固有偏好和需求相匹配，以最大限度地使用户屏蔽“异己信息”的干扰。社会黏性下降在由个性化推荐形成的一个个群体中，高度同质化的共性认同会削弱个体活跃的独立思考能力，从而减小个体与个体之间的差异性。而不同群体间感知方式、认知水平与群体价值观念的差异，则会使得群体之间的分歧日益严重