广告用户识别探究

什么是用户识别

广告投放的根本是定向,没有定向的广告投放就是在街上撒钱。
在广告投放的流程中,当系统知道这次需要投给哪个流量的时候,那么就可以按照投放规则把符合这个用户标签的广告投放给他,因为标签的存在,用户在被广告触达之后,产生广告转化的可能性就更高,这是广告定向的基本逻辑。
而用户识别就是要知道这个流量是谁。
每个人都有一个画像,互联网时代,这个画像被粉碎,每个流量平台都握有其中一部分,有的大,有的小;
平台给用户打标签这件事,就是在试图找到还没有补全的画像碎片;

用户识别的方式

如果广告系统在不依赖第三方平台的情况下来做用户识别,有注册登录机制的情况下,可以依赖用户ID来识别用户;没有用户注册机制的请求下,就需要利用web请求中的点击数据来做文章。
如果想提高精度,或者需要多平台数据打通,则需要借助第三方数据平台来做。而地方平台也会借助算法和用户web请求数据来尽可能的提供识别的准确度。

用户ID识别

在系统提供的注册登录机制下,用户ID基本都是唯一的,用来识别用户是最准确,最有效的方式,但在跨平台的请求下也是最困难的方式,这里的困难来源于每个平台之间的数据孤岛。
在一般的APP中,都会有一个登录的操作,需要用户输入手机号、邮箱身份信息等,登录之后用户就在这个平台下拥有了一个唯一的用户id,这样APP就可以将用户在APP内的所有操作打上对应的标签。
这里还有一种情况,每个有注册登录机制的平台,基本都提供游客登录的选项给用户。用户可以在未登录的情况下使用部分系统功能,例如电商平台会允许游客浏览商品,加购等,等到用户需要结算下单时候菜提醒用户登录。在这种场景下会有用户ID合并的操作,会将游客用户ID后登录后的用户ID关联起来,这样也就可以关联上游客态用户的行为了。

设备ID

在PC时代,每台PC都需要一个网卡来访问网络,这个网卡都有一个全球唯一的地址,也就是MAC地址;到了互联网时代,每个移动设备,也都有一个唯一的设备ID,例如手机的IMEI编码。
应用可以在用户的web请求中附带上设备的ID来标识这台设备,通过识别请求中的设备ID,是没有注册登录机制下系统识别用户比较准确的一种方式。
但是这也有局限性,例如在多屏的情况下,用户在设备A上触达了广告,并记住了广告内容,在设备B上产生了转化,这样的情况下通过识别设备ID我们可以知道这是两个用户,也就不能帮助我们实际关联到一个用户上,这是广告归因的场景问题。

Cookie机制

获取设备ID是有法律风险的,而且很容易被用户禁止,而使用Cookie则要容易的多。
跟设备ID类似,可以在用户首次进入的时候,生成一个唯一的用户标识,保存到客户端cookie中,在后续的web请求中都携带上用户标识,来识别用户。
这种方式有一些显而易见的问题:首先设备ID的多屏问题一样存在;除此之外没有办法区分同一个设备上的多个用户,虽然移动端这种请求会比较少;更重要的一点是,cookie会被用户清除,清楚之后就只能重新生成一个用户标识了。
当然也有优点:很方便,完全系统可以静默的识别出来用户,无需设备ID的授权和用户登录行为。
一般这种方式会和其他方式配合使用,互补的来完成用户识别。

IP+Agent方式

访问互联网都会有IP,那个可以用这个IP来标识用户,当然这是很不准确的:首先很容易通过动态代理,IP伪装,局域网共用公网IP等场景干扰;其次中国每个网民平均不到一个IP,这注定每个IP不可能只对应一个用户。
一般IP会和Agent来配合使用,Agent是浏览器的机制之一,每一个HTTP请求中,浏览器都会附带上浏览器的标识,通过这个标识Agent+IP会提高用户识别的准确率,同时通过Agent还可以帮助系统来反作弊。

第三方平台的用户识别方式

有很多做用户数据和广告归因的平台,例如秒针、同盾等,国外的有ADMaster、DoubleClick等;
这些平台会接入多方的数据,提供用户数据服务和数据监测服务给广告公司,同时借助这些数据来完善平台全网的用户画像;在多屏或者跨平台的场景下对系统的意义比较重要。他们的系统很复杂,针对不同的场景有不同的算法模型来帮助完善用户画像,不是三言两语可以讲清楚的,这里简单说一下基本思想:采用精确识别用户作为种子用户,然后根据种子用户的特征生成算法模型,了解各个用户特征的识别性权重,然后就可以对全网用户根据算法模型来做用户识别了。
为了提高识别准确性,针对不同的业务场景来生成不同的算法模型是有必要的,例如在微信的环境下,用户qq号和微信号之类的特征肯定是识别权重很重的特征,但是在电商场景下,例如淘宝的场景下,qq号这些特征就没那么重要了,相反用户的常用收货人,收货地址之类的特征才更能识别用户。

结语

所有的用户识别方式,都有固有的优势和缺陷,在不同的业务场景下配合使用效果会更好;其次有场景才有解决方案,根据业务场景来做用户识别会更有针对性,在一些不那么在意准确性的场景下,Cookie的方案或许就是性价比最高的方式。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,547评论 6 477
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,399评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,428评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,599评论 1 274
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,612评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,577评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,941评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,603评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,852评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,605评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,693评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,375评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,955评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,936评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,172评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 43,970评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,414评论 2 342

推荐阅读更多精彩内容