做廣告優化這么久了，也看過不少廣告后臺的受眾畫像，總體來說，對廣告數據分析和效果優化的參考價值有限，不過聊勝于無。

究其原因，在于很多廣告后臺的受眾畫像數據，只告訴了我們看了廣告的這部分人群是什么樣的，而缺失了發生轉化的這部分用戶的畫像數據。原因主要有兩點：

一是在大部分廣告投放過程中，前后端數據是割裂的，換句話說，媒體能知道你花錢買的廣告給了誰看，但一般不知道哪些人發生了轉化;而甲方通過自己的監測，可以知道轉化的用戶是哪一部分，如果監測做得夠好，也能知道這部分的人群畫像，但人群畫像的判定標準與媒體方可能存在差異，統計口徑不一致，數據無法人工打通。

二是媒體不愿意公開這么多的數據，甚至受眾畫像本身都有一定的問題。

如今信息流優化已經成為業內交流的熱點，優化創意、定向等已是老生常談，唯獨受眾畫像的數據分析少有人提及，尚有可挖的地方。今天借此機會，和大家分享一種受眾數據分析的思路。

需要強調的是，接下來的廣告數據分析有一個最基本的前提：假設媒體提供的數據和甲方監測的數據都是真實準確的。下面我會以一個真實的案例和數據(今日頭條，家裝類)向大家介紹，如何用樸素貝葉斯的算法，對今日頭條的受眾畫像進行數據挖掘和分析，從而實現精準定向下的轉化率預測。

[[208916]]

1.樸素貝葉斯的原理

每次提到貝葉斯定理，我心中的崇敬之情都油然而生，倒不是因為這個定理多高深，而是因為它特別有用。這個定理解決了現實生活里經常遇到的問題：已知某條件概率，如何得到兩個事件交換后的概率，也就是在已知P(A|B)的情況下如何求得P(B|A)。比如，我知道發生轉化的用戶中，女性的比例是36%，那么當一個女性用戶看到我的廣告時，她有多大的可能性發生轉化。

這里先解釋什么是條件概率：

P(A|B)表示事件B已經發生的前提下，事件A發生的概率，叫做事件B發生下事件A的條件概率。其基本求解公式為：

貝葉斯定理之所以有用，是因為我們在生活中往往遇到這種問題：可以不費力氣地直接得出P(A|B)，P(B|A)則很難直接得出，但其實我們更關心P(B|A)，這時候，貝葉斯定理就為我們提供了從P(A|B)獲得P(B|A)的道路。

下面省略證明過程，直接給出貝葉斯定理，相信對高中數學還有印象的朋友對這個公式應該不陌生：

2.樸素貝葉斯的數據挖掘原理

下面以一個簡單的例子，介紹樸素貝葉斯的數據挖掘原理。雖然樣本量不多，但足以說明原理和思路。

這里是一份受眾畫像數據，總共20筆數據，即代表20個UV。填寫表單這一字段值為1的合計9筆，即發生轉化的用戶數為9。

表1

然后，我們把除了 ID(只是編號，對于挖掘沒有價值)、省級地域(因為都是廣東，對于挖掘沒有價值)外的其他字段，做一個占比分布，如圖所示：

表2

假設，我想知道 定向 X=(地級市=”佛山”，性別=”男”，年齡=”18-23歲”，興趣分類=”房產”)的轉化率，即我想求：P(填寫表單=”1″ | X)。

直接是計算不出來的，回到上文提到的樸素貝葉斯，專門解決的就是這種問題，我只需知道P(X | 填寫表單=”1″)，就可以通過公式得到P(填寫表單=”1″ | X)。

具體的直接套公式得：

P(填寫表單=”1″ | X) = P(X | 填寫表單=”1″) * P(填寫表單=”1″) / P(X)

同理可得，

P(填寫表單=”0″ | X) = P(X | 填寫表單=”0″) * P(填寫表單=”0″) / P(X)

這里需要引出另外一個重要的公式，P(A,B)代表事件A與B同時發生的概率。

當事件A與B的發生是各自獨立時，P(A,B) = P(A|B) * P(B) =P(A)P(B)。

因為，地級市、性別、年齡等這些字段(或定向)的發生可以理解為是各自獨立的，所以P(X | 填寫表單=”1″) = P(X ) * P(填寫表單=”1″) ，又P(X | 填寫表單=”1″)= P(地級市=”佛山”，性別=”男”，年齡=”18-23歲”，興趣分類=”房產” | 填寫表單=”1″)=P(地級市=”佛山” | 填寫表單=”1″) * P(性別=”男” | 填寫表單=”1″) * P(年齡=”18-23歲” | 填寫表單=”1″) * P(興趣分類=”房產” | 填寫表單=”1″)，此時，看起來同樣無法直接得到的P(X | 填寫表單=”1″)，被拆分為看起來更簡單的5個事件的概率的乘積。

帶入具體值，計算得：

• P(填寫表單=”1″ | X) = P(X | 填寫表單=”1″) * P(填寫表單=”1″) / P(X)= (3/9 * 6/9 * 2/9 * 1/9)*0.45 / P(X) = 0.002469 / P(X)……………………………………………①
• P(填寫表單=”0″ | X) = P(X | 填寫表單=”0″) * P(填寫表單=”0″) / P(X)= (2/11 * 5/11 * 2/11 * 2/11)*0.55 / P(X) = 0.0015026 / P(X)……………………………………………②
• 接下來，遇到一個問題，P(X)是多少，不知道!不過不要緊，當定向 X的用戶進來時，ta要么轉化，要么不轉化，所以
• P(填寫表單=”1″ | X) + P(填寫表單=”0″ | X) =1……………………………………………③

聯立①②③，最終求出：

• P(填寫表單=”1″ | X) = 62.2%
• P(填寫表單=”0″ | X) = 37.8%

所以，當定向為X時，樸素貝葉斯數據挖掘模型認為，該類用戶的轉化率在62.2%。

3.樸素貝葉斯的數據挖掘的優勢

主流的數據挖掘算法，如神經網絡、決策樹等。多半依賴如表1所示的數據，每一個字段代表用戶的不同維度，每一行代表一個獨立用戶的數據。但實際優化過程中，媒體方不可能提供如此詳盡的受眾畫像數據， 但樸素貝葉斯不一樣，對原始數據的要求略低，只需提供不同維度組合下的比例，而不必細化到每一個用戶的情況。

4.樸素貝葉斯的數據挖掘案例解讀

4.1 原生數據及預處理

我們從今日頭條廣告后臺拿到的數據經過簡單處理后，是下面這樣的：

合計13339點擊，轉化量為37。

表3

4.2 計算字段重要性，確定輸入字段

因為所有字段都是類別型字段(區別于數值型字段)，這里介紹一個比較通用的算法，用于評估所有可能的輸入字段對輸出字段的重要性。

公式解讀如下：

注：ABS函數，用于求絕對值。

所有可能的輸入字段對輸出字段的重要性計算結果如下：

一般經驗來說，字段重要性小于0.1的字段可以不予納入數據挖掘模型中。

所以，目前根據有限的數據，”性別“這一字段，對于判斷用戶是否轉化的幫助不大，故在接下來的數據挖掘模型中，輸入字段包括：地級市、年齡、興趣分類。

開始做數據挖掘，具體原理這里不再贅述，直接給出結果。

。。。(中間太長，省略了)

我們看到，數據挖掘顯示，轉化為1的最大概率是1.51%，此時的定向條件是”廣州&(50歲以上)-母嬰兒童“。而樣本數據的整體轉化率是37/13339 = 0.28%。

下圖是轉化為1的概率分布，可以看到大于0.28%的數據約有25%，換句話說，基于樸素貝葉斯的用戶數據挖掘，在324種定向組合中，找到了約四分之一的組合，可以使預估的轉化率高于平均水平0.28%。隨著數據量的增加，模型也會不斷改進，對精準定向組合的轉化率預測效能也會越來越好，將有限的廣告費花在最有可能轉化的用戶上。

下面考慮怎么將這一洞察，應用于廣告投放，創造更高的ROI。比如制作針對性的創意、提高出價等等，這個方面各位都是老手了，我就不多說了。

最后強調一句，受眾畫像的數據挖掘需要滿足一定的條件，即要能區分轉化和未轉化的用戶。

以上，即是基于樸素貝葉斯的用戶數據挖掘，給大家參考。