腾讯社交广告Lookalike.docx

CONTENTS CONTENTS Chapter 01 Lookalike解决的问题 Chapter 02 Lookalike功能原理 Chapter 03 优秀应用案例 Chapter 04 投放流程 Lookalike Lookalike 解决的问题 CONTENTS 目录 PARTONE解决的问题 PART TWO功能原理 PART THREE 应用案例 PART FOUR投放流程 如何识别与锁定高潜力客户 7 . 1 PROBLEM 如何在扩量的同科 兼顾精准 ■m? Z. PROBLEM CONTENTS PARTONE 目录 解决的问题 PART TWO PART THREE 功能原理 应用案例 PART FOUR 投放流程 标签定向 如何在扩量的同时 兼顾精准 7 2 PROBLEM 标签越多越好? 定制化、个性化,无法穷尽所有需求 大量客户参与试错,容易陷入局部最优 标签挖掘成本高 如何支持人群分级定价？ 选定定向条件，统一出价 出价建议并未区分人群价值 如何支持人群分级，高价竞争高潜用户 CONTENTS PARTONE PART TWO 目录 解决的问题 功能原理 应用案例 PART FOUR投放流程 LookAlike —相似人 群拓展： 客户上传或指定一个高质量人群 （种子），基于种子人群较为显著 的画像特征，在腾讯大盘中寻找与 其高度相似的人群（扩展人群）， 对拓展人群投放广告。有效帮助广 告主拓展业务、发掘新客户。 为何要使用拓展人群? LookAlike可以简单、直接、漂亮的解决这些问题！ 省去了定向条件的试错，也规避了自定义标签的问题! 种子人群 相似人群 ?更好地触达意向的用户 ?更高的互动转化可能性 ?找到潜在目标人群帮助拉新 CONTENTS 目录  PARTONE 解决的问题  PART TWO功能原理  DART T I I 应用案例  PART FOUF投放流程 基于用户画像 种子用户 HHttt 提取用户特征 扩大受众 展示相关广告 f tt t Lookalike Lookalike 的工作机制 L上传或提供种子用户（一手付费人群、兴趣关键词提取、历史互动人群等），通过强大的数据能力，与腾 讯用户进行匹配。 筛选种子用户特征:依托腾讯丰富的用户数据，从上百万个维度对种子人群进行分析，从中筛选出最具代 表性的共有特征。 将匹配的人群进行拓展：根据以上特征，从全量活跃用户中筛选出另一批与种子人群最相似的用户。 PART FOUR PART FOUR 投放流程 CONTENTS 目录 PART ONE 解决的问题 PART TWO功能原理 应用案例 全新第三代基于深度学习的Lookalike系统 Online Lookalike 系统根据种子用户的标签与腾讯用户标签匹配匹配用户 系统根据种子用户的标签与腾讯用户标签匹配 匹配用户 将种子用户与腾讯用户标识进行匹配 -在广告主提供的种子用户中匹配出使用腾讯产品的人群; ?系统自动记录账户内近期的广告数据中有点击或转化行为的人群 -依托腾讯丰富的用户数据，Lookalike相似人群扩展会从上百万个维 度对种子人群进行分析，从中筛选出最具代表性的共有特征。 将匹配的人群进行扩展 -根据这些特征，再从全量活跃用户中筛选出另一批与种子人群最相 似的用户。 -可自主选择扩展后的用户量级 支持千个扩展号 Before : 码包在线 10 个 lookalike 配额 耗时1天 30%用户拥有70%标签 曝光不均 存在用户永远缺失某些 标签，导致无法曝光 Create:新建拓展任务 占客户拓展配额，机器资源耗时长，隔天投放 After : 支持十万个扩展 号码包在线 仅需1小时 缓解了标签截断问题 更多lookalike配额 曝光稳定效果提升 理论上，用户身上的每 个标签都会被触发 Modify:原拓展包上修改不浪费资源 实时生效，20 后投放 基于深度神经网络挖掘种子人群画像共性 CONTENTS PARTONE PART TWO PART THREE 目录 解决的问题 功能原理 应用案例 Quality Fast Better More 实时标签多样性 拓展时间更快 支持更多拓展f 在线计算用户标签更丰富 2钊时圈氐到1小时 曝光量提高转化效果更好 千级别提升到10万级别 After ? 支持?万个扩展 仅需1小时 曝光稳定 Modify:原拓展包上修改 号码包在线 效果提升 不浪费资源 更多lookalike配额 缓解了标签截断问题 理论上，用户身上的每 个标签都会被触发 实时生效，20分钟后投放 基于深度神经网络挖掘种子人群画像共性 PART FOUR PART FOUR 投放流程 CONTENTS PAR