lookalike人群扩散算法

Posted Frank201608

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了lookalike人群扩散算法相关的知识,希望对你有一定的参考价值。

Facebook 这样通过一群已有的用户发现并扩展出其他用户的推荐算法就叫Lookalike。

1.利用用户画像,给用户打标签,利用相同标签找到目标人群
实例:某品牌的豆浆机进行Look-alike人群扩展投放
取得家电厂商的第一方消费者数据,涵盖浏览、购买行为等ID信息。通过导入DMP进行全库记录匹配,找到个体的在线历史大数据。经由人群分析模型,洞察用户的个性倾向特征,通过标签算法挖掘,将数据库中拥有高相似画像的人群列为一类精准用户。根据标签模型,得出这些用户具有较多且重合的“健康”“时尚”“亲子”“女性”“中高收入”“一二线城市”等细分人群画像。

分析:利用用户画像给用户打上各类标签。根据种子人群分析大部分种子用户具有的标签特征 例如:家庭女性、30-40岁、已婚,未生小孩,健康。那么对于一个标签为:上班族,30-40岁、已婚,未生小孩,健康 女性就是其目标人群。

2.利用分类算法来实现的种子人群为正样本候选对象为负样本训练分类模型,然后用模型对所有候选对象进行筛选。
显然候选样本并发所有的样本都是负样本,所有这是一个典型的PU learning问题

3.利用社交网络进行人群扩散:利用好友关系,将种子人群标签传给社区中的好友,从而实现人群扩散

 

以上是关于lookalike人群扩散算法的主要内容,如果未能解决你的问题,请参考以下文章

用户画像-轻量级基于spark人群圈选

用户画像理论和实战

用户画像理论和实战

用户画像理论和实战

用户画像理论和实战

TD数据应用——基于地理信息和时间序列的人群画像探索