京公网安备 11010802034615号
经营许可证编号:京B2-20210330
朋友圈背后的大数据猜想_ 数据分析师
世界上最遥远的距离,是你看到宝马中国,我却只看到可口可乐。
宝马、Vivo智能手机、可口可乐三组广告在微信朋友圈上线,迅速引爆了一波网络热议。大家不再议论“朋友圈里该不该有广告”,转而一遍遍地问着:“为什么你看到了宝马,而我只看到可口可乐?”“我用的明明是iPhone6,为什么给我推送国产手机广告?你们真的有大数据吗?”
对此,腾讯官方给小编的解释是:“为保证注重用户体验和给用户带来的价值,朋友圈广告采用了更加智能的技术。所以不是所有好友都会看到同样的广告。”至于“更加智能的技术”是什么,腾讯没有给出答案。微信方面也表示,朋友圈广告目前仍处于内测阶段,坊间流传的各种所谓“投放标准”,都是猜测。
虽然只能靠猜,但咱也要猜得有点技术含量。@新闻小编请来了在互联网行业从业多年、担任数据分析研究员的网友@Kevin,从技术角度来分析和“猜测”一下朋友圈广告背后暗藏的大数据秘密。
为什么有人看到宝马,有人看到可口可乐?
网传说法
此次的微信广告推送是基于大数据分析后进行的精准营销,根据对用户收入和消费能力的分析来决定投放何种广告;腾讯人工智能对用户的识别分类如下:年收入100万元以上的用户收到的是宝马广告;买不起iPhone6但买得起小米的用户收到的是 Vivo广告;连红米都买不起的用户收到的是可口可乐的广告。
专家猜想
大数据是可以实现以收入和消费能力来对用户进行群分的。简单来说,首先对用户的性别、年龄、在朋友圈发布的图文信息、用户之间的聊天记录、关注和阅读的公众号文章类型等数据进行收集,使用适当的算法来分析这些数据,得到能够描绘用户群体特征的预测模型,然后根据预测模型里的特征对用户进行逐一预测,判断其是否可以进行广告投放,以及投放的广告类型。
当然,这只是理论上的可行性。实践中,是否能够得到基于收入和消费能力的用户人群分类,需要看收集到的数据是否对收入和消费能力有指示作用。如果一个人收入很高但他发布的朋友圈消息和聊天的内容只是与一些很廉价的商品有关,那是无论如何也不可能解读出他有高消费能力的。
小编推断
你虽然是宝马车主,但是从不在朋友圈“炫富”,反而经常夸赞国产手机好用,最爱在微信购物里面秒杀9.9元的特价商品……那么,你在微信的广告系统里,应该是不太可能被划分为“年收入100万元以上”的。据此猜想,其实是你自己没有告诉微信你“有钱”,那就不能怪人家不给你看宝马广告了。
为什么有人一直刷不到广告?
网传说法
因为穷得惊动了微信后台!那些喜欢在朋友圈吹水,特别闲的,但没有收到朋友圈广告的,微信是在告诉你,没钱就好好干活,别刷手机了。
官方说法
根据腾讯科技的报道,微信广告引擎会选出高品质的种子用户作为广告的第一批曝光对象,只要种子用户在该条广告下面评论或者点“赞”,就能提高他们的好友看到该条广告的几率。
专家猜想
基于朋友链条关系来进行广告的扩散,这个逻辑在理论上和实践上都是可行的,但是准确性不好估计。其实除了这个“扩散逻辑”之外,在用户分类的时候,其中或许就包括了“不投放”这一类,所以有些人看不到广告也是很正常的。
小编推断
如果你自始至终都没有看到过朋友圈广告,首先你肯定不是微信的“种子用户”;然后也许是因为你的好友中没有“种子用户”,或者他们看到了但没有对广告进行评论或点赞;也许你一开始就被划分到了“不投放”的类别。至于“不投放”的理由是不是因为你穷,这个就得问腾讯了。
屌丝刷到了宝马,
这真的是大数据精准投放吗?
网传说法
收到宝马广告的用户不一定能买得起宝马,而更有可能是那些喜欢炫耀与转发的人,通过不断转发,广告主投放的广告费用才会体现出更大的价值。
专家猜想
大数据也会出错。毕竟这是数据统计,只要是统计就会有错,小概率事件时有发生,错了也不奇怪。大数据统计的是显著性,这种显著性是由大多数人的共同行为确定的,因此统计模型倾向于选择那些对多数人正确、而对少数人可能不准确的分类结果。
也许不准确的概率是10%,但这并不代表不会发生。理论上说,如果确实是按照用户的收入和消费能力来进行三个广告的分类投放,那么“屌丝收到宝马广告”这种情况应该算在10%的概率内,并不能以此说明大数据不精准。
当然,如果网友们的说法属实,那么宝马广告的投放策略是从传播角度考虑,怎样才能最有效地将广告扩散出去,而不是为了找出真正的宝马车主和潜在车主。这,就不是技术范畴的问题了。
小编推断
理论告诉我们,大数据也是会出错的。你被错位投放了,这是小概率事件,在数以亿计的大数据面前,是被允许的。实践告诉我们,也许,错位投放才是真正的策略,因为微信之父张小龙最爱强调人性,“没收到广告的展示失落,收到广告的对比虚荣”,这就是人性。
小编点题
微信大数据不只是做广告这么简单
微博上发的牢骚,朋友圈晒的自拍,QQ上的个性签名,淘宝上的每一笔交易,以及近年来科技界最火爆的智能穿戴设备记录的衣食住行信息……你在网络上所有的碎片化信息,经过大数据收集、转化、提纯,最终都可以拼凑出一个活生生的你来。
采访中,Kevin告诉小编,数据的收集、分析、应用,与用户的隐私之间,一直存在着矛盾。要想尽可能有效地运用大数据来让生活变得更便捷,又不接触任何用户隐私,这几乎是不可能的事情。就拿大家平时都特爱的搜索美食一事来说,你想搜索附近哪里有好吃的餐厅,又不让搜索引擎获知你的位置信息,这就很难办了。
一个拥有数据强势的公司是强悍的,但希望这种强悍是以良善为基础和目标。我们乐于拥抱新技术,但也希望在交出个人隐私的同时,能得到最好的保护。从这几天的朋友圈广告中,我们能得到的,也许不只是如何做好营销这么简单。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22