
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04