广告系统DMP数据处理的架构
2018-05-23

加载中

来源:360图书馆

广告系统DMP数据处理的架构

跟大多数的大数据相关的系统很相似,基本上逃不开那几样东西Hadoop,storm,redis等等:

数据处理部分结合了Hadoop的离线计算、Spark的批处理和Storm的流式计算。

HBase和MySQL用于最终结果落地用于前端查询。

ElasticSearch 有准实时索引,用于明细数据实时查询和时间序列历史回溯统计。

Spark内置的机器学习算法库MLLib主要使用分类,聚类KMeans,协同过滤,决策树,逻辑回归。

由于之前在群里的分享中,王新春@大众点评 ,王劲@酷狗音乐 讲了很多storm实时处理和大数据架构的内容,他们二位都是大数据领域的大佬了,我在这里就不班门弄斧了,简单提一下广告行业里是怎么做的,基本上大同小异,大家用的东西都差不多。

对于广告投放要投放的目标,落实在dmp中就是需要找出相应的受众定向,下面简单分析一下几类受众定向:

上图是广告有效性模型根据受众定向的定性评估表,水平方向是定向技术在广告信息接受过程中所起作用的阶段,垂直方向是大致的效果评价(从下往上效果依次升高)。

按照计算框架不同这些受众定向可以分为三类:

  1. 用户标签t(u),即在时间序列上用户历史行为为依据,为用户打上的标签。

  2. 上下文标签t(c),即当前用户联系上下文在当前的访问行为达到的即时标签。

  3. 广告主定制化标签t(a,u),是根据特定广告主提供的特定用户群在其网站上的访问行为数据加工所得。

其中:地域定向、频道定向和上下文定向属于t(c)的定向方式;人口属性定向、行为定向属于t(u)的定向方式;
而重定向和Look-alike则是t(a, u)的定向方式。
地域定向主要用于商家销售目标局限于特定区域的情况下;

人口属性主要包括年龄,性别,收入,学历等;频道定向主要是针对媒体侧特点,对相应受众进行划分;上下文定向主要是根据当前网页的内容上下文推送相关广告;行为定向是根据用户历史访问行为,了解用户喜好,进而推送相关广告;精确位置定向是在移动设备上根据精确的地理位置投放广告,更聚向与地域性非常强的的本地生活类广告主;

重定向是对特定广告主一定时间段内访客投放广告以提升效果的广告投放方式,人群规模由广告主固有用户量和媒体重合量共同决定;新客推荐是在重定向规模太小,无法满足广告主接触用户需求的情况下,以重定向用户为种子,根据广告平台数据积累,为广告主找出行为相似用户的定向条件。



暂无评论!
我要评论 只有购买过该商品的用户才能评论。
  • QQ咨询
  • 电话咨询
  • 400-680-9608