大数据时代互联网广告变现的优化策略——基于用户数据的情感计算

许　丽

(苏州大学 文学院，江苏 苏州 215123)



大数据时代互联网广告变现的优化策略
——基于用户数据的情感计算

许丽

(苏州大学 文学院，江苏 苏州 215123)

[摘要]大数据时代，互联网广告的灵魂在于数据和计算，因此计算广告成为广告变现的内在逻辑。计算广告只有把握了数据的优势尤其是情感数据的制高点，才能达到最大变现的目的，情感计算是计算广告变现的优化策略。情感计算的基点在于用户情感数据的统计分析，在此基础上进行的广告定向与精准投放，将有效提高广告的转化行为而取得利润最大化。

[关键词]计算广告；情感计算；用户数据

互联网广告，也称为在线广告、网络广告，指的是通过网络广告平台在网络上投放广告。具体而言，即利用网站上的广告横幅、文本链接、视频、富媒体的方法，在互联网刊登或发布广告，通过网络传递到互联网用户的一种有偿的、综合的、劝服性的非人员的信息传播活动。而互联网广告与传统广告的最大不同点在于它开启了大规模、自动化地利用数据改善产品和提高收入的方法。诚如所说，互联网思维模式“正面的免费服务是为了获得流量和数据，而背面的广告业务则是将这些流量和数据变成金钱”[1]1。

大数据时代，“整个世界都是由算法控制，并按算法所规定的规则演化的。宇宙是一部巨型的计算装置，任何自然事件都是在自然规律作用下的计算过程。现实世界事物的多样性只不过是算法的复杂程度不同的外部表现。”[2]计算作为信息社会特有的技术、方法和工具，在海量数据的搜集与分析中，发现与洞察知识与规律，并最终促成科学决策。可以说，计算的方法不再是自然科学领域的专属，而逐渐成为宇宙学、物理学、生物学、经济学乃至社会科学等诸多领域中人们认识自然、生命、思维和社会的一种普适的观念和方法。在互联网广告领域，它的意义尤其重大。大数据时代的互联网广告的策划、评价与投放不再是那么简单和一目了然，而是亟需依靠计算来完成。因为在互联网的世界里，广告的关键“不再是创意、策略等人工服务，而是以数据支撑的流量规模化交易为典型特点。也就是说，机器和算法取代了人员与服务，成为在线广告最鲜明的特色。可以说，互联网广告的灵魂就在于数据和计算”[1]2。因此，计算广告应运而生。

一、计算广告：大数据时代互联网广告变现的逻辑

“计算广告”一词是由雅虎研究院研究员及副总裁、斯坦福大学教授安德烈·布罗德( Andrei Broder) 在2008年第10届ACM—SIAM 学术讨论会上首次提出。在他看来，计算广告是一门由信息科学、统计学、计算机科学以及微观经济学等学科交叉融合的新兴分支学科。[3]而且，他也曾开设《计算广告》课程，全面介绍在线广告中的计算挑战以及工业界实用的算法。不过，某种意义上说，布罗德只是提出了实现语境、广告和受众三者最佳匹配的计算广告预想，尚未深入探讨计算广告作为一门新兴学科的深层理念。事实上，计算广告的理念在以谷歌关键词(Google Ad Words)为代表的相关广告业务中早已涉及。计算广告，就是将计算主义的理论方法与广告学的传统核心理论相结合，其实质就是研究如何利用计算的理论方法来探究广告活动中的各类问题。

在中国国内，较早引进与介绍计算广告的是刘鹏等人。刘鹏是奇虎360高级总监、商业产品首席架构师，主要致力于计算广告和数据变现的普及工作。他的《计算广告》一书就详细介绍了大数据时代互联网广告的商业逻辑和产品目标，并在此基础上有针对性地讨论了相关算法和构架问题。在他看来，大数据时代互联网广告的商业逻辑和产品目标，主要在于通过计算来优化收入。而千次展示期望收入(expected Cost Per Mille，eCPM)则是计算广告中可用以优化计算的最为核心的量化指标之一。eCPM即点击率和点击价值的乘积，这两个指标是各种广告产品在计算过程中经常碰到的，也是产品运营需要深入理解和重点关注的。因此，大数据时代互联网广告的运行逻辑与其计算技术是合二为一的。尤其当竞价广告、程序化交易广告等广告形式逐渐优位于合约广告形式存在时，这种对于计算的优化技术显得越来越为关键。基于此，刘鹏认为，广告业务的收益只能来自于数据、流量和品牌属性，其中，流量和品牌是媒体的专属，而广告平台要做的主要是数据的加工与利用。所以，他强调指出，在各行各业都在强调大数据思维与方法的今天，深入了解计算广告产品与技术具有特别强的范本意义。如此看来，计算广告可以说是大数据时代互联网广告变现的内在逻辑。

二、情感计算：计算广告变现的优化策略

威廉·阿伦斯在《当代广告学》中说：“广告的根本目的是广告主通过媒体达到低成本的用户接触。”[4]在与用户的接触中，广告不仅要尽可能吸引眼球，而且更为重要的是要达到说服他人的广告效应。大多数广告都是劝服性的，用以说法某人改用某产品、服务或观点。因为，在消费者的购买行为中常常会出现如下情形，如在需要购买某件商品时，面对品质、价格相差不大的商品，消费者会认定某一商品而排斥其他牌子的商品。又如,消费者并不需要某件商品，但也会受某种力量的驱使去购买。这都说明了情感会左右消费者对商品信息的选择，影响消费者对商品的记忆和思维。可以说，情感实质上是消费者购买动机与行为的催化剂。基于此，广告要说服消费者购买商品和劳务，必须运用情感。

文学作品讲究“以情动人”，情感在广告宣传中的作用也是非常大的，情感牌无疑是打动消费者的有效手段和策略：首先，广告与消费者之间要达到情感的沟通，让消费者喜欢广告，喜欢广告便能接受广告的说服；其次，广告宣传要达到商品与消费者之间的情感沟通．让消费者对商品“情有独钟”。广告往往融入亲情、爱情、友情等情感元素在其中，以获取消费者的“心仪”。颜色、插图、标题、文稿、广告歌等广告元素，都可能和一定的情感体验发生联系，它们常被用来诱发特定的情感。在情感的驱使下，消费者会对品牌情有独钟，形成品牌意识，并且成为品牌忠实的宣传者和使用者。很多商品都通过打出富有情感效应的广告而获得宣传上的成功。运用广告的情感效应也越来越成为广告宣传的趋势。在千篇一律标语式的广告当中，富有情感效应的广告无疑是一道亮点，让消费者印象深刻、过目不忘。如“美加净”护手霜所表现的是儿女对母亲的爱，为操劳的母亲送上护手霜，表现了儿女对母亲的回报，血缘所连接的亲情洋溢在画面上。“放我的真心在你的手心”的广告词让广告受众感受到浓浓的亲情。

情感可以说是广告取得成功的重要因素。广告不能缺乏情感的考虑与投入。而由广告引发的情感共鸣以及品牌情感效应等则是消费者最终实行购买行为的导向性依据。情感如此重要，然则情感尺度之深浅可以计算、度量吗？在计算机科学诞生之前，似乎从未有人提出。在信息技术、人工智能已经比较发达的今天，情感计算 (Affective Computing) 已经成为一门崭露头角的新兴学科与研究领域。麻省理工学院MIT媒体实验室的皮卡德教授(Rosalind W. Picard)较早明确提出“情感计算”的概念。她说：“情感计算是指涉及、起源于或有意影响情感方面的计算。”[5]186尽管她将研究的重点放在对情感的识别上，尤其是赋予计算机像人一样的观察、理解和生成各种情感特征的能力。但是，这些研究却揭示了情感仍旧是计算机时代的重要开发空间。情感计算就在于使计算机具有对用户情感变化的分析和追踪能力，以解决那些只可意会、不可言传的经验性情感把握。

对于互联网广告而言，数据的掌握以及情感的精准计算，是符合计算广告变现逻辑以及计算广告得以优化的策略选择重点。计算广告只有把握了数据的优势尤其是情感数据的制高点，才能达到最大变现的目的。因此说，情感计算是计算广告变现的优化策略。

三、用户数据：情感计算的关键基点

“要提高定向的精准程度与人群覆盖率，技术远不是唯一重要的因素。那么，什么才是决定性的呢？是数据的来源与质量。”[1]97

首先，数据来源于何处呢？在互联网大数据时代，数据基于用户行为而产生，比如点击率、到达率、转化率这些常见的而重要的衡量数据都与用户行为紧密相关。如前所述，计算广告的重要的量化指标就是依据这些数据而得出的，所以，用户数据是计算广告，亦是其情感计算的关键节点。

其次，数据的质量如何评价呢？也即哪些用户数据是有价值的，哪些用户数据是不真实的？这就意味着仅仅凭借惯用的点击率就很难实现广告的精准投放。所以，围绕数据的加工与交易就与广告的投放技术一样令人瞩目。那么，哪些数据才有利于广告的精准投放，并能带来广告的最大利润呢？这一问题实际上就是情感计算的问题。因为，用户只有在情感上达到共鸣与一致时，才有可能产生购买动机与购买行为，唯此，也才能真正实现互联网广告的商业变现而获得相应的收入。所以，挖掘并计算分析用户的情感数据显得尤为重要。

用户的情感数据来源于何处呢？一般而言，主要有用户标识追踪、用户行为分析、用户的人口属性、地理位置以及社会关系的定向研究等。

其一，用户标识追踪。互联网广告常使用用户标识即cookie映射的方法来对应用户身份，而通过追踪用户标识，就可观照到用户近期内的行为。通过用户行为的数据分析，也就可大致看出用户的兴趣与爱好，即他的情感倾向、情感需求等。根据用户标识的情感数据的计算，这为广告实现个性化的定制以及高效率的广告投放提供了基本依据。

其二，用户行为分析。用户行为一般包括转化、预转化、搜索广告点击、展示广告点击、搜索点击、搜索、分享、页面浏览、广告浏览等，这些在线行为可被广泛采集并对受众定向或广告决策有明确作用。其中转化、预转化是具有决策性质的行为。转化对应着最后的下单，而预转化对应着下单前的搜索、浏览、比价以及加入购物车等在线行为。这类具有决策性质的用户行为的价值是最高的，一般借助广告主端的数据进行重定向或个性化重定向可有效地利用这方面的数据来获取用户情感指数。而广告点击、搜素以及搜索点击等则属于主动性行为。它们是用户在明确意图支配下进行的网络主动行为，尤其是有关搜索行为的数据统计则可视为情感数据挖掘及其相关计算的主要依据。此外，分享和网页浏览等则可视为半主动行为。它们则是在用户目的性较弱的网上冲浪中产生的，其所涉及的兴趣领域较为宽泛，可进一步把握用户的基本情感倾向。还有一种是广告浏览，则可归属为被动行为。这方面的数据严格来说不能算作关于用户情感计算的行为依据，但是由于其点击频次又与相应类别广告的点击率相关，所以也可作为情感计算的一种参考数据使用。

其三，用户的人口属性、地理位置以及社会关系的定向研究。人口属性，如男女性别区分、老中青少儿等各年龄阶段的区分，这些不同的人口属性区分的数据收集与把握也将有利于不同广告的定向与精准投放。用户的地理位置的定向研究，如在移动互联环境下，GPS或蜂窝可以提供准确到几百米的区域定位，这使得区域广告商投放定向广告成为可能。这样的广告定向，对于餐饮等线下业务广告商是非常有价值的。除此之外，社会关系的定向研究也能为情感计算提供有价值的情感数据参照。因为网络上的社交关系也即隐含着一种人与人之间的“兴趣相似”的联系。所以，当广告系统无法就某一用户行为进行精准的情感预测时，就可借鉴其网络朋友圈的行为和兴趣来帮助诊断其兴趣爱好等情感倾向。比如一个人的QQ好友或微博好友都是旅游爱好者，据此也可猜测他可能也是一名旅游爱好者。虽然这种猜测未必完全准确，但只要统计上合理，就会对广告投放效果有极大的帮助。

概而言之，基于用户情感数据的统计分析而进行的广告的定向与精准投放，将有效提高广告的转化行为而取得利润最大化。但与此同时，也不能单纯追求利润或者转化效果，而是要根据广告主的具体的人群接触目标来平衡效果和覆盖率。因为广告的根本目的在于低成本地接触潜在用户。

[参考文献]

[1]刘鹏，王超.计算广告 互联网商业变现的市场与技术[M].北京：人民邮电出版社，2015.

[2]李建会.走向计算主义[J].自然辩证法通讯，2003，(3).

[3]景东，邓媛媛.论计算广告的形式及其审美特征[J].哈尔滨工业大学学报( 社会科学版)，2011，(1).

[4][美]威廉·阿伦斯.当代广告学[M].丁俊杰、程坪，等，译.北京：人民邮电出版社，2005.

[5][美]罗荷琳德·皮卡德.情感计算[M].罗森林，译.北京：北京理工大学出版社，2005.

(责任编辑何旺生)

Optimal Strategy of Internet Advertising Realization in the Data era——Based on Affective Computing of Users’ Data

XU Li

(SchoolofHumanities,SoochowUniversity,Soochow, 215123,China)

Abstract：In the era of large data, the spirit of internet advertising lies in the data and computing, therefore, computing advertisement has become the inner logic. Computing advertisements can reach the maximal realization only through control of advantage of data, particularly the commanding point of affective data. Affective computing is the optimal strategy of computing advertising realization. The affective computing is based on the statistical analysis of users’ affection data, on which the advertisement is set and sold precisely to the targeted viewers.

Key words：computing advertisement; affective computing; user’s data

[收稿日期]2016-01-22

[基金项目]江苏省高校研究生创新工程项目(KYLX_1205)

[作者简介]许丽(1983-)，女，江西萍乡人，苏州大学文学院博士生，研究方向：文化理论与媒介文化。

[中图分类号]F713.8

[文献标识码]A

[文章编号]1674-2273(2016)02-0119-03