这是我们的，第三次课，前面几节课我们讲了标签，数据合规的问题，那么这次课我们主要讲讲，广告主自己大数据人群包都有几种常见的玩法呢？
1.访客找回
为什么我在一个电商app中看了某商品后，再去别的app中老看到类似广告，是如何做到的？
这个也是大数据精准广告，十分经典的场景之一：北京某同学，曾在一个购物APP上搜索“手机”，随后几天，在他下载的社交类APP上，有关“手机”的广告反复霸屏。“如果在同一款APP浏览，某款商品后，持续给我，推荐类似商品，属于精准服务，但这是两款，从属于不同公司的APP，这种跨平台共享用户信息行为让人不安。”该同学说。
这个场景，大数据精准广告，实际运作的过程，是像该说同学说的那样不安吗？
这在大数据精准广告领域，是十分常见的做法，就是利用广告主自己的数据，圈出目标人群包，进行追踪投放。也就是购物App将，圈出了“手机”品类的设备ID人群包，其中就包含了该同学的设备ID。然后该购物App在这些社交类App上追着该人群包中的设备ID不停投放“手机”类广告。（淘宝、京东，等等几乎所有，电商App都有类似做法。而且按一般的经验数据，至少要投放14次以上，广告实在没有转化效果才会停止投放。）
我们常称这种，人群包再找回投放的模式，为访客找回（Retargeting）（有的也称为Remarketing“再营销”）。
很多时候，尤其是对一些快消品或电商类的广告投放，我们会发现访客找回的效果较好。
用户一旦对某产品或服务产生了长期的使用习惯和体验，一般较少会不断更换。所以我们常常会通过各种手段，收集访客的各种维度的数据来提升既有产品访客的广告转化效果。观测访客行为常见的维度涉及：
访客的行为：浏览商品、加入购物车、下订单、付款、评价、分享等等，一般我们将访客会分为全站访客、单品访客；对于全站访客会关注访问深度、订单金额等等；
广告曝光相关的用户互动行为：曝光、点击、后续访问官网、站内多跳、转化等等；例如：使用曝光找回可加大曝光强度、点击及访客找回可能会增加转化；
行为的时间特征：第一次、第几次、最近一次、距当前的周期（这也是我们常说的“找回周期”（一般周期15天内），这个周期是可以调节的）、频次、停留时间等等；
2. “沉睡用户”找回
当然还有一种很有意思的找回模式，是针对“沉睡用户”的。
用户因为某次推广活动而使用产品、或下载安装了App，而之后很长时间（如1年）未打开过App、或使用过产品服务。
对于这些用户能使用App及产品服务，说明其已对产品及服务有了一定的认知，所以对这些用户做“再营销”能让这些用户再次唤起好奇心，进而促成转化。
3.扩展相似人群
还有一种常见做法是，扩展相似人群（Look-alike）
很多时候大家会质疑一个用户都已购买了某产品还会再消费么？尤其对于大宗消费的产品（例如：车、房等等），由于产品的生命周期，会导致再怎么做Retargeting也效果一般。
且一般营销也会关注对新客、潜客的获取（老客一旦产生购买是可以使用CRM、关注订阅号等等手段，保持同老客的沟通，刺激其持续的转化。）。
而为了扩大潜客获取，这个目标，经常会用到，扩展相似人群Look-alike的方法，以及老访客排除（排除那些已经不可能再出现转化的人群）等方法。
Look-alike简单说就是依据访客，尤其已转化客户的典型行为特征，去推及，在全网中寻找那些类似行为特征，但并看过广告，或从未出过转化的用户，进行广告投放。
这种方法相对来说计算量较大，且特征可能因为十分的微小分散，也可能因采集样本量级不够大，或不明干扰因素等等，最后得出的特征会较为发散，未必能找出收敛的特征要素。
所以很多时候，也会通过人群标签作为中介，来做Look-alike。具体的做法是，看看那些已转化的客户，及某类行为的访客，身上哪些标签比较集中，然后将那些用户身上所有被打上的标签，全部加在一起计数，选出前十或前几个计数较多的标签，最后再用这些标签作为人群定向条件去投放广告。
4.小结
广告主自有数据，人群包投放
1.访客找回
最有效
2.老客唤醒
沉睡用户唤醒
3.相似人群扩展
扩量，增加潜客覆盖
后续我们将对广告基础知识展开介绍
用户评论