起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識大數據廣告產品經理都在做什么？
大數據帶來的信息風暴對我們的生活、工作和思維都造成了一定影響，你是否會好奇，大數據產品經理都在做些什么呢？
大數據是近些年來比較火的一個行業，很多人都認為大數據是一個諱莫如深的行業。
筆者在實習的時間里有幸接觸到大數據廣告營銷，想要把自己在接觸大數據的這段時間里所見所聞記錄下來，不足之處，也希望大家能盡可能的給我提一些建議。
一、什么是大數據？
大數據，按照字面意思來解析即大量數據的集合。
產品經理在處理數據的時候，這個集合會包括用戶的基本信息（即設備號，ip地址，以及可能關聯的微信qq等各種信息），使用路徑（即時間，內容，連貫的用戶操作行為等）。
依據這些信息，決定了大數據未來的發展狀態。
二、大數據在廣告營銷中能做什么？
1. 大量的基礎數據，能找出潛在的競爭對手，預估未來的市場量
最典型的大數據應用產品是百度指數，但是百度指數只是大數據的一個泛應用。
在大數據營銷的過程中，廣告主能依據潛在的客戶特征，預估用戶的下一步行為，從而判斷整個市場的發展趨勢和行業的整體走向。
百度指數
2. 大量的基礎數據，可以給廣告主提供精準投放廣告的渠道
大家在日常生活中都會收到一些短信（可能是在信用卡，貸款等），營銷電話（主要是房產，在線教育，車等），以及你可能在搜索引擎查詢了機票，你再次點擊進入一個app，你會發現所有的廣告都是和機票相關。
這些行為歸根到底都是底層的數據起支撐的作用，也是大數據目前在廣告營銷的主要用途即為廣告主提供精準投放廣告的渠道。
三、大數據公司主要做什么？
1. 目前市面上的大數據公司會有大量的數據積累，數據變現只是他們盈利的一種方式。
廣告按投放渠道分為兩種，即線上廣告和線下廣告。
在投放的過程中，大數據公司就像是底層數據和可視化信息的橋梁。
他們會通過多種渠道以及多線程的業務線，將用戶數據匹配成可視化的信息（比如我們后臺讀取到的只是設備號或更抽象化的信息，大數據公司能通過一些渠道匹配出加密的手機號）；
反之，也能通過手機號匹配出一些數據信息（即通過手機號，能匹配出用戶瀏覽過的url，時間，內容等）。
2. 為一些中小型公司提供服務，這些服務主要是技術層面。
包括后臺監控系統，或是后臺處理系統，甚至包括一些數據埋點的服務。
因為他們的業務線龐大且有數據變現的實例，能精準的給一些公司提供有建設性的意見，更好的利用已有的數據。
某B端系統頁面
四、大數據廣告營銷的途徑有哪些？
1. DMP平臺-個性化定制廣告
常規的廣告是所有的頁面都是同一個廣告展示給不同的用戶。也有一些SEO（搜索引擎優化）依據關鍵詞去圈定目標群體。
而廣告主在使用DMP平臺的時候，是主動的去挖掘用戶，針對不同的用戶定制化顯示不同的廣告，從而精準投放廣告，提高轉化率，以整容廣告為例，具體的流程如下圖：
假設我是一個整容醫院的廣告主，我進入DMP平臺，我選去選擇美容-醫美（有些的顆粒度會更細，劃分為三級標簽，比如教育-在線教育-初中），性別女，年齡段20-50，收入范圍5000以上，興趣美妝，美容瘦身，旅游，母嬰。
用戶的cpc（按點擊量收費）單價定為30元，平臺會評估價格，落地頁的SDK轉換效果，以及廣告相關度等指標，最終反饋意見給廣告主，廣告主再次調整價格和頁面，在首頁的廣告即落定。
在整個投放的過程中，我們會發現用戶的行為積攢下的數據將會被賦予一個具體的角色。
大數據的魅力在于，即使用戶不主動填寫個人相關信息（年齡，收入，性別，地域等），大數據能依據大量數據特征給每個獨立的用戶賦予一個完整的形象，從而推算出你可能感興趣的行業。
當應用在廣告營銷的過程中，我么可以把它看做是一個主動挖掘的過程，不再是簡單按照關鍵詞去圈定目標人群，而是依據人的特征，興趣去把潛在用戶挖掘出來，針對不同目標用戶主動營銷的過程。
2. 電呼平臺-線下廣告營銷
電呼平臺是指通過給用戶打電話，發短信的方式進行營銷。
設備號通過大數據公司轉化之后是一串加密的銘文（即中間的4-6位電話號碼不可見），通過一些接口能實現自動撥號（無法獲得完整手機號），需要客服引導從而獲得完整的用戶信息。
以線上教育為例，具體的流程如下圖：
假設我是一個線上教育的廣告主，進入電呼平臺，選擇教育-線上教育-初高中，需要電話號1000個。用戶的CPA單價為30元，平臺會反饋給用戶兩個角色的賬號（客服和管理員），客服通過平臺可以撥號記錄營銷情況，管理員通過平臺可以查看客服撥打電話數量，營銷情況，收聽電話錄音，最終完成廣告的投放。
在整個投放的過程中，平臺可以挖掘出有意愿的目標用戶，在大量數據的基礎上通過算法和模型的迭代，提高廣告投放的準確率，從而提高整體廣告的轉化率。
五、大數據產品經理要做什么？
在廣告營銷的過程中，產品經理主要負責兩件事，第一準確找到廣告主映射的目標用戶，第二是提高廣告的轉化率。
為了達到這兩個目標，產品經理需要做的事情分為平臺層面和數據層面兩部分。
在平臺層面，產品經理要設計B端產品界面，不斷的完善和迭代產品功能，積極的和廣告主溝通交流發現平臺的不足，并解決問題，使得產品的商業價值最大化。
在數據層面，產品經理要不斷的優化模型和策略，因為用戶的行為是動態的，所以用戶的標簽也是動態的，如何在有效的周期之內準確判斷用戶下一步的行為，需要不斷的優化算法，同時不斷的完善自身的標簽體系。
以電呼平臺為例，產品經理需要做的事情分為以下幾個步驟：
1. 收集客戶需求，撰寫PRD文檔，梳理流程圖；
在電呼平臺，我們的客戶需要兩個角色，即管理員和客服。
管理員的功能為，領取任務，管理客服，查看呼叫記錄。
客服的功能為，呼叫，查看呼叫記錄。
思維導圖如下圖：
主要功能流程圖如下：
2. 與RD，ui交流溝通，產出v1.0版本，撰寫平臺使用指導書；
平臺使用指導書：主要是給廣告主使用，介紹平臺的功能以及使用流程，便于客服人員初次登陸時使用。
3.?小范圍讓客戶使用平臺，并再次收集用戶需求，并完善功能，再次梳理流程圖；
在小范圍試錯之后，廣告主提出來一些需求，如：顯示成功申請數量。
比如，我是一個整容醫院廣告主，我希望有1w個手機號，那么平臺能不能提供1w個手機號，存在一個溢出問題。
這時，就需要再次寫PRD文檔，需求評審，再次和開發溝通，產出v2.0甚至v3.0版本。
下圖是改進過的思維導圖：
4. 關鍵詞包的制作及優化。
關鍵詞是篩選用戶的關鍵，貫穿整個數據清洗和數據下發的全過程。
拓展詞包的流程如下圖：
在具體的操作過程中，遇到的情況會更復雜，用戶的興趣且分為長期興趣和短期興趣兩種，能否在有效的時間內精準圈定目標客戶，是一個不斷探索和試錯的過程。
5. 策略的調整和模型的優化；
策略和模型是數據型產品經理提及較多的兩個概念。
簡單來說，模型是機器深度學習之后總結出來的特征的集合。
比如，機器在大量數據中，總結出滿足{ 收入：5k-3w；體重45kg-55kg；愛好：美妝瘦身； }特征的用戶更有可能是整容醫院的目標客戶。
那么每一個用戶，都會被模型擬定一個模型分，即按照你的收入，身高，愛好，判斷你是目標用戶的概率；
簡單來說，策略是一些條件項的并集，是判斷模型的標準。
比如，你擬定一條策略{ 收入>1w }U{ 體重>50kg }U{ 愛好=美妝瘦身 }，這樣即一條簡單的策略。你可以從數據撈出符合該策略的用戶，這個過程稱之為召回。這條策略召回的數據，占整個用戶數量比例稱之為召回率。其中目標用戶的數量，占召回數量的比例，稱之為準確率。
召回率和準確率是判斷模型和策略的兩個重要指標。
在廣告營銷中，策略的配置如下：
黑詞：即query中包含該詞為非目標用戶；
精準匹配詞：即query中包含該詞為目標用戶；
準確詞：多為名詞，匹配出任意一條輔助詞即為目標用戶；
輔助詞：多為動詞，匹配出任意一條準確詞即為目標用戶；
策略的調整需要大量的標注query語句，不斷的總結黑詞和精準匹配詞數量，一般要求準確率在90%及以上，不同的行業對精準度有不同的需求。
模型的優化，多是關于算法的優化，產品的同學需要對模型的特征進行評估和優化，以及對模型分閾值的卡定，在實際的情況中多是模型和策略結合起來判斷一條query是否為目標用戶。
6. 持續觀察CTR以及維護平臺的穩定性。
因為大數據廣告營銷的最終目的是給廣告主帶來收益，所以CTR（轉化率）是評估一款產品的重要指標。
時間，天氣，甚至是一些地理災害，都可能對產品的轉化率造成一定的影響。
當轉化率的浮動較大時，產品需要從數據源-策略模型-接口穩定性-客服態度，等多個維度去分析。
其中最關鍵的環節是關鍵詞的圈定，如何在有效的時間內圈定目標用戶，并進一步預估出用戶的下一個行為，大數據產品經理任重而道遠。
本文由 @lee 原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基于CC0協議
小白不懂提問一下~DMP里的用戶大數據是哪來的呀~
寫的特別好！
CTR 固然重要，但是不要忽略曝光次數哦。
還有數據平臺的最終利益不一定是廣告主。如果數據平臺是廣告平臺搭建的，那么最終利益其實是廣告平臺的利益最大化，數據的產出會用來對媒體與廣告主進行博弈。
哈哈 大數據顧名思義大量數據的集合 ～嘖嘖嘖，大數據是大量的數據按照一定的規則獲取、整理、分析、數據模型的建立，輸出對應的模型產品，試用檢驗、模型調整，再次適用，反復調試，最后成品輸出。
謝謝前輩提醒，產品新人確實對很多細節把控不夠，也有待提升，寫的東西只是冰山一角。
建議調整一下行為順序，把最后一章挪到第一章。
謝謝