Question

先来回顾一下第4章中介绍的受众定向常见方法（参见图12-1）。总体上看，按照计算框架的不同，这些受众定向技术可以分为以下三种类型。

（1）用户标签，即可以表示成t（u）形式的标签，这是以用户历史行为数据为依据，为用户打上的标签。

（2）上下文标签，即可以表示成 t（c） 形式的标签，这是根据用户当前的访问行为得到的即时标签。

（3）定制化标签，即可以表示成t（a，u）形式的标签，这也是一种用户标签，不同之处在于是针对某一特定广告主而言的，因而必须根据广告主的某些属性或数据来加工。

图12-1 常见受众定向方法一览

以上各种定向中，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；而重定向和新客推荐（look-alike）则是t（a，u）的定向方式。各种定向的标签被应用于根据用户和环境信息选取广告候选的过程，因而对广告投送的结果有比较显著的影响。t（c）和t（u）两种定向方式，一个是根据当前环境信息，一个是根据历史日志数据，因而在技术方案上有比较大的区别。下面将对这两种方式的典型代表，即上下文定向和行为定向的实现进行讨论。而定制化标签，即t（a，u）形式的标签，变成了完全开放的标签体系，其标签数量不再是常数，而是有可能与广告主数目成正比，因此最适合于在程序化交易的环境中由需求方直接提供，这种标签将在第 14 章讨论 DSP 时再介绍。实际上，我们还需要对每个广告也打上标签t（a），以便与上下文或用户的标签做匹配，广告标签一般有两种常用选择：一是直接将广告投放中的广告主、广告计划、广告组、关键词等直接用作标签，二是用人工的方式归类。可以用一个（a，u，c）上的三维坐标来示意以上的几种标签类型，参见图12-2。

图12-2（a，u，c）空间中的标签示意

值得注意，受众定向技术并非按照上述的分类严格区分或者一成不变的。各个广告网络或定向技术提供商能够接触到的数据类型和规模都各不相同，基于这些数据本身进行深入挖掘，并找到对广告投放有意义的信号，才是受众定向在使用中的重点。另外，上面的分类主要是为了方便技术方案的讨论，从产品角度来看，以上几种受众定向标签对于广告主而言并没有本质区别。