❶ 为何说大数据精准广告并不靠谱
为何说大数据精准广告并不靠谱
一、大数据精准广告内涵
大数据目前已经成为整个IT界(包含Internet Technology 以及Information Technology)最热的词汇之一，似乎任何一个话题，只要提到大数据，瞬间变得高大上。一夜之间，大数据已经代替主观的理性思考，成为智慧洞察的代名词。
但是当我们走过对大数据的顶礼膜拜阶段，揭开大数据实际应用的面纱，反而逐渐对充斥着话语世界的大数据进行反思。因为大数据在经济发展中的巨大意义并不代表其能取代一切对于社会问题的理性思考，科学发展的逻辑不能被湮没在海量数据中。著名经济学家路德维希·冯·米塞斯曾提醒过：“就今日言，有很多人忙碌于资料之无益累积，以致对问题之说明与解决，丧失了其对特殊的经济意义的了解。
以大数据的广告应用为例，精准广告投放应该是大数据最早的也是最容易产生直接收益的应用，如今少有广告公司没有宣称自己是大数据科技公司。大数据精准广告的核心内涵是什么？一言以蔽之，那就是程序化定向投放。其中定向是核心，程序化是手段。
以微信朋友圈为例，不定向区域，年初的公开价格CPM(每千次曝光成本，朋友圈广告价格远超一般媒体)40元，定向核心城市140元，定向重点城市90元，如果叠加定向性别，附加10%，再叠加H5外链(流量引导效果更好)，再附加20%。就像进口化妆品一样，先按一定比例征收关税，后按含税价格再征收增值税，再按含税价格征收消费税。
对于微信来说，客户地域、性别虽然也需要数据分析解读，但确认相对比较容易。对于其它数据公司来说，地域依然可以通过IP或手机终端GPS获取，但性别更可能就是一个数据分析出的可能属性。当然大数据并不仅仅分析如此简单的标签，对于媒体联盟而言，媒体选择项目众多，还会分析客户媒体偏好标签，还有时间段、人群属性、设备类型、偏好类型等多种定向组合方式。
好了，上面对于精准广告有了一个粗浅的介绍。那么大数据精准广告能带来什么样的价值？通常如下的故事是大数据广告公司经常提及的。
假如一个网站的广告位，每小时有1万人来浏览，则一小时曝光量为1万，之前的CPM为5元，那么一个手机广告主投放一小时广告，成本50元。这是传统广告投放的结果。现在有个大数据公司，来帮助该广告媒体更好的运营。该公司宣称它能够精准识别浏览客户的属性，告诉手机广告主，虽然1万人浏览该广告位，但真正适合投放手机的只有6千人次，剩下4千人次的曝光为无效曝光，因为剩下的人群只对服装感兴趣。
大数据公司建议广告主按照程序化投放，过滤掉不适合投放手机的4千人，仅对适合投放手机的6千人付费，假如单价不变，那么在保证相同效果的前提下，成本降低至30元。剩下的4千人大数据公司将其销售给服装广告主，成本为20元。由此，在相同的效果情况下，大数据广告大幅降低广告主的成本。当然事实上，由于RTB(实时竞价)机制的存在，当价格(效果相同)低到一定程度，不同手机广告主的相互竞价，使得真实价格一般高于30元，但肯定介于30元到原有预期成本50元之间，由此形成多方共同获益的理想局面。
这样的案例看上去Perfect，无懈可击。因为它解决了传统广告的低效问题，比如看起来有用，但又说不清楚到底有用在哪里，这个正是各公司财务总监所深恶痛绝的。是的，通过大数据广告，让一切花在广告上的钱更有依据，可以在线评估一条广告到底造成多少的印象(Impressions)，甚至多少点击，多少因此而下载使用，多少因此产生交易。
有问题吗？没问题。有问题吗？你什么意思，难道你要怀疑真理？
二、大数据精准广告没有看上去那么美好
本着证伪的原则，真理只有被证明为谬误的时候(理解其应用的局限及条件)，才算真理。因此我们必须先回答一个问题，广告是用来做什么的？
按照以前的共识，广告被视为品牌用来向那些无法面对面沟通的消费者去传达品牌的特性。因此广告虽然对销售有促进作用，但通常时候，广告的内容并不直接说服消费者去购买，就如中国移动曾经的获奖广告“沟通从心开始”一样。2010年出版的《品牌如何增长》(How Brands Grow)一书(说明，笔者未读过，希望将来能读到)，作者南澳大利亚大学教授拜伦在书中指出，广告要达到最好的效果，往往不需要去说服或灌输，只要让人在购买的时候回想起品牌的名字就可以了。市场研究机构Milward Brown创始人高登(Gordon Brown)就指出，广告的功能就是让一个摆在货架上的品牌变得“有趣”。
好吧，再回到大数据精准广告案例，其中一个最为关键的问题在于，大数据如何分析出这6千个浏览用户适合投放手机广告？对于这个问题，广告公司早有准备，给出如下的种种答案。
第一，从历史记录中寻找曾经使用过同类产品的客户进行匹配。通常使用的算法叫“协同过滤”，即由某些经验的相关性，找到潜在的适合用户。比如你玩过某款游戏，因此可认为你对该类型的其它游戏也有相同的需求。笔者并不否认该算法对某些领域确实有作用，比如游戏付费用户基本就是之前重度游戏使用用户。
但是抛开这些特殊领域，该算法内涵思想“品牌依靠忠诚的消费者发展壮大”与拜伦的理论完全矛盾。拜伦通过对销售数据进行统计学分析，他指出在所有成功的的品牌当中，大量的销售来自“轻顾客”(Light buyer)：也就是购买产品相对不那么频繁的顾客。可口可乐的生意并非依靠每天都喝可乐的人，而是数百万每年喝一次或两次的顾客。这种消费者模式在各个品牌、商品品类国家和时期都适用。无论是牙刷还是电脑，法国汽车或是澳大利亚银行，品牌依靠的是大规模人口——换句话说，大众——那些偶尔购买他们的人。
这个理论意义十分深远。这意味着你永远无法通过精准营销现有顾客来增加品牌的市场份额。而对现有顾客的精准营销，正是数字媒体所擅长的。
本着批判的精神来看待新出现未经检验的思想，笔者希望引用一下广东移动最近公布的用户换机特征数据。广东移动对旗下用户的终端迁移分析表明，使用苹果的用户升级终端，继续使用苹果手机的占比64%，忠诚度最高。但除苹果以外，其余忠诚度表现最好的华为、小米手机，更换4G后持续使用同品牌的占比不到30%。
这说明，你向苹果4或5用户推广苹果6是可行的，果粉效应推翻拜伦的理论，证实在部分领域依靠忠诚的消费者发展壮大是可行的。但除此以外，你向任何一个当前品牌的用户推广同品牌的手机终端都是不合时宜的。
因此，希望通过历史的电商数据分析推断用户下一步可能需要是无效的。就如向曾经购买过服装的用户推广服装，或许不如推广一卷纸或一桶油更为有效。
相反，成功的品牌需要找到一种方式来到达目标市场之外的群体。品牌的广告一定要用某种方式获得这部分人的兴趣——只有这样，当他们在准备购买的时候，该品牌才能自动出现在消费者的脑海中。
第二，如果“协同过滤”存在局限，广告公司会告诉你还有第二种算法，并不基于客户的历史行为记录，而是客户本身特征相似性，来找到与种子客户最为相似的客户群体。简称“Lookalike”。先需要广告主提供本则广告起到作用的典型用户，以手机为例，受广告影响感兴趣点击浏览或预购某手机的用户，大约几百或几千个。大数据公司通过Lookalike算法(专业的术语更可能是稀疏矩阵)，寻找与这几百/千个用户高度相似的其它数十万/百万客户群进行投放。
这类算法真正考验大数据平台的计算能力，因为并不是经验性的协同过滤，而是利用数十数百甚至上千个变量进行回归计算。最后按照相似性的概率打分，按照由高到低选择合适的用户群。
该模型的内涵其实很简单，就是广告要传达给应该传达的客户。比如奶粉广告目标用户就是养育0-3岁孩子的父母。如果知道要到达用户的具体身份，一切问题迎刃而解。但是对于网站或APP应用来说，并不清楚用户身份，唯一清楚的是客户的历史行为数据。而且由于数据本身的分割，有的专注于运营商，有的专注于APP联盟采集，有的专注于电商，有的专注于银行，要从分割的数据中推断出客户的身份信息，Lookalike就是不可避免的手段。
唯一的问题是，如果由几百个种子用户推断出新的几百个目标用户，准确性可能高达9成，但如果如某广告公司宣称，对康师傅辣味面进行移动DSP投放时，根据历史投放数据分析挖掘，形成样本库，再通过Lookalike技术进行人群放大，找到与目标受众相似度最高的潜在客户，扩展人群1367万，实际投放受众ID2089万。广告效果投放是最大化了，那么效果呢？在此，请允许我杜撰一个数字，很可能点击率由0.2%上升至0.3%，精准度提升50%。有意义吗？或许有，但绝对没有想象的那么明显。
第三，如果你们持续怀疑我们算法的有效性，那么我们可以就效果来谈合作，你们可以按照点击量(CPC)或者激活量(CPA)付费，如果达不到既定效果，我们会补量。这是大数据广告的终极武器。
终极武器一出，意味着广告的投放彻底沦陷为做点击、做激活的渠道，广告的“沟通消费者”初衷早被抛弃得一干二净。
通常一般消费决策遵行S(Solution)、I(Information)、V(Value)、A(Access)规则，意思是当用户产生一个需求，内心先就满足这个需求形成一个解决方案。比如说3G手机不好用，速度很慢覆盖不好，需要换一个4G终端就成为一个Solution。那么4G终端有哪些，重点考虑那些终端？消费者还是搜集信息，并非从网上搜索，而是根据以往的经历、品牌效应、周边朋友口碑自动回想那些品牌、哪些款式。传统广告的最重要功效应该就是这个阶段，当用户需要的时候，自动进入到用户视线。然后从多维度比较选择，确定首选购买品牌。最后就是去哪儿买，搜索哪儿有促销活动，哪里优惠力度最大。
根据SIVA模型，真正的以效果为导向的广告本质解决的是Access问题，最后的临门一脚。在这方面，搜索广告是真正的效果导向广告，比如淘宝的每一款商品后面都有超过1万家商户提供，到底用户去哪里购买，得付钱打广告，这就是效果广告。曾有报告对比过，搜索广告点击率高达40%以上。想一想网络、阿里靠什么为生，临门一脚的广告价格自然高到没边，据说一些医院购买网络性病、人流之类的搜索广告，单次流量价格高达数十或数百元。
搜索广告只有少数垄断接入公司才有的生意，大部分广告仍为展示类广告。如果展示类广告也朝效果类靠拢，从商业规律上属于本末倒置。
最后结果是，一方面，广告的内容充满人性的贪婪(优惠／便宜)与色欲(大胸美女)，被改造得不伦不类，上过一次当后，在沟通消费者方面反而起到负面作用。另一方面，广告公司沦落为做流量、做点击的公司，与北京望京、中关村著名的刷流量一条街没有本质的差异，最后谁真正点击了这些有效流量？曾有大数据公司分析过某款高端理财软件的阶段性用户群，与刷机、贪图小便宜的极低端用户高度相似。
三、多用靠谱的身份识别可能更有利于提升广告效果
写了这么多，大数据精准广告一无是处吗？不，怀疑真理是为了更好的应用真理。大数据广告的核心“程序化”与“定向投放”没有错，这代表移动互联网发展的趋势，也与满足特定市场、特定用户群的商品或服务广告传播需求完全匹配。问题在于目前的大数据实际能力与宣称的雄心还有巨大的差距。也就是说没有看上去的那么好。
所以，我们更应该回归广告的本来目的——更好的沟通消费者，来看待精准投放，而不是迷信大数据精准投放这样的噱头。那么什么最重要？显然不是不靠谱的协同过滤规则，也不是根本不知道原因的Lookalike，既然最重要的就是到达目标消费者，那么靠谱的身份识别应该就是精准广告的核心。
什么是靠谱的身份识别？对微信而言，判断重点活动城市是靠谱的，分析性别也相对靠谱，但如果微信告诉你说能够通过社交判断该用户是中产白领还是乡村农民，那一定是不靠谱的。因为朋友圈里宣称正在法国酒庄旅游的优雅女人或许正在出门买油条豆浆。
有时候用户使用的媒体本身就透露客户的身份特征。比如经常使用理财软件的在支付能力上较为靠谱，而使用孕宝APP的80%以上应该就是准妈妈，经常使用蜜芽的一定是宝宝出生不久的妈妈。有大数据公司给出过案例，对媒体本身进行定向和综合分析定向的效果相差无几，这就说明媒体定向是有效的，但是其它需求定向都等同于随机选择。
由于大数据本身就是不关注因果，只关注相关性，如果经过大数据洞察证实的协同规则，也可以算作靠谱的规则。比如游戏付费用户群基本上可以确定为一两千万ID的重度使用用户。
而要准确识别客户身份，多数据源的汇集与综合不可避免，围绕客户身份的各种洞察、相关性分析也是能力提升的必修功课，这或许更应该是大数据广告公司应持续修炼的核心能力。
❷ 不要盲目相信大数据结论, 有时候小数据更靠谱!
首先我先抛一个结论：在这个消费升级的时代，中国进行翻天覆地的快消品改革的年代，这个新物种爆炸的时代，消费者洞察将是接下来在品牌营销市场工作当中非常有竞争力的方向。
说到消费者洞察，很多朋友立刻把大数据给搬出来了，说大数据报告是我最喜欢看的东西。也有朋友说，不管做什么我都要先去找数据，用数据支撑我的决策。
这样的朋友是非常理性的，我自己也喜欢参考一些数据，但是今天想给大家的提醒就是不要盲目相信大数据，以及盲目相信大数据的维度。什么意思呢？大家都知道，所谓的大数据是不会说话的死数据，是根袭虚据以往经验，根据以往简单粗暴的维度统计到的数据总和。
大家都知道现在提炼大数据的方式、方法和维度是相对比较单一的，比如会从客单价、年龄、收入等部分提炼大数据，大数据还没有真正的进入到软性大数据的阶段，比如用人工智能观察微表情、行为。大数据目前还不够完善，我们目前所获得的所有数据基本上都是非常粗暴的数据。
那么这些大数据有没有价值？当然有，不然的话怎么会撑起那么高估值的那些数据公司。这些大数据很多时候是对我们的商业决策、商业模式决策有着非常重要的作用。当我们看一个市场到底有多大，看这个市场里每一类人，对具体的商业模式决策是有帮助的。但是回到大家在品牌营销具体执行层面，对于执行的预测帮助大不大，我只能说有帮助拍羡燃，但大家不要掉进大数据提供的维度里去。
举个例子，大家都知道现在各种新零售崛起，如果还是去传统超市的话，我们可能翻数据，告诉你现在还有什么样的人会去传统超市购物，他们的月收入大概是什么样的，家庭结构是什么样的，这些人的年龄是什么样的，都是非常理性的数据。我们做方案、策划、营销决策的时候，肯定会参考这样的数据推出关于传统超市如何进行品牌营销升级和转型的建议。
但是大家知道吗？这个时候你已经进到坑里了，原因是你进入了大数据为你设定的思考维度，其实如果大家自己做洞察的话，会有这样的发现。
因为我昨天约了朋友吃饭，经过了一家传统超市。当我进入时，发现一个问题——超市里购物的人多为女性。其次，这些女性有一个惊人的相似点——梳着马尾辫。
这个发现让我非常的惊讶，因为这个发现是纯感性的，没有任何的数据依据等理性参考依据，只是在那一瞬间我发现了那么多女性购物，而且都梳着中规中矩的马尾辫，穿着非常务实的衣服，选购着超市里性价比高的产品。应该说从她们的外貌上看是非常会过日子的、操持家务的人，往往不施粉黛，表情也非常恬淡。大家在感性层面能够总结出来的这些人的表现，比如说扎马尾可能会是它们的共同属性，这个属性里边暴露很多生活习惯。
另外，比如有人问我们去推一个产品给那些更小资、更挑剔、更爱美的人群的话我们应该怎么做方案。所以大家又去找数据，数据告诉你年收入在多少的人往往会去做什么样的事情。
但是还是那句话，大家又掉进了数据给你设计的陷阱。我们常说高净值人群，也常说收入在5000元以上的人群。大家想一想，所有的这个维度都是简单粗暴地把一个大众画像塞给你，但事实上我们要切分的是一小撮人群，那个人群才更精准。
比如像刚才提到的更小资、更挑剔的人群，与其说他们的收入在多少以上，不如去思考一下他们的共同的模型或者行为方式是什么样。这里我也给大家抛一个感性的思考维度：你与其思考身边年收入在20万以上的人，不如去思考一下身边的那些坚持做美甲的朋友，他们是否共性更大。所以这就是一个关于感性洞察和理性数据之间的博弈，有的人相信理性、相信大数据，有的人相信感性判断、相信小数据，甚至相信对个体的判断。
所以我个人是一个小数据论者，特别相信一句话，就是每个人都有他的不同，一小撮人有他们的共同点，但他们绝对跟大部分人都有不同，所以我们只有尊重人性的这些不同，找出真正的感性观察在派拍他们身上的烙印，才能精准地抓到这波人，洞察到他们的生活习惯、人性、人情，所以理性的数据有时给我们提供了宏观判断和市场梗概，但是大家在当下阶段不要去盲目相信这些理性数据，更不要依据他去做很多具体执行层面和洞察层面的观察，因为那样往往给出来的是一份没用的策划！
你说：这是一个看脸和看财的时代，我说：这也是一个看个人品牌深度IP的时代。让你的语言表达更有价值，让你的人际交往更加高效，让“向登付”教你如何系统化打造个人品牌深度IP。这里不打鸡血，不煲鸡汤，不喊口号，从零开始，一步一步，一天一天，日积月累，水滴石穿。这里没有速成，更没有秘诀，只有目前更实战的方法和操作指南，如果你愿意花时间每天来收听和练习，恭喜你来对地方了，欢迎您前来，让我们一起学习，共同进步，打造真正属于你自己的“个人品牌深度IP”，祝愿您早日成功！成为牛x的个人品牌深度IP！我是"向登付"，打造个人品牌深度IP发起人！
❸ 海方报告查大数据是不是骗局
不是。大数据检测非常靠谱，不是骗人的，大数据检测既精准又方便，现在是大数据时代了，很多软件或者是，其他的东西大部分都是有大数据的来分析数据，它不仅可以分析数据，而且还便宜了，人们的生活促进了经济的发展，所以现在大数据真的非常靠谱，应用也非常广泛了。海方报告是指船舶在航行途中遭遇海事致使所载货物受损时，船长向主管部门、货主、保险公司等提交的申述船长和全体船员已采取一切力所能及的措施保护船货和货物受损状况报告。如船舶在航行中或停泊中发生碰撞、失火、触礁、搁浅海损事故等。
❹ 网信大数据是不是骗子
大数据平台不是骗局。
大数据行业在近几年应用领域还在逐年增加，所以更多的企业开始重视和布局大数据领域，人行姿才需求的缺口非常大，有一部分是不可信的，有不少骗渗慎子打着大数据的名号去欺骗不了解大数据的人，在一些招聘网站档喊绝随处可见大数据分析师的岗位，不限任何条件，去了之后就是忽悠你讲课，最后逃不了杀猪盘的命运。
❺ 免费查网贷大数据的靠谱吗
很多免费查的大数据还是有点问题，很多数据不准确，而且更新也不及时，可以在支付包奋腾数据进行查询，里面数据是比较准确的