产品优势

优势点 为什么选择腾讯云数字营销 DM?
帐号
腾讯帐号体系

20亿+ 设备(imei/idfa)识别,无缝打通腾讯海量用户画像。

画像
多维度用户画像

建立多维度用户画像,包括但不限于年龄、性别、地域、学历、资讯、泛娱乐、电商、金融、生活等,全方位一体化刻画用户,保证精准性和覆盖度,有效解决业务中冷启动、画像稀疏等各类问题。在内外业务中,平均点击率提升50%+,转化率提升40%+。

系统
超大规模实时机器学习系统

结合海量多维度精准画像,基于实时行为上报,构建超大规模实时机器学习系统。系统包括但不限于 ETL 平台、特征选择平台、机器学习平台、在线服务平台、效果评估平台及运维管理平台。多平台有机合作,为数字化服务把好每一道质量关。

实时
实时营销服务系统

构建全实时营销服务系统:实时数据上报(秒级)+ 实时画像关联(秒级) + 实时兴趣更新(秒级)+ 实时机器学习模型训练(分钟级) + 实时在线营销服务(毫秒级)。

在数据和算法保持不变的前提下,相对按小时离线计算,平均点击率提升20%+。

可靠
自动化监控及质量保证

提供可靠成熟的自动化监控系统和质量保证团队,7*24 小时监控 + 实时 push 服务。

 

产品功能

预估点击率 pCTR
多数据源特征选择

结合客户上报的曝光及点击流水,从腾讯多数据源画像中选取信息量较大的用户画像作为 pCTR 模型的输入特征。特征选取采用分布式信息增益策略,可以基于曝光及点击流水定期快速更新有效特征。

实时样本生成 +离线模型训练

实时采集上报的曝光及点击流水,基于腾讯画像库生成 pCTR 训练样本,样本实时落地到离线存储库,模型实时更新。

在线 pCTR 服务

对线上实时请求的广告集合进行 pCTR 计算,并在 30ms 内返回结果。

预估转化率 pCVR
多数据源特征选择

结合客户上报的点击、转化流水,从腾讯多数据源画像中选取信息量较大的用户画像作为 pCVR 模型的输入特征。特征选取方式是采取分布式信息增益策略,能基于点击、转化流水定期快速更新有效特征。

实时样本生成+离线模型训练

实时采集上报的点击、转化流水,基于腾讯画像库生成 pCVR 训练样本。样本落地到离线存储库,模型实时更新。

在线 pCVR 服务

对线上实时请求的广告集合进行 pCVR 计算,并在 30ms 内返回结果。

流量优选
综合 IP、LBS、click 时间分布以及 AUC(兴趣差异),离线计算媒体质量分数

结合腾讯不断积累的用户 LBS 信息以及各类兴趣画像,除了进行有效 pCTR 计算外,还能进行反作弊计算。腾讯将基于一些常用规则,例如将 ADX 中携带的 IP 信息与设备 ID 真实 LBS 进行匹配以甄别低级作弊流量,同时还会基于用户画像,刻画不同用户在不同广告素材的兴趣差异以甄别高级作弊流量。

基于真实转化反馈,构建pCVR转化预估体系


在线媒体质量预估服务

基于线上实时请求的 media-adpos 列表,在 30ms 内返回媒体(最小粒度到广告位)质量分数。

广告优选
多数据源特征选择

结合客户上报的曝光及点击流水,从腾讯多数据源画像中选取当前业务下信息量较大的用户画像作为广告优选的用户兴趣特征。特征选取方式是采取分布式信息增益策略,能基于曝光、点击流水定期快速更新有效特征。

实时用户->广告相关性计算

基于用户特征,快速从海量广告候选池中召回与当前用户兴趣匹配的广告及素材集合并排序。匹配方式可选择基于点击、购买等行为计算用户特征和的素材相关性;也可以选择基于曝光-点击等行为计算素材在用户各种特征维度下的点击率排序。

在线广告优选服务

基于线上实时请求,快速计算用户-广告相关性,并在 30ms 内返回结果。

受众优选
多特征人群扩散

将客户上报的点击,转化等流水作为广告种子用户,并以腾讯多数据源画像作为用户兴趣特征,计算种子用户的 lookalike 模型,从而实现对种子用户进行扩展。

实时广告->用户匹配

基于实时线上<广告,用户>匹配请求,结合人群扩散模型,并在 30ms 内完成当前用户匹配度计算,并返回结果。

数据质量校验
实时质量监控

为了让客户尽快实时了解自己的数据质量,腾讯支持数据监控以及异常数据甄别,包括但不限于如下:

  • 分广告点击率对比(top3 和 tail3)
  • 广告位重复曝光
  • 曝光 - 点击流水中点击可回溯曝光比
  • 广告位 - item 曝光、点击、ctr(top3 和 tail3)
  • 账号占比,各特征覆盖占比
 

应用场景

广告网络

在广告网络(AD Network,ADN)模式下,针对实时请求流量,结合腾讯20亿综合用户画像,精准预估用户对候选池中广告的点击率和转化率,广告网络平台结合 CPC或 CPA 计算出当前流量下各候选广告的 eCPM,精确控制物料的曝光,以达到利益最大化。

  1. 1接收秒级实时曝光及点击,转化行为上报。

  2. 2基于行为,结合海量用户画像,实时生成机器学习模型所需训练样本。

  3. 3实时机器学习训练,完成点击率、转化率、流量质量等预估模型。

  4. 4接收在线流量请求,毫秒级返回点击率预估,转化率预估等服务结果,支持 ADN 完成广告展示排序(基于eCPM=CPC * pCTR等)。

程序化广告

在程序化广告模式下,结合腾讯20亿综合用户画像对流量质量进行评估,辅助需求方平台在转化缺失和转化稀疏的情况下,依然能够挑选较好的媒体进行投放。针对实时竞价请求,精准预估用户对候选池中广告的点击率和转化率,并基于此精确计算 Bid Price,以达到利益最大化。

  1. 1接收秒级实时曝光及点击,转化行为上报。

  2. 2基于行为,结合海量用户画像,实时生成机器学习模型所需训练样本。

  3. 3实时机器学习训练,完成点击率、转化率、流量质量等预估模型。

  4. 4接收在线流量请求,毫秒级返回点击率预估,转化率预估,流量质量评估,物料优选服务结果,支持 DSP 完成流量优选和竞价(CPC*pCTR 或 CPA * pCTR * pCVR)。