文档介绍：移动媒体广告拓展
大数据时代的广告营销
    随着互联网的快速普及与网络终端的多元化，我们的生活维度正从一元结构〔现实生活〕逐渐走向二元结构〔线下与线上〕。十几年前，我们与周围的人在现实生活 中基于各种纽带，以一种近乎鸡犬相闻的状态相客户的消费行为和购置方式极易在短的时间内发生变化。在需求点最高时及时进行营销非常重要。我们需可通过技术手段充分了解客户的需求，并及时响应每一个客户当前的需求，让他在决定
购置的“黄金时间〞内及时接收到商品广告
以如下四层模型为根底建立广告投放精准化的定位
1场景
    对于广告主、谁是目标用户该如何向这些用户推荐产品，营销人员往往把握不准难以去除答复，而在实践中更对的采取比拟粗粒度的用户选择方法推送广告信息，收效优限
2方法
    主要步骤：行为分层-?关联分析-?界定评判标准-?选取目标客户
3模型
    对客户行为属性进行合理分层的根底上，对现有客户网站访问记录、类别广告关注度、移动新业务消费习惯等进行广泛的关联分析，得出类别广告现有的用户特征及目标用户的提取标准
4数据
    数据输入 boss系统数据、misc平台数据、各业务平台〔如12580综合效劳平台、12580惠生活、移动气象站、车讯通、宝贝方案等〕和网站数据
数据输出
第一步 用户行为分层数据
第二步 单类别广告投放数据及回复数
第三步 支持度、可信度、提升度具体值
第四步 广告主目标用户名单
业务建模
用户分类模型
1数据预处理
    通过用户账户信息、套餐定制情况，我们先将这些用户按客户基信息、消费情况、套餐情况进行统计计算，对数据进行预处理
用户编号
性别
年龄层
婚姻状态
是否购车
是否购房
孩子数量
估计收入
月消费
套餐分类
1
男
A
Y
A
Y
1
100000
43
NA
2
男
A
Y
A
Y
1
3000
78
NA
3
男
A
Y
A
Y
1
43200
175
129
4
男
C
Y
C
Y
1
120000
156
129
5
女
C
Y
C
Y
0
350000
219
189
6
女
A
N
A
N
1
120000
98
69
7
女
D
N
D
N
0
40000
23
NA
2特征变量的分析和挖掘
    我们从消费水平，时间变化，空间变化和用户结构这四个方面对用户信息进行分析，挖掘其中直接或间接表达出来的信息特征，依据这些特征变量并对局部变量进行离散化处理
以用户账单为研究对象，在预处理后的数据中，我们直接提取了三个变量：套餐费用、增值业务费用、总费用，作为消费水平的表征变量。
    关于时间变化方面，我们冲流量记录中抽取两个特征变量：
主要网络使用时段：网络访问次数及流量比例最大的时段
忙时比例：流量最多的时间段的往往次数除以总次数
    根据电信市场营销策略中普遍使用的规那么，我们将网络使用分为四个比拟经典的时段a凌晨 0am-8am b白天时段： 8am-6pm c晚间时段 6pm-9pm d 深夜时段 9pm-12pm
对每个人在各个时段网络使用总流量分别进行统计，四个时间段的流量使用总量范围有较为明显的区别。
    对网络访问这依据访问时间段进行分类和统计后，定义如下变量类型：
    由于每个基站都有自己的工作范围，从通话记录中的所属基站数据及所给地图的信息可推知主叫者此时所在的大致位置，故可近似认为，通话地点趋近于所属基站，并定义如下变量： 1〕 本地比例：本地通话次数除以总通话次数〔将通话次数最多的地点称为本地〕 2〕 流动类型：表征主叫者在这10天之中的位置情况。 
    由于地图中的基站分布较为密集，而一个人的通话地点总会存在小范围变动，当一个人的通话属于相邻的两个基站，仍存在没有出行的可能性，此时假设将这两个 判断为异地显然是不准确的。为了解决这个问题，我们对每个主叫这的通话地点〔所属基站〕进行统计，取通话次数比例最大的基站作为主叫者的本地，且将与这个地点直接相邻的基站同样作为本地，由此根底上再对主叫者的流动类型进行判断。
    根据用户在网络日常使用中对类别资讯的关注、对资讯的评议、在社交网站发布的状态，对在线商城的上商品的浏览，购置及顶棚以及各类别增值业务的定制等分析出用户的相关行为，分析出在实体上兴趣度，按具体实体行为给用户赋予相关类别标签，并