誠然，每個個體的行為也許都不盡相同，但都是有規(guī)律的。通過海量數(shù)據(jù)的獲取與分析，能夠獲得人們的行為習(xí)慣的有效信息，當(dāng)信息量累積到足夠的規(guī)模之后，科學(xué)家們通過建模找尋數(shù)據(jù)間的聯(lián)系，從而對每個人的個體行為習(xí)慣進行推測，并提供分析。而“棱鏡”計劃正是通過海量數(shù)據(jù)的收集，建模與分析，找尋到單一個體與諸如“恐怖襲擊”、“隱藏罪案”等事件間的聯(lián)系，并采取相應(yīng)應(yīng)對方式的計劃。
當(dāng)洛杉磯警方通過“棱鏡”計劃所收集到的數(shù)據(jù)，對幾十年的犯罪記錄進行分析后，預(yù)測犯罪行為模式與頻率，從而有針對地安排警力的時候，廣告主也可以通過分析海量客戶的購買行為能夠了解客戶，進行有針對的營銷以提升業(yè)務(wù)，而易傳媒人群標(biāo)簽算法，就是幫助廣告主了解用戶并提升投放效果的數(shù)據(jù)分析模型，是“活”的大數(shù)據(jù)的現(xiàn)實實踐者。
“活”的大數(shù)據(jù)實踐者——
美國記者華萊士曾經(jīng)談笑風(fēng)生地說：“如果它看起來像鴨子，游泳像鴨子，叫聲像鴨子，那么它可能就是只鴨子。”
而易傳媒人群標(biāo)簽算法，就是幫助廣告主找到“鴨子”。
在營銷界，啤酒和尿布的案例一直為人們所熟悉。普通人可能無法理解，為什么尿布與啤酒這兩種風(fēng)馬牛不相及的商品擺在一起，居然使兩者的稍量大幅增加。原來，媽媽們通經(jīng)常會囑咐丈夫在下班回家的路上為孩子買尿布，而丈夫在買尿布的同時又會順手購買自己愛喝的啤酒。這個發(fā)現(xiàn)為商家?guī)砹舜罅康睦麧?，而在互?lián)網(wǎng)浩如煙海卻又雜亂無章的數(shù)據(jù)中，發(fā)現(xiàn)類似“啤酒和尿布”之間聯(lián)系，就是人群標(biāo)簽算法的核心價值所在。
人群標(biāo)簽算法首先根據(jù)互聯(lián)網(wǎng)的行為屬性將人進行了區(qū)隔，隨后分析不同人群之間的共同屬性，建立人群間的聯(lián)系并應(yīng)用于后續(xù)的廣告投放。
這好比某超市門店發(fā)現(xiàn)：老張買了2瓶啤酒、4袋花生米?？墒窃诔兄校私庖粋€又一個老張們的喝酒習(xí)慣沒有意義。門店需要知道的是，有多少個老張?又有多少個喝酒習(xí)慣不同的老李?將喝啤酒配花生米的老張與喝干白葡萄酒配腰果的老李分開，分成不同的客戶群體才有意義。比如只要知道，在喝酒的100個客戶里，有30個喝啤酒配花生米的老張，10個喝干白葡萄酒配腰果的老李，另外有20個老王是喝黃酒配豆腐干，這就足夠了。這時就可以知道，啤酒與花生米有關(guān)系，干白葡萄酒與腰果有關(guān)系，黃酒與豆腐干有關(guān)系，那么這些商品可以考慮一起促銷，或者擺放在相近的位置進行陳列。
易傳媒人群標(biāo)簽算法，是將互聯(lián)網(wǎng)上的“老張”、“老李”、“老王”區(qū)分開，并找到他們真正關(guān)注的內(nèi)容，將其標(biāo)簽化處理后，分析標(biāo)簽間的關(guān)系并進行關(guān)聯(lián)化投放的算法。比如我們發(fā)現(xiàn)到把瀏覽汽車網(wǎng)站作為每天必做事項的老張，也經(jīng)常搜索“LED電視”，從而對其標(biāo)記“汽車”與“LED電視”的人群標(biāo)簽，當(dāng)發(fā)現(xiàn)千千萬萬個“老張”都同時具有“汽車”與“LED電視”標(biāo)簽的時候，我們發(fā)現(xiàn)這兩個標(biāo)簽似乎存在某種必然的聯(lián)系，便可對這些“老張”們，投放LED電視的廣告了。而這在過去，僅憑經(jīng)驗主義大行其道的時代，汽車與LED電視，便如啤酒與尿布一樣，是風(fēng)馬牛不相及的兩種東西，是萬萬想不到這兩者之間的聯(lián)系的。
互聯(lián)網(wǎng)的海量數(shù)據(jù)不僅可以提煉歸類并開發(fā)成為實用的系統(tǒng)工具，在實際執(zhí)行中，數(shù)據(jù)也是無處不在并且可以被擴展化使用的。而“人群標(biāo)簽算法”就是賦予數(shù)據(jù)活力，使大數(shù)據(jù)“活”起來的一種典型體現(xiàn)。人群標(biāo)簽算法是通過線上人群行為數(shù)據(jù)的收集，抽取并標(biāo)記以產(chǎn)品導(dǎo)向的興趣標(biāo)簽，經(jīng)由人群標(biāo)簽聚類，并對人群進行行為及興趣趨勢分析的流程化算法。
通過持續(xù)的、多渠道的、海量的數(shù)據(jù)收集及管理，易傳媒從線上到線下，從在線到移動，將受眾進行納米級微分，幫助廣告主最準(zhǔn)找到人、管理人，支持強大的受眾區(qū)隔，提供包括26類人口屬性細(xì)分、20大類159小類行為興趣細(xì)分、3大類產(chǎn)品行業(yè)、數(shù)千種行業(yè)產(chǎn)品意向細(xì)分，共13000多個、3層結(jié)構(gòu)的受眾標(biāo)簽。
大數(shù)據(jù)時代，最大的創(chuàng)新就在于，人們可以通過算法科學(xué)家及數(shù)據(jù)分析師們不斷調(diào)整優(yōu)化的數(shù)據(jù)模型來解讀大腦無法處理的數(shù)據(jù)間關(guān)系，我們的四周充斥著數(shù)據(jù)，而我們的生活也被不斷收集數(shù)據(jù)的計算機引導(dǎo)并優(yōu)化著。