lookalike到底是什么？

lookalike到底是什么？

Lookalike，即相似人群扩展，是基于种子用户，通过一定的算法评估模型，找到更多拥有潜在关联性的相似人群的技术 。值得注意是， lookalike不是某一种特定的算法，而是一类方法的统称 ，这类方法综合运用多种技术，比如协同过滤、node2vec等，最终达到用户拓展目的

对于特征和模型算法，不同的广告技术公司各有差异，特征取决于其DMP有哪些数据，主要方式有以下三种：

这里以分类模型为例，人群拓展过程如下：

首先，提交数据。 广告主需向DMP提交一系列客群范围，一般以设备码、电话号码等形式存在，我们称之为种子用户。

然后，进行建模。 种子用户在和DMP平台所拥有的用户数据进行匹配，排除非DMP用户，将剩下的种子用户作为机器学习的正样本。负样本会从平台的非种子用户进行选取，将其转化为一个二分类的模型，由正负样本组成学习的样本，训练模型。

最后，输出拓展用户。 根据广告主所需要的目标用户量级，按模型机制输出数据。根据扩散量级需求，量级越小，包含的用户群体相似程度越近。广告主可使用拓展后的用户数据包进行广告投放。

在互联网商业应用中，许多 广告 主在“搜寻潜客”时，都会遇到如难以识别高潜人群、难于平衡成本与规模等问题。而在 数字营销 的过程中，运营人员或者数据分析同学也是在根据已有的经验， 通过用户画像的方式，扩展与历史转化人群相似的人群 。比如，通过性别、年龄等筛选出化妆品的受众人群等。显然，这种方式有些粗糙。

那么，有什么方法可以优雅而有理有据的解决这个问题吗？答案是肯定，不然我费劲巴拉的写这篇文章干嘛，躺着刷刷视频不香吗...言归正传，相似人群拓展（Lookalike）的工作机制是基于种子用户画像和社交关系链寻找出相似用户。即， 根据种子人群的共有属性进行自动化扩展，以扩大潜在用户覆盖面，提升营销/广告效果 。

具体来讲，相似人群拓展（Lookalike）是基于种子用户，通过用户画像、算法模型等找到与种子用户更多拥有潜在关联性的拓展技术。Lookalike算法是计算广告中的术语，不是单指某一种算法，而是一类方法的统称，这类方法综合运用多种技术，其目的就是为了实现人群包扩充。

举个广告的栗子 ，对于一个化妆品类广告主，需要对100万人投放自己的广告，但是根据经验或者画像只有10万的人群包，那么如何选取这100万，同时满足人群量级和转化（盲目选择可能存在无效用户）两个因素，就需要用到Lookalike相似人群拓展技术了。比如，向品牌偏好、消费价格区间匹配的人群进行投放等。

举个数字营销的栗子 ，对于运营人员，需要将某一个节日活动向100万用户进行短信/Push发送，但根据画像刷选之后，可能发现这波用户已经被其他业务的运营发送过了N多次，最后剩下可以发送的用户寥寥...此时Lookalike相似人群拓展的作用便来了。根据种子人群（已有过的转化人群）的共有属性进行自动化扩展，以扩大潜在用户覆盖面。对于拉新任务来说，谁用谁知道....啊~真香~

Lookalike相似人群拓展方法主要有以下几种方式，

同时，我们 需要注意到的问题 是，随着流量不断增大，相似人群的聚焦性也必然逐步降低，寻找目标人群的难度加大，致使非目标人群（无效人群，对转化没有帮助，但是会增加投放成本）的比例也随着流量的增加而增加。而Lookalike技术通过大数据分析和复杂模型学习归纳高质量人群的人口特征，然后在更大的流量范围内，寻找具有类似人口特征的人，从而实现目标的转化。

另外，做任何业务背景的问题，我们都需要关注其背后的可解释性：虽然可以通过一系列的用户画像、机器学习技术拓展了一批用户，但是拓展的途径、人群的行为特征等都需要一个直观的解释。比如扩展的人群在哪些特征或行为上匹配种子用户，而未被拓展的人群，又是怎么样的？ 这不仅为拓展提供了帮助，也为badcase溯源问题提供了一套良好的方式方法。

Google的“ Similar Audiences ”根据用户近期的浏览和下载APP行为，为广告主推荐拓展相似的人群。谷歌广告后台会自动生成与你的网站访问者或现有客户兴趣相似的用户群体，一般情况下，你设置了多少个再营销相似群体列表，就会生成多少个对应的相似人群。

Similar Audience不仅可以帮你查找到与你网站访问者相似的人，并且还能帮你向这些特定人群传递信息，为你带来高质量的潜在用户，甚至直接转化。例如，你开了一家保险公司，并且想推销碎屏保险。通过Remarketing的使用，你可以将之前来过你网站并且查看过碎屏保险的人创建为一个List，然后在这个基础上去寻找相似的受众。

这样一来，新的受众和你之前Remaketing Lists里面的人都是有着相同的行为习惯，兴趣，甚至购买倾向，从而转化率大大提升。

Facebook的 “Lookalike Audiences” ，可以根据Custom Audiences所筛选出的用户名单为参考，再筛选出与其相似的人群，让广告主可以将广告投递给此名单内的用户。

通过Facebook像素插件，来记录客户在你网站的行为，比如，加入购物车但未购买，像素会反馈给你信息，方便后期给客户定向投放广告。

同时相似群体大致有以下情况：

阿里推出达摩盘（DMP）Lookalike 模型根据对店铺或品牌最忠实的那批用户（种子用户），并通过Lookalike 模型找到与这些种子用户相似的人来增加店铺的有效浏览和转化。

腾讯社交广告团队基于种子用户画像和关系链寻找相似用户，即根据种子人群的共有属性进行自动化扩展，以扩大受众覆盖面，提升广告效果。

例如，家庭、社会身份、地位、相关群体等社会因素，文化、次文化等文化因素，以及行为、动机、兴趣等心理因素等都能形成相似人群拓展Lookalike的筛选标准。以社交关系链为基础，腾讯社交广告可以助力广告主寻找相似线索、捕捉高潜客户。

腾讯广告算法大赛 2018年的赛题，题目如下：

在特征工程层面，总结一下鱼和jachin的开源方案中的思路如下：

（1）原始onehot特征，比如aid，age，gender等。

（2）向量特征，比如interest1，interest2，topic1，kw1等

（3）向量长度统计特征：interest1，interest2，interest5的长度统计。

（4）uid类的统计特征，uid的出现次数，uid的正样本次数，以及uid与ad特征的组合出现次数，组合正样本次数。

（5）uid的序列特征，比如uid=1时，总共出现了5次，序列为[-1,1,-1,-1,-1]。

（6）组合特征：age与aid的组合，gender与aid的组合，interest1与aid的组合，interest2与aid的组合，topic1与topic2的组合，LBS与kw1的组合。

（7）五大类特征，投放量（click）、投放比例（ratio）、转化率（cvr）、特殊转化率（CV_cvr）、多值长度（length），每类特征基本都做了一维字段和二维组合字段的统计。值得注意的是转化率利用预处理所得的分块标签独立出一个分块验证集不加入统计，其余分块做dropout交叉统计，测试集则用全部训练集数据进行统计。

（8）此外，我们发现一些多值字段的重要性很高，所以利用了lightgbm特征重要性对ct\marriage\interest字段的稀疏编码矩阵进行了提取，提取出排名前20的编码特征与其他单值特征进行类似上述cvr的统计生成CV_cvr的统计，这组特征和cvr的效果几乎相当。

谢邀！

Look-alike 即相似人群扩展，即基于广告主提供的现有用户/设备ID，通过一定的算法评估模型，找到更多拥有潜在关联性的相似人群的技术。

Look-alike可在保证精准定向效果的同时，扩大投放用户覆盖面。通俗地说，就是通过种子用户（例如王老吉购买者），按照某些逻辑规律（例如容易上火），找到他们背后的关联性群体（大压力工作者、熬夜球迷、游戏玩家、火锅店客人等）。

在挖掘相似人群的过程中，Look-alike主要依据用户基本属性及其拥有的行为信息，这就需要庞大的数据存量作为分析源头。

访问网站、使用App、观看视频、浏览新闻，甚至搜索内容、下单购物、连接热点等，在匿名去敏化后，往往就是各大DMP重点整合的关键数据。

通过长期的数据采集和分析，依据个性标签模型，DMP能将匿名用户描绘出栩栩如生的特征“画像”，帮助DSP识别目标流量类型，亦为Look-alike提供了数据支持。

有米广告的Youmi DMP可利用广告主现有的第一方用户数据进行种子用户分析，通过Look-alike交叉分析算法洞察，根据种子用户的共有属性进行关联拓展， 以投靶更新鲜、高可能的潜在目标人群。

Lookalike定向由Facebook于2013年3月首次提出，即面向广告主发布的一项新广告功能Lookalike Audiences，能帮助广告主找到与当前广告受众具有类似特征的潜在消费者，可以将有限的线下数据或特定高精度的种子数据扩散，来满足广告或者营销的需要，其官网数据显示找到潜在广告受众能节省80%成本。

详细的可以参考这篇文章，讲的挺好的：