1、基于基于创新算法的半创新算法的半监督监督lookalike的的效果效果营销营销让 世 界 心 中 有 数目 录CONTENTS01.MobTech公司介绍02.市场分析03.Lookalike场景下样本补充技术04.营销场景下的模型算法05.转化率技术革新下的飞跃案例06.MobTech产品介绍Lookalike 市场分析厂家GoogleFacebookYahoo!微信建模方法predict modelpredict modelSVM,GBDT,LRLR/GBDT+LR主要特征近30天网页浏览行为，app行为，搜索行为，网页类型、query类型。社交行为，人口统计学标签人口统计学标签，网页浏览

2、行为、app行为社交行为、阅读、关注最小种子用户规模500100，推荐200+1000，推荐10000+/通过目标种子人群，扩散到整个到整个人群库中，根据种子特性，寻找最相似的人特点：只有正样本，且一般量级不大当使用分类模型来处理lookalike业务时，最大的问题就是负样本的获取。随机选取，依赖自然情况下负样本事件发生的概率较大。传统做法MobTech做法不用负样本：PNB算法PU Learning（Positive-Unlabelled Learning）Lookalike场景下样本补充技术半监督式机器学习详见下例NBSpy的基本思想是从P中划分出一个子集S，将S中的样本放到U中，从而得到

3、新的正样本集P-S和未标识样本集U+S。使用P-S作为正样本，U+S作为负样本进行分类，当分类结束后，利用对那些“间谍”样本的标识，确定一个阈值th，再对U中的文档进行划分得到可靠的负样本集合RN。其中，从P中划分子集S的数量比例一般为15%。Spy使用Rocchio算法与上述NB分类器计算RN的步骤很类似，只要把上述算法中第3步的分类器替换为Rocchio分类器即可。Rocchio对特征one hot编码后，对每个特征，如果其在P集合中的出现频次大于N集合，记该特征为正特征(Positive Feature,PF)，所有满足该条件的特征组成一个PF集合。对U中的每个样本，如果其完全不包含PF

4、集合中的任意一个特征，则该样本应加入RN。1-DNF相比纯粹的随机挑选，尽可能地从无标注里剔除掉接近正样本的样本，有多种算法。Lookalike场景下样本补充技术半监督式机器学习给定正样本集PD及无标注样本UD在PD上学习正样本下各特征的概率分布#(|1)=,(-.,01),(01)引入超参Pr(1)，使用业务经验、数据积累赋值，得到正负样本的先验概率。再利用全概率公式及UD，得到负样本各特征的概率分布#2=#20#0+#21#1#20=#2#(2|1)#(1)1#(1)但应用NB算法，需要计算负样本各特征的概率分布及正负样本的先验概率。在没有负样本ND的情况下。Lookalike场景下样本补

5、充技术半监督式机器学习大同小异，以NB为例：Step 1Assign each item in the class label-1Step 2Build a NB classifier using and Step 3Use the classifier to classify.Those items in that are classified as negative form the reliable negative set Step 4Assign each item in the class label 1相比纯随机挑选的负样本，使用进过PU-Learning后得到的负样本，最终得到

6、的模型在效果上能有2%5%的提升。Lookalike场景下样本补充技术半监督式机器学习将AUC理解为：从正负样本集中随机挑选一个正样本以及一个负样本，模型对正样本的Score大于负样本的Score的概率。形式化为：=Pr(.B.D).进一步的，设正样本集为P，负样本集为Q，计数函数g(x)如下：=G0,0,则()J=K0L(.(NB OD)LOPK0NPK最终，为了方便应用梯度下降法，将g(x)改为sigmoid函数，（当x值特别大时，sigmoid的结果等于g(x)，故此为AUC的良好近似）=1R(.(NB OD)0,LN,O最终，能在验证集的AUC上取得3%左右的提升AUC是2分类问题中最

7、常用的模型评价指标。既然如此，为何不直接以AUC 为 损 失 函 数？基 于此，改造出了MobTech独特的逻辑回归模型营销场景下的模型算法机器学习算法A/B Test，随机选取小部分流量(如5%)，用于新模型测试，运行一段时间后，与同期运行的旧模型进行统计、比较。传统做法在营销系统中引入MAB（Multi-Armed Bandit）来做自动优化，尽量减少机会成本。MobTech做法弊端承受测试时将流量分给低转化率模型导致的机会成本。研发出来的新算法，经过本地测试、历史数据测试，最终还是要上生产环境投产测试。如何分配测试流量？营销场景下的模型算法机器学习算法Step 04Step 03Step

8、 02Step 01随机选取小部分流量(如5%)，分配给新模型用于测试；经过1个stage之后，统计新模型和旧模型效果，得到两者分别的beta(,)分布；基于两者的beta分布计算两者在下一stage的流量比例；按照第3步得到的比例分配流量，回到第2步循环，直到测试结束。MobTech具体算法营销场景下的模型算法机器学习算法相比A/B Test，能取得更好的转化效果营销场景下的模型算法机器学习算法完善的全景完善的全景营销生态闭环营销生态闭环客客户户SMS短信推送短信推送转化率技术革新下的飞跃案例0.02%0.13%2018/050.03%0.04%0.05%0.06%0.07%0.08%0.0

9、9%0.10%0.11%0.12%0.29%0.23%2018/062018/072018/082018/092018/102018/112018/122019/012019/022019/032019/042019/052019/062018年5月2019年6月期间，Lookalike在游戏行业投放情况的数据显示，普通用户在使用3个月后转化率提升至0.05%；当模型lookalike升级使用PU Learning半年后，转化率高达0.11%；再次升级算法包括AUC+MAB后，短短三个月转化率就已达到0.29%，效果显著。转化率技术革新下的飞跃案例0.04%0.08%0.21%0.25%0.3

10、0%0.35%0.36%0.39%0.90%1.04%1.07%1.29%1.61%1.75%2018/052018/062018/072018/082018/092018/102018/112018/122019/012019/022019/032019/042019/052019/062018年5月2019年6月期间，Lookalike在金融行业投放情况的数据显示，普通用户在使用3个月后转化率提升至0.25%，转化效果非常显著；当模型算法采用PNB/PU Learning使用近半年后，转化率高达0.90%；再次升级算法包括AUC+MAB后，短短三个月转化率就已达到0.29%，效果显著。Mo

11、bTech是全球领先的综合性智能科技企业，以数据应用为主导，融合顶尖的大数据、云计算、人工智能等多元先进技术，打造MobService、MobSmart，MobAI，MobData研究院4大品牌，为全球200多个国家和地区的企业、开发者和政府机构提供商业智能解决方案、App运营赋能方案、企业级AI智能方案、数据咨询研究等服务。让世界心中有数品牌网络MobSmart全球领先的第三方全景数据服务平台MobAI企业级【AI+数据】智能实验室MobService第三方移动应用服务平台Mob研究院大数据研究咨询机构19MobTech数据实力累计覆盖设备100亿+可以覆盖国内95%+的独立设备MAU 10

12、亿+月活跃独立设备数5000+兴趣标签体系3层标签+垂直场景DAU 2.5亿+日活跃独立设备数覆盖APP 40万+服务开发者30万+LBS覆盖设备30亿+4重定位地理场景信息2亿+2021Mob自有数据企业一方数据第三方合作数据数据感知系统数据聚合数据治理质量控制数据认知系统行业AI大脑大规模数据集群行业数据云数据索引知识沉淀画像标签用户关联数据资产管理数据调度引擎数据安全行业应用开放平台BI服务SAAS工具数据超市政府营销金融风控商业地理PAASAI实验室科技平台+行业AI规则引擎数据标签维度构建千人千面的标签维度5000+22第三方全景数据服务平台介绍第三方移动应用服务平台MobServi

13、ce是隶属于MobTech旗下的第三方移动应用服务平台，从2012年开始便为App的开发与运营全面赋能，相继推出十余款SDK产品和场景解决方案，形成了覆盖App全生命周期的多维功能矩阵，全面革新开发和运营场景，让移动开发更加智能化、自动化，让App运营更加低成本、高能效。0元完全免费，开发者可享受Mob提供的免费技术服务。5分钟用不到5分钟就能够集成一个甚至数个SDK，操作简单，方便高效。600K包体小于原生SDK，iOS端可以去SDK化，Android最小600k24小时我们提供7*24小时的专业技术支持服务100%100%开源，可自定义界面，符合自己的APP需求6年6年多的技术积累，研发了

14、Gradle插件MobService产品矩阵Mob云验证移动场景还原方案ShareSDKSMSSDKMobPushMobLink智能化推送服务社会化分享组件云识别免验证码服务短信及语音验证系统极简验证，让用户不再等待秒 验秒验优势3秒完成验证准全快新准确率达99%以上专人维护，保持最新三大运营商合作第三方全景数据服务平台MobSmart，是隶属于MobTech旗下，全球领先的第三方全景数据服务平台，能够为企业提供从线上到线下，覆盖行业多场景的商业化智能解决方案。以【全景大数据+场景小数据】的服务战略为支撑，MobSmart积极探索数据智能与商业应用的更多结合点，并不断突破驱动技术前沿，打造出“

15、前台+中台+后台”的商业化智能协同网络，针对不同行业的营销、风控、增益、效能等等全场景问题，迅速判断、协同输出最直接有效的智能解决方案，全链路优化营销推广、市场分析、管理决策、运营辅助、内部架构等流程，帮助企业快速跨入智能化商业道路。MobTech全景服务平台产品矩阵MobSmart深度行业洞察Mob研究院全景大数据咨询服务Mob APP360移动应用监测产品Mob MktGo移动设备监测产品Mob Games移动游戏行业解决方案Mob Tourism旅游地理解决方案Mob Retail商业地理解决方案Mob Market+大数据营销解决方案Mob Fin金融行业解决方案28Mob Retai

16、l商业地理行业解决方案新零售展会智慧旅游房地产商业地产基础地理客群洞察竞品调研营销触达商圈研究门店运营选址分析项目研策运营管理商业评级景区规划客流预警景区对标实时监控人群洞察营销触达地块研究案场管理客群触达29商业地产解决方案城市商业数据地图第一方数据第三方数据商业数据获取行业场景应用城市研策人口结构变化 产业经济发展消费力房价数据 区域/板块选址商圈指数商圈覆盖 客流指数 业态配比标杆商业项目分析 客流分布项目数据项目数据 业态配比客流监测 品牌占比项目周边环境住宅小区写字楼 沿街商业产业园区 学校 医院土地评估已成交地块 挂牌地块土地用途 土地可利用率品牌招商城市分布 品牌评级品牌分类 招

17、商评级运营监测消费地域偏好 消费业态偏好消费品牌偏好 消费轨迹分析潜客调研社会属性 兴趣偏好 搜索偏好广告偏好 出行偏好项目交通地铁/公交站点分布枢纽规划交通指数商业布局商业定位商业评级商业运营30Mob Market+大数据营销解决方案持续性营销个性化营销数据洞察决策分析决策效果追踪 行业&竞品洞察 消费者属性洞察 媒介洞察 客群定向 活动编排 持续触达9种人群圈选模式5000+细化标签维度一站式品牌营销服务200+人大数据专业团队8种媒介触达渠道超亿级流量资源精准高效省心省力多场景适用31Mob Market+用户营销评分MobSmart将整合各类数据，进行联合建模，构建整个建模评分体系，

18、帮助企业实现用户有效性和用户价值评分的评估一方数据MobSmart数据联合建模特征工程图分析参数/非参数模型机器学习决策引擎高分客户，高价值活跃，应该重视这类客户出参：各类评分评估用户有效性入参：各类线上、线下行为App使用行为、竞品使用、偏好类别等线上行为线下行为销售数据、常去消费地等中分客户，高价值沉默，应该增加对这类客户的重视中低分客户，低价值沉默用户和活跃用户，持续性关注低分客户，无价值用户，更新用户信息考虑放弃32MobSmart金融行业解决方案，是以MobTech大数据、云计算、人工智能等先进技术为基础，针对金融行业在风控与投研场景下的难点布局产品数据超市行业难点：金融机构缺少多维

19、数据强化风控模型解决方案：MobSmart 5000+维度跨行业标签，补充并优化风控模型，降低金融机构坏账率风控场景特征平台APP360独角兽版APP360标准版行业难点：金融机构缺少有效数据支撑投资策略解决方案：通过MobSmart对移动设备市场的高覆盖率，帮助金融机构掌握一、二级市场的真实趋势，降低投资风险投研场景移动监测智熵AI实验室补充成品标签定制场景标签二级市场研究一级市场研究Mob Fin 金融行业解决方案33合作伙伴举例覆盖零售、汽车、地产、金融、教育、旅游、游戏等传统行业及互联网企业传统行业红星美凯龙万达井冈山景区中粮绿地汉堡王肯德基VIVO捷豹路虎梅赛德斯中铁万科互联网行业拍拍贷挖财腾讯游戏移动手机营业厅银联携程U-CLOUD融创小红书玖富滴滴出行艾瑞传统&互联网行业大数据+34Thank you!