RTB广告人群分类体系与大众分类法的差异分析

RTB广告人群分类体系与大众分类法的差异分析 生活中充满分类法，人人都会分类，不管是跟工作相关的文件整理，跟生活相关的家居收纳，还是撰写百度百科、豆瓣兴趣或者大众点评这类互联网知识或标签，都属于广义的分类范畴。而商业上使用的分类法，则是细分且具有商业价值的分类方法，例如品友互动的数字广告人群分类体系（Digital Advertising Audience Taxonomy简称DAAT）（以下简称人群分类法），则能够迅速帮助广告主找到目标人群，起到广告瞄准消费者的作用。

一个指导生活，一个指导广告投放，今天品友互动类目工程师将详细说明，互联网大众分类法与大数据广告中，RTB广告的基础——人群分类法，这两种不同的分类方法的共同点和区别。这也是为什么品友互动人群分类法能够指导大数据广告快速、准确定位目标人群。

共同点：便捷+大数据有效整合

所谓大众分类法（Folksonomy），简单地说就是一种新的网络信息分类方法。Folksonomy＝Folks + Taxonomy ，Folks在英语中是比较口语化的词，表示一群人，一伙人的意思。 Taxonomy则是指分类法。大众分类法是由社会性书签服务中最具特色的自定义标签（Tag）功能衍生而来。常见的如百度百科、豆瓣兴趣等，都是由网民自发形成的分类体系。

而品友互动的人群分类法，则是一种运用了图书馆学、用户心理学、市场营销学、信息管理学、统计学、社会学等跨学科的多项相关知识和技术，对人的各种网络行为（浏览行为、点击行为、搜索行为、网购行为等）进行标签化分类的方法。这种人群分类法主要应用于大数据广告的第一步，选定目标人群。

两种分类法的共同点在于：都具有便捷性，能够有效利用人的知识，并将大数据有效整合起来。

便捷性不用多讲，一切分类都是为了能够迅速定位、找到所需，清晰、分层级、体系化的分类方式，能够缩短查找时间，达到指导生活或工作的目的。

而有效整合大数据却远没有听上去那么简单。如图所示，数据、信息、知识、智慧这四者是人类认识客观事物过程中不同阶段的产物，具有从低级到高级的认识过程，是递进关系的，层次越高，外延、深度、含义、概念化和价值不断增加。

数据是反映客观事物运动状态的信号通过感觉器官或观测仪器感知，形成了文本、数字、事实或图像等形式的数据。它是最原始的记录，未被加工解释，没有回答特定的问题。信息是大脑对数据进行加工处理，使数据之间建立相互联系，能够回答某个特定问题信息。知识是人们在头脑中将数据与信息、信息与信息在行动中的应用之间所建立的有意义的联系。智慧是人类所表现出来的一种独有的能力，主要表现为收集、加工、应用、传播信息和知识的能力，以及对事物发展的前瞻性看法。

也就是说，这两种分类方式，都是从互联网的海量数据中，首先进行有效的整合，形成能够分类、传播的信息，再经过挖掘形成观点性的知识，最后升华到能够指导决策的智慧。那么两者的特点和区别呢？

大众分类法的特点：海量+众筹+平台积累

在互联网上大放光彩的大众分类法首先就有互联网海量、免费的特点；并且是所有网民都可以参与编辑撰写的，具有众筹性，这就意味着，大众分类法的体系依据、词条内容等质量良莠不齐，很难控制。

此外，由于互联网上的如百科关键词、点评网站，都起到了汇聚网民智慧，分享给更多网民的特性，因此具有平台性，也意味着平台体系从创建到完善，需要相当长的时间。而大众分类的意义也在于，通过长时间的积累，让网民的智慧不断更新迭代，如大众点评上的用户体验评价，做到更加便捷高效地指导生活和购买决策等作用。

既然大众分类法能够指导购买决策，那么商业用途的品友人群分类法直接套用大众分类法，

不就好了吗？其实不然，在数字媒体时代，数据和用户都具有充足的流动性，消费者的各种网络行为（浏览行为、点击行为、搜索行为、网购行为等等）大量存在。因此，广告投放交易模式中的资源焦点从“广告位”转变到“人”时，行业的各方需要对于“人”的了解和描述有一套标准的“共同语言”。

大众分类法过于粗犷，例如，如果想在百度百科上寻找GM通用汽车公司，需要从生活—交通—交通工具—汽车—汽车品牌—通用汽车这样的途径。但是在品友人群定向设定中，有不同路径都能够找到通用汽车，如：个人关注—汽车—品牌车系—美系—通用或购买倾向—汽车—汽车品牌—通用。因为，关注汽车的群体有可能是喜欢旅游，喜欢美女车模或者汽车发烧友等不同人群；而有购买倾向的人群，则可能即将就会对汽车产生消费行为，关注和购买在消费过程中是两种不同且有递进的层次；根据两种不同路径选择的目标人群可能会有品牌忠诚度方面的差异。

品友人群分类法的特点：专业+有理论依据+有商业价值。

正因为人群分类法的前提是应用于商业，帮助品牌投放广告，所以必须有健全和相对固定的价值体系，这需要专业的、能够系统完成类目架构的类目工程师来完成。例如，从类目设置的结构上来说，品友互动人群分类法的主要结构是人口属性、地域分布、个人关注和购买倾向。而四大总类下超过5000个标签，则是专业的类目工程师分析构建的。

从品友类目体系架构方法论的角度说，人群分类法是将传统文献分类法引入互联网，采用体系分类法+分面分类法来进行类目体系的架构的。从分类原则角度讲，则需要遵循树状结构；合理控制层级；多重列类；突出重点类目；灵活处理类目交叉关系；独立、穷尽、无歧义等原则。

而品友人群分类法的商业价值在于，通过分析海量互联网流量中的数据，划定分类规则，建立科学合理的分类模型，帮助广告主制定广告投放的人群策略，达到优质高效的广告投放效果。人群策略是否足够优秀，奠定了RTB广告投放的基础，通过锁定核心目标人群、强相关人群、辐射人群三类对品牌忠诚度不同程度的人群，分别对应品牌需要重点影响的、对品牌推广很有意义的和对品牌认知很重要的消费者。广告效果的优化和广告生态环境的不断进化，最终能够提高品牌形象，促进社会生产力不断进步。

关于数字广告人群类目体系（Digital Advertising Audience Taxonomy简称DAAT）

品友互动在2012年与多方合作伙伴共同发布的中国第一份数字广告人群类目体系（DAAT）白皮书，运用了图书馆学、用户心理学、市场营销学、信息管理学、统计学、社会学、行为定向技术、人群识别分析模型、机器智能学习等跨学科的多项相关知识和技术，并在实际广告投放中通过数据分析不断调整和优化。其中，品友互动自主研发的人群智能广告投放平台OPTIMUS优驰TM系统，在人群识别分析上取得了突破性的成果，人群分析模型和广告优化算法均获得了国家专利。