江苏龙网

  1. 首页 > 资讯 > 科技 > >

科技小数据|易点天下深度解决方案Predicted Payer正式上线，让ROI更有保障


根据eMarketer的市场预测数据 ， 预计到2021年 ， 全球网络零售市场规模超过4.8万亿美元 ， 占全球零售市场规模达17.5% 。 作为全球电商的核心载体 ， 电商平台已经在全球200多个国家和地区落地 ， 成为当地消费市场最主要的参与者和建设者 ， 并不断涌现出各种垂直和综合类的电商平台 。
众所周知 ， 效果营销是众多电商企业获取高质量用户的重要渠道之一 。 电商广告主每个月会有大量的预算花费在营销推广上 ， 但在实际的投放过程中 ， 经常会出现经费浪费、预算超支、投资回报失衡等情况 。 因此 ， 如何提高效果营销的投资回报率（以下简称 “ROI”）是众多电商广告主面临的主要痛点之一 。
经过大量的模型训练与效果测试 ， 易点天下深度解决方案Predicted Payer正式上线 。 该方案利用深度学习 ， 根据用户个人资料和浏览行为 ， 预测访问者转化的可能性 ， 并将其应用到实际的广告投放过程中 ， 提高广告投放的效率 。
系统设计
Predicted Payer系统基于Google Cloud Platform（以下简称“GCP”）进行系统构架 ， 在设计过程中使用了GCP中的四个组件 ， 分别是BigQuery、Compute Engine、Storage和AutoML Tables 。
BigQuery：用于行为数据的存储、查询和分析；
Compute Engine：用于实现特征抽取和训练样本的构造；
Storage：用于中间过程的数据存储；
AutoML Tables：用于自动化深度学习模型训练 。

科技小数据|易点天下深度解决方案Predicted Payer正式上线，让ROI更有保障
本文插图

首先 ， 基于Google Analytics360（以下简称“GA360”）收集的用户在客户网站的个人资料和浏览行为 ， 利用AutoML训练深度学习模型；其次 ， 系统每日会基于网站内新产生的用户行为数据运行“预测模块” ， 对每个用户进行深度评估 ， 并基于几百种的行为信号 ， 预测其在未来14天内发生有效转化的可能性；最后 ， 利用Google Ads找到即将付款的用户 ， 对这类用户进行再营销 ， 促进其尽快完成转化； 。
数据采集
Predicted Payer系统通过GA360收集并分析用户在客户网站上的行为数据 ， 并对用户的行为轨迹进行统计分析 ， 从而获得用户的状态参数和行为参数 。 其中 ， 状态参数包括用户的基本信息、浏览器版本、手机平台、国际地理位置等 ， 行为参数包括用户当天的行为统计、用户访问过的列表页以及用户是否有加入购物车的行为等 。
我们从记录用户的338个维度中 ， 提取出267个能够决定用户是否购买的特征 ， 进行进一步的模型训练 。
模型训练
AutoML Table是由Google开发的一款自动化的机器学习产品 ， 能够对结构化数据自动构建和部署先进的机器学习模型 ， 底层对Tensorflow等框架和组建进行集成 ， 大大节省了工程开发时间和难度 ， 让数据科学家可以更加专注于具体的业务场景之中 。
【科技小数据|易点天下深度解决方案Predicted Payer正式上线，让ROI更有保障】如下图所示 ， 我们使用了客户网站2个月的数据进行模拟训练 ， 模拟训练的样本超过200万条 。

科技小数据|易点天下深度解决方案Predicted Payer正式上线，让ROI更有保障
本文插图


科技小数据|易点天下深度解决方案Predicted Payer正式上线，让ROI更有保障
本文插图

效果测试

科技小数据|易点天下深度解决方案Predicted Payer正式上线，让ROI更有保障
本文插图

上图阐述了基于机器学习预测系统Predicted Payer与Google Ads广告投放平台结合的工作原理 。 左侧为基于TensorFlow机器学习的Predicted Payer预测系统 ， 右侧为Google Ads系统 。 该系统通过数据收集、数据清理、数据分析、数据预测等过程 ， 为客户筛选出最具价值用户 ， 扩大了向Google Ads输送的种子人群数量 ， 大大缩短了从用户转化发生的效果回馈时间 ， 从而有效的提升了Google Ads机器学习和广告投放的效果 。


推荐阅读


上一篇：海报新闻客户端|重磅！青岛市世界工业互联网之都建设工程中小企业三年行动计划发布

下一篇：快手快手拉来周杰伦，它焦虑了