共计 4721 个字符，预计需要花费 12 分钟才能阅读完成。
导读 ：百度推广是一个典型 2B、2C 联合的商业场景：一方面百度推广为客户（广告主）服务，为其提供易用的广告平台（广告投放零碎、商机 / 订单零碎等等），并获取优质的内容和服务能力；另一方面百度推广将客户的这些服务能力通过广告的模式提供给用户（网民），满足其娱乐 / 教育 / 购物等个性化需要，并在此过程中晋升百度整体的商业价值。其中 2C 侧的画像「用户画像」曾经绝对比拟成熟，并广泛应用于检索策略、营销赋能、观星盘、生态洞察等等场景，而 2B 侧的画像「客户画像」却往往被人所疏忽。然而事实上，客户画像同样能施展微小的商业价值。上面笔者将从「生态衰弱倒退」这个角度，为大家介绍下客户画像如何落地各类利用场景，为推广生态衰弱倒退提供微小的动能。
全文 5184 字，预计浏览工夫 14 分钟
一、什么是百度推广生态？
所谓的推广生态，是指在百度推广过程中，各类角色（客户、用户、销售、经营、代理商、优化师、产品、策略、决策者等等）相互影响、相互作用的经济联合体，它们各司其职，但又造成互赖、互依、共生的推广生态系统。在这一商业生态系统中，虽有不同的利益驱动，但身在其中的组织和集体互利共存，资源共享，独特维持零碎的连续和倒退。然而以后推广生态系统，还处于「天然演进」的状态，体现在：
- 各角色之间只以本身利益为出发点，以“短期价值”驱动本身行为，不足长期的价值的指引；
- 处于“横蛮成长”的状态，不足对良币的无效爱护、不足从宏观角度对生态的洞察和调控；
- 生态中各角色之间的服务效率还处于“粗放服务”的阶段，尤其体现在经营能力不足方法论的指引，无奈开释客户的生产后劲。
因而绝对应的，咱们也会以「长期价值开掘、宏观生态调控、精细化经营」三方面为抓手，以要害角色——客户（也就是广告主）为核心，保护推广生态衰弱、继续倒退：
二、为什么用客户画像赋能生态？
赋能生态的前提是对生态中的要害角色——客户有足够充沛的了解，并以此为根底洞察整个生态特色和落地利用。而单纯的数据（指标）会造成二者的背离，陷入要么只讲宏观大盘数据，沉默寡言、夸夸其谈，要么死扣单个客户的数据细节，无奈纵观大局的陷阱；此时最好的粘合剂便是客户画像。
举个例子：咱们能够通过计算得悉客户 A 的日均生产为 1000 元，转化 3 个，这个数据（指标）自身隐含的信息量十分小，混在大量的客户数据中无奈产生价值；此时如果咱们进一步比照行业均值得悉这个客户在同行业中处于十分劣势的位置，那么咱们就能够思考通过对行业标杆能力的复制，赋能这个客户成果晋升。
再进一步，如果可能联合客户历史操作行为、估算、充值续费等信息感知这个客户处于极大的散失危险中，那么咱们就能够通过针对性的散失挽回策略安抚客户，缩短客户的生命周期，从而带来更多的商业价值。在这个过程中，客户数据被抽取出特色、形象成常识，一方面可能更高维、更形象的了解客户，一方面也为整个生态提供了更多分层、分群的可能，并可能联合业务场景真正落地利用。
三、客户画像如何建设？
思考到长期价值开掘、宏观生态调控、精细化经营三大抓手对画像的要求，客户画像必须可能满足以下 3 点：
- 「多维度、全生命周期刻画客户特色」 联合数理统计、数据挖掘、机器学习等伎俩，通过构建事实类、统计类、模型类标签和数据，对客户推广生命周期中的各个维度的特色进行刻画，这是对客户画像最根底的要求
- 「建设客户群体画像」 与用户画像不同的中央在于，用户画像的群体画像通常是依据剖析对象而动静圈定的，典型的场景是某个客户剖析本身广告受众，理解受众网民的趣味、年龄散布等等；而客户画像除了这种自定义群体外，更多的是对已知的固定客群进行剖析，例如对教育行业剖析、对 KA 客户剖析等等，这也是宏观生态调控对画像的要求——必须可能对生态中不同的客群进行比照、剖析和洞察，能力进一步进行宏观调控
- 「建设工夫序列画像」 长期价值开掘和宏观生态调控都须要记录画像变迁的历史，能力更好的把控生态发展趋势、反对各类业务剖析和决策。
联合百度推广本身商业特点，咱们提出了六大方向、三大维度的“6+3”客户画像体系。
六大方向是指客户在推广生命周期中六个大类别，包含根本信息、客户价值、推广成果、推广账户、推广行为、异样危险。
- 「根本信息」： 客户本身固有属性，包含行业、所属地区、经营品牌、所属经营单位、推广产品线等等
- 「客户价值」： 客户的商业价值属性，包含生命周期阶段、生产后劲、推广志愿等等
- 「推广成果」： 客户的推广成果掂量，包含展点消转、竞得流量品质、匹配相关性等等
- 「推广账户」： 客户推广设置特色，包含物料规模、估算管制形式、出价程度等等
- 「推广行为」： 客户在推广过程中的行为特色，包含操作的自主性、调价等优化能力、充值续费特色等
- 「异样危险」： 客户本身危险及推广危险特色，包含套户推广、歹意超投、推广危险等级等等
通过六大方向的特色刻画，咱们能够理解繁多客户的动态特色，在此基础上，咱们还在群体、工夫两个维度进行拓展，从而造成方向 + 群体 + 工夫的三维画像体系，即所谓的“6+3”客户画像体系。在实现客户画像体系设计后，咱们实现了如下三层的解决方案撑持画像体系的建设和利用：
- 「计算层」：画像最底层也是最外围的技术层，包含「数据、计算平台、算法、模型」四局部，负责从海量数据中提取出客户的特色、形象为常识，最终造成标签和数据为画像层服务。例如“超投”标签是指客户通过一些特定类型的操作组合 hack 零碎，达到违规投放的目标，其产出形式为：以客户行为数据为根底（数据），应用序列剖析 apriori+cspade 的办法（算法），通过 spark 对海量客户数据进行剖析（计算平台），最终提取出超投客户及其行为特色，并造成了客户超投标签。再例如“品牌”标签是通过模型辨认客户经营产品的品牌信息，其产出形式为：以客户广告物料为根底（数据），应用品牌辨认模型（ernie 进行 fine-tuning 配合 crf 序列标注）（模型），通过 paddlepaddle 平台搭建网络并进行训练和预测（计算平台），最终产出了客户的品牌标签。
- 「画像层」：对外进行画像能力输入的局部，包含「画像体系、画像存储和服务平台」三局部。画像体系会将计算层产出的客户标签，依照前述“6+3”的形式进行组织；画像存储是将画像标签和数据实在的存储于 HTAP 数据库 BaikalDB，并对外提供查问服务（有别于用户画像的场景和位图类存储的形式，客户画像中蕴含大量数值类指标以及较小的规模（千万级），因而采纳 HTAP 数据库效率和灵活性更好，此处不开展详述）；画像服务平台是将画像的能力进行封装，并以平台的模式对外提供服务能力，包含画像展现（以个体或客群为对象，提供多维度的画像数据，辅助客户 / 客群洞察）、画像剖析工具（任意标签组合的交并差集客群圈选、多维分析等）、业务场景定制（与理论业务深度联合，为使用者提供闭环式的工作环境）、实用工具集（针对单个问题的工具汇合，如复合指标合成工具、客户行为剖析工具等）等等。通过画像层的封装，咱们能够将画像的能力与理论的利用场景相结合，真正为业务赋能。
- 「应用层」：是标签真正施展价值的中央，与生态衰弱三大抓手相联合，孵化出可能真正落地执行的我的项目，为生态衰弱倒退提供动能。其中长期价值开掘方向咱们建设了以 LTV 为外围的长期价值评估体系，并孵化了老手爱护机制、客户增长、产品穿插售卖、检索策略优化等我的项目；宏观生态调控方向咱们建设了以支出剖析和客户衰弱为主视角的宏观生态评估体系，在深刻洞察宏观生态的同时，为行业经营、产品经营提供了行业搀扶、奖优惩劣的能力，辅助良币驱赶劣币；在精细化经营方向咱们建设了以生命周期为外围的经营方法论，并通过画像的能力规模化、例行化、自动化的进行经营治理，从而解决经营效率低、客户提效难的问题。须要阐明的是，生态衰弱是一个须要长期思考、摸索的命题，咱们以后的实际也只是这个命题中的一个截面，还有更多有价值的场景值得咱们去发现、去实际。
四、如何赋能生态建设？
如前述客户画像通过赋能三大生态衰弱抓手，落地了很多实际我的项目，限于篇幅这里仅简略介绍精细化经营和检索策略优化两个利用案例。
4.1 精细化经营
客户的经营治理是一个十分依赖于教训的工作，老手和新手的经营能力可能差异十分大，这种全凭教训的粗放式治理形式会导致被经营的客户满意度相差很大，经营的效率低、老本高、成果也得不到保障，同时也十分不利于经营同学本身的倒退。
基于以后经营现状，咱们提出了通过客户画像赋能精细化经营的解决方案。解决方案的外围思路是：
- 整合高阶经营同学的成熟教训，通过正当聚类，把繁冗的经营工作拆解为营销场景，典型的场景如成果降落、流量有余、散失危险等等；
- 为每种营销场景定制解决方案，并造成标准化的作业手册下发给一线经营同学；
- 依据营销场景的定义，设计相应的算法模型，辨认每个客户所属营销场景（画像标签）；
- 规模化的向一线客服提供其所负责客户的营销场景标签，依照规范作业手册规定的步骤实现对这个客户的经营工作；
- 对整体经营工作进行监控和复盘，同时联合新的营销场景一直迭代画像建设。
一个典型的经营场景是：客户画像辨认出客户 A 所处的营销场景是“散失危险高”，一线客服在拿到这个标签后查问规范作业手册中对应的口头步骤，而后依照批示执行经营工作，包含：
- 依照规范话术框架实现与客户的沟通；
- 提供优惠券等关心政策，稳住客户；
- 解决客户问题。
以后客户画像赋能精细化经营已在各分公司、呼叫核心、大渠道进行广泛应用，指标客户各项指标均体现正向，较高的晋升了客服运管效率和经营能力、更多的开掘客户增长后劲。
4.2 检索策略优化
触发相关性优化始终是商业检索策略最重要的优化我的项目之一，一方面网民搜寻 query 触发了不相干的广告，对网民搜寻体验是较大挫伤，另一方面对客户来讲，本人的广告被不相干的 query 误点击，也会造成本身生产的损失，对客户的推广积极性和长期价值会造成较大挫伤。因而相关性优化无论对用户（网民）还是客户（广告主）都有重要的意义。
咱们收集了大量相似投诉 case，剖析发现其中一种十分典型的场景是搜寻 query 的指标业务，与触发广告的「经营业务」不匹配，这种 query-ad 尽管在字面相关性上很高，但实际上对应的是齐全不同的业务，因而须要从触发上进行过滤。解决方案是通过客户画像的业务辨认模型，对 query 和广告别离辨认其业务标签，并在触发时过滤掉其中业务不同的 query-ad pair。模型建设上应用了 ernie 进行 finetuning，构造如下所示：
模型辨认准确率达到 95%，上线后在点击率 ctr2、query- 落地页相关性 qlq 等各项指标上均有进步，打击错匹配的同时较好的爱护了客户的权利。
五、结语
客户画像是一把深刻了解客户的钥匙，也是一座架设宏观生态和宏观客户之间的桥梁。限于篇幅起因，本文仅对客户画像的建设办法和利用实际做了简略介绍，实际上客户画像能够在更多的场景施展利用。置信在将来，画像将不仅仅局限于客户、用户这两个群体上，而是进入一个「万物皆可画像」的时代，涌现出更多的画像如媒体画像、内容画像、客服画像、代理商画像，并且画像之间的简单关系网络，也会在推广生态建设上有更丰盛的设想空间。
举荐浏览 ：
深刻了解 WKWebView (渲染篇) —— DOM 树的构建
深刻了解 WKWebView（入门篇）—— WebKit 源码调试与剖析
GDP Streaming RPC 设计
百度 APP 视频播放中的解码优
百度爱番番实时 CDP 建设实际
当技术重构遇上 DDD，如何实现业务、技术双赢？
———- END ———-
百度 Geek 说
百度官网技术公众号上线啦！
技术干货 · 行业资讯 · 线上沙龙 · 行业大会
招聘信息 · 内推信息 · 技术书籍 · 百度周边
