刘鹏老师今年10月份关于互联网变现和计算广告的分享1很有意思。这次分享的内容可以看做是他的《计算广告》那本书的summary,但也不完全是,有一些新内容。我认为这次分享的内容比书本身更精彩。下面简述一些刘老师的精彩观点。

交易数据一般是不能有任何错误的,所以存交易数据经常使用IOE(IBM、Oracle、EMC)这套系统;但是行为数据就不同了,丢失或记错点数据一般影响也不大。相对于交易数据,行为数据也多得多。刘老师认为目前说的“大数据”,指的是行为数据而不是传统的交易数据。

刘老师认为“大数据”问题也应该具有对抽样敏感的特点,也即解决问题的效果会随着数据的抽样而显著下降,如下图中的A曲线。所以个性化问题基本都是大数据问题。

数据问题分类

另一个判断是不是大数据问题的方法是:如果数据出来的结果是给人看的,不能称为大数据的问题;大数据问题的结果一定是要给机器看的,这样才能形成一个闭环的决策过程。

“大数据简要说就是面向大规模的加工行为数据,并且把这个加工结果自动的反馈给机器做决策的应用。”

从利润环境看,互联网公司八成以上利润来自于广告,所以广告是一个先进的商业模式,不是无可奈何的事。

在将来任何一个行业,如果能做到定价权向需求方转移,这个行业就有机会做大。供给方定价模式不可能爆发式成长。按照部分数据交易、并且按照效果交易,这是在广告市场里摸索数据交易得到的共识。

数据的交易跟流量交易不同的特点,因为它可以不限量供应,流量天生就是限量供应。他的设想是,将来数据交易应该是一种限量的,流量本身是限量的,一个流量就是一个人投,不可能三个广告叠在一起投。但是数据可以卖给很多人,卖的越多越不值钱。不管是标签还是更细的数据,一定要结合在具体的数据应用上做交易才有可能快速的发展。

商业产品的市场就是复杂,而且越来越复杂,用户产品发展的规律是越来越简单,给懒人用;商业产品的规律则是越来越复杂,因为商业产品的目标很清楚,就是优化利润。只要利润提升1%,系统多复杂一倍都没有关系。

电信运营商对行为数据的掌控力在弱化。所以不是特别看好他们在行为数据方面长期的价值,但是地理位置和跨屏是他们天然的优势。

应该让媒体重新参与到广告的投放、决策过程中。

上面我只选了一些很有意思的观点,更多精彩内容见刘老师的分享吧1

References