DSP的广告投放系统中，最为关键的“人群定向”功能正是通过“聚类”算法得以实现的。

为什么要进行人群数据模型？

所谓精准的空大宣传多少有点令人厌恶，我们不妨来看看精准的前提人群数据模型时如何建立，由此还原受众行为分析的真相。

广告传递信息的受众是每个在使用移动设备的用户，然而移动DSP的分析手段无法直接触达用户，只能以他们设备使用痕迹、地理轨迹和记录作为在数字世界中的代表，在PC领域就是cookie，在移动领域就是IDFA。于是，以物拟人，以物窥人，才是比任何大数据都要更大的前提。

移动DSP进行人群数据模型的建立主要基于两个方面的考虑，一是广告投放指向，广告的投放出发点和落脚地都在人上，而承载广告的载体也必定需要更多、更广、更直接的与人群互动；二是，人群数据整合需求。DSP在面向亿万级别的用户数据时，需要按照一定的逻辑进行数据整合，人群模型就是一个典型的逻辑。

三大标签层建立人群模型

如何从广泛的受众中提炼目标人群呢? 正是依靠受众行为分析。它以IDFA为单元，根据IDFA的海量历史行为，推断其行为特征，兴趣爱好，并以此为依据，将最合适的、最有可能产生转化的广告展示给用户。受众行为分析一方面能够提高用户对于广告的反馈程度，增加转化率;另一方面能够降低广告主进行广告投放的成本，以更低廉的价格产生最佳的投放效果。

目前移动广告行业内的数据整合各平台也不尽相同，但大致都是依着IDFA的信息来做标签进行分类与组合，力美科技DMP部门根据多年的投放经验及精确的数据抓取技术创造了自己一套独特的数据整合方式，该方式主要从三个层级进行数据整合，这三个层级是：原子标签层、行为标签层、目标人群层。

下面我们以力美DSP的广告投放为例，简单的分析一下怎样由标注的关键词标签，一步步建立完整的受众人群模型，挖掘出具有相似行为特征的人群，提炼人群的属性特征，最终进行最合适的广告投放的。

第一，原子标签层。简言之就是最基本的属性标签层，这些属性可以从人群属性（性别、年龄、职业、收入等），设备属性（设备价格、设备系统、设备型号等），运营商属性（中国移动、中国联通、中国电信等），城市属性（发展程度、人口数量、区域位置），商圈属性（功能、位置等）等几个主要的属性方式进行标签划分，原子层标签数量的多少与一个平台的技术及经验有直接的关系，技术越成熟，抓取的属性越准确，经验越丰富，属性的分类就越合理，目前市场上各家的数据标签库不一，力美科技在经过多年的投放积累后，如今这一层及的数据标签量以突破1.6万个，在行业内属于领先地位。

第二，行为标签层。是指经过对用户在特定时间段、位置范围内的使用APP的行为分析而产生的标签层。行为标签层的分类依据行为发生的频次统计做出标签，如果用户的行为只是在某个时间段内产生过仅几次，并不会被列为一个标签，只有该行为的发生有一个规律的频次或周期出现才会被视为一个标签。比如经常玩手机游戏，经常使用旅游软件等细分出像商旅人群、手游人群、理财人群、爱车一族、化妆品受众、教育受众等等。由于用户的行为方式多种多样，这类的标签就会有成千上万个，对广告投放的的精准性来讲无疑是一大优势。

第三，目标人群层。这是与广告投放最直接相关的层级，目标人群层主要是根据原子标签层与行为标签层组合之后产生的标签层，这种组合会产生一个极大标签量，同时一个用户被贴上多个标签之后就会变成一个综合标签体，也就保证了目标人群的精准性，例如某广告主需要定位在30岁左右的女性化妆品受众，就可以通过第一层级的年龄、性别加上第二层级的化妆品购买、浏览行为组合后得到目标人群，从而定位出与该品牌最相关的人群，这样投广告针对性极强，效果极佳。

通过三个层级人群数据模型得以建立，广告主可以充分利用移动DSP的人群标签模型来进行广告优化投放，真正实现“物以类聚人以群分”，标签分类从最初的性别、年龄、收入、设备系统、运营商等仅有的几个标签发展到目前庞大的标签库，这不仅是技术的进步，还有投放经验的积累，随着投放经验以及数据的积累，相信会有越来越多的广告主尝到这一甜头。

DSP如何建立人群数据模型