`

【转载】好耶副总裁徐国洪:精确投放如何做到1+1〉2

阅读更多

(国内知名Android开发论坛eoe开发者社区推荐:http://www.eoeandroid.com/

 

  9月14日,eoe移动开发者大会正式在北京国家会议中心召开,好耶集团副总裁徐国洪发表了主题演讲《大数据下的移动营销》,上方网第一时间采访了徐国洪先生,徐总就移动游戏领域的营销推广做了较为深入的解析。

 

好耶集团副总裁徐国洪

  移动互联网时代将产生以往10倍以上的数据

  上方网:您今天的主题演讲“大数据下的移动营销”是否可以概括一个利用大数据推送广告,为研发者赚钱的经验分享?

  徐国洪:虽然,这么说过于简单化,但这样说的话确实是比较现实的。

  上方网:我知道好耶提出了“数字整合营销”的概念,您能细化地介绍一下这个概念吗?

  徐国洪:“数字整合营销”是好耶比较传统的业务,当然在移动互联网时代“数字整合营销”的意义的外延会更广。“数字整合营销”的一般意义就是为广告主提供全程的数字营销服务,不同于其他的广告商,好耶除了会完成一系列广告的设计,策划和投放之外,还要利用数据化方法全程跟踪广告的投放。在移动互联网时代,“大数据”这种现象将比PC端时代多产生10倍以上的数据,这主要是因为移动互联网的终端量会非常大,另一个更为重要的原因在于移动互联网终端所反映出的数据更能精准地体现用户特性。当然,这一切都是建立在保护移动互联网终端用户的隐私的基础上。依托大数据在移动互联网时代进行数字整合营销会有非常多的可能。

  移动互联网:更细化更具体的数字营销时代

  上方网:在移动互联网时代,“数字整合营销”做起来是否会比PC端更有优势?

  徐国洪:实际上,“数字整合营销”进入移动时代并不仅仅是一个“优势不优势”的问题,“数字整合营销”将是一个更细化,更加具体,效果更好的营销方式,整个行业的规模也将变得各大,同时也会更为复杂。

  上方网:实现“数字整合营销”在移动互联网时代有那些具体的障碍吗?

  徐国洪:相较于PC互联网端,移动端实现“数字整合营销”会相对复杂很多,在PC端进行广告投放有一定的精准度就足够了,但是进入移动互联网时代,终端所产生的数据会增加数倍甚至数十倍,因此相关的数据分析以及模型将会更为庞大复杂。

  大数据分析:帮助移动游戏研发者挖掘用户

  上方网:现在国内的移动游戏研发者,特别是中小型的研发商不太愿意做广告的投放,而是更倾向于联合运营,好耶能为移动游戏研发者提供哪些帮助?

  徐国洪:我们对移动游戏还是有一定的了解的,就移动游戏而言,联合运营还是它主要的推广方式,通过广告投放获取用户还是一个比较辅助的方式。对于一款移动游戏来说,最主要的目的是获取用户,通过应用商店获取用户目前还是最直接的方式,在国内,应用商店乐于拿出自己的下载资源和开发商合作,这是国内的一种基本模式,而这种模式对于开发者来说,确实是一个比较优厚的选择。大数据分析可以帮助移动游戏研发者做一些事情,例如可以帮助开发者更好地分析一款移动游戏本身的优缺点,更为深度地发掘游戏用户的行为属性,移动游戏的种类比较复杂,赛车类游戏,在线的MMORPG或者休闲游戏,各自的游戏用户群体是非常不一样的。在游戏的整个研发运用推广过程中,好耶能够帮助研发者更好地服务用户群体,挖掘用户。

  “最好的时代 同时也是最糟糕的时代”

  上方网:您提到今天的移动互联网时代是一个“最好的时代 同时也是最糟糕的时代”,为什么会有这样的感慨?

  徐国洪:从最好的时代角度来说,大量的用户产生很好的机会。不断有开发者进入移动互联网的研发中。从糟糕的时代角度来说,大量的移动应用开发者群体都处于亏本状态,营收还没有真正的生长起来。小开发者也面临着几大互联网平台的竞争,移动开发领域也进入了一个较为垄断的时期,对于小开发者来说,机会的窗口变得越来越小。

  上方网:好耶还提出了“精确效果营销”的概念,可以细化地介绍一下吗?

  徐国洪:在移动互联网时代,广告的投放将越来越追求效果,虽然这种说法看起来理所当然,但是如果仔细考察整个广告行业,实际上却不是这样的。广告行业目前市场最大的一块还是电视广告,但是电视广告并不能保证任何的效果,比如央视新闻联播等广告,就是按时间收钱。到了PC段互联网时代,广告的投放略为有所进步,但是,PC互联网的广告投放还是“以投算计”。当然,PC互联网的投放有一定的后期效果跟踪,这也是好耶自身的业务基础。但是,PC互联网的投放只能做到检测与跟踪,并不能做到真正意义上的“保证效果”,进入了移动时代以后,广告主也越来越挑剔,他们需要在投放过程中保证效果,以移动游戏为例,他们倾向于选择联合运营,在联运中,游戏开发者是不支付广告费的,收益是通过双方的分成实现的。极端地说,游戏研发者在投放过程中花一块钱甚至就会要求两块钱的收益。虽然传统的电视广告,曾经给广告主带来过辉煌,但是在移动互联网时代精确投放是一个大趋势。

  “数据的重叠”可以实现1+1〉2的效果

  上方网:您提到了一个概念叫做“数据的重叠”,有哪些具体的意义?

  徐国洪:在大数据时代,好耶的需要做更多地数据,更多地案例去证明数据的重叠度。例如,一款APP的覆盖达到了这个领域的20%,30%。另一个APP的覆盖率也达到了一定的覆盖率,在这两个独立开发者都无法知道对方的用户群的情况下,作为独立第三方的好耶可以看到隐藏在这些数据中的规律,当然总结出这些数据的规律是需要付出巨大的研发成本的,但是好耶愿意为此做出支付,因为这可以为双方带来非常巨大的好处,好耶凭借对数据的重叠的分析可以做到1+1〉2的效果。

  不用说,数据分析所要耗费的资源和技术是一中小型公司无法承担的,即使拥有这些技术的某些公司也因为缺乏交叉的数据分析能力,无法实现其中的价值。所以作为独立的第三方的数据分析平台,好耶会在未来的大数据时代取得更高的成功。

  中国目前的产业很多都有短平快的问题,但是考察国外的公司,例如亚马逊,他们会利用数据的集中度,长期去跟踪用户的使用,为用户提供各种对口的服务,取得长效的推广成果,这是未来的一个发展趋势,也是大数据时代数据整合营销的魅力所在。

  上方网小评

  移动互联网时代,大数据整合营销已经是基本的趋势。徐国洪先生与大家分享的经验极为珍贵,其中包含有大量建立在数据分析基础上的真知灼见。移动互联网时代的投放,精确与高效必然是广告主的要求。1+1>2的投放效果,不再是一句广告宣传宣传语,它需要切实建立在移动时代大数据分析的基础,从而真正实现。从某种意义上讲,徐国洪先生谈的不是过去的经验,而是已经到来的现实。

   

    eoe成立于2009年,创办了最早也是目前为止最大的中文移动开发者社区:www.eoe.cn  

超过160万的移动开发者汇聚在eoe,共同讨论最前沿最精彩的技术话题。eoe一直致力于为移动开发者提供全方位的服务。

    更多内容请关注eoe移动开发者社区:http://www.eoeandroid.com/

分享到:
评论

相关推荐

    python源码期末大作业基于opencv+TensorFlow的人脸识别+数据集+详细代码解释(期末大作业项目).rar

    本项目基于OpenCV和TensorFlow实现了一个功能完善的人脸识别系统,并附赠了详细的数据集与代码注释。对于计算机专业的学生、教师或企业员工而言,这无疑是一份极具价值的参考资料,尤其适合那些在人工智能、通信工程、自动化及软件工程领域寻求提升的学习者。 项目涵盖了从图像预处理到模型训练、评估及实际应用的全过程。利用OpenCV的强大图像处理能力,对人脸进行精准定位与特征提取;再结合TensorFlow的深度学习框架,构建并训练出高效的人脸识别模型。此外,项目还精心准备了详尽的数据集,确保模型的训练效果。 代码部分,每一行都有详尽的注释,旨在帮助读者快速理解并掌握核心算法。无论是人脸识别的初学者,还是希望在此基础上进一步研究的开发者,都能从中获得宝贵的启示。 经过严格的测试,本项目的各项功能均运行正常,表现出色。请放心下载使用,相信它将成为您课程设计或毕业设计的得力助手,助您在学术与职业道路上取得更高的成就。

    C语言超市管理系统.zip

    C语言超市管理系统.zip

    apktool版本2.9.0

    apktool版本2.9.0

    1716134031000637_forchheimer_flow.zh_CN.mph

    1716134031000637_forchheimer_flow.zh_CN.mph

    免开3d场景直接清除3d病毒的插件-3d巡警V1.01

    可以直接不打开3d场景就能查杀3d文件的病毒3dsmax杀毒插件。 提供全盘+指定位置查杀的扫描方式,识别各种3d病毒,例如ALC、CRP、ADSL、西山居、MFX以及各种嵌入 广告,通过最新的3dsmax极速检测技术,能高效清除3d场景中的病毒。无论是专业设计师还是普通用户, 都不用担心3d文件再被破坏。

    13.py

    13.py

    python数据分析实例 python数据分析实例(源码)

    python数据分析实例 python数据分析实例(源码) # python数据分析 #### 介绍 python数据可视化例子 ##### 1.SARIMAX模型对公路车流量预测 ##### 2.古诗词云统计 ##### 3.对大数据岗位可视化分析

    Matlab mtd的8通道算法。附带高斯白噪声、多普勒频移的动目标回波.zip

    Matlab mtd的8通道算法。附带高斯白噪声、多普勒频移的动目标回波.zip

    网页爱心特效 HTML5+jQuery制作温馨浪漫爱心表白动画特效.zip

    网页爱心特效 HTML5+jQuery制作温馨浪漫爱心表白动画特效.zip

    要安装NumPy,你可以使用Python的包管理器pip

    numpy 要安装NumPy,你可以使用Python的包管理器pip

    php在线加密网站源码.zip

    压缩包里有多少个php就会被加密多少个PHP、php无需安装任何插件。 如果上传的压缩包里有子文件夹(子文件夹里的php文件也会被加密),加密后的压缩包需要先修复一下,步骤:打开压缩包 =》 工具 =》 修复压缩文件

    Vue+element ui +mongodb+express的网上书城系统

    后台管理系统是基于element ui框架开发的,实现了一个web网上书城系统 实现了后端商品管理界面设计功能。element ui 的优点在于可以方便的开发出功能丰富而且美观的后台管理界面,不需要写很多的CSS代码就可以实现布局,因为框架的开发就在于对代码的封装,而使用框架开发就只需要调用就好。

    Using Docker

    Using Docker

    传统的基于用户的协同过滤推荐算法实现.zip

    协同过滤算法(Collaborative Filtering)是一种经典的推荐算法,其基本原理是“协同大家的反馈、评价和意见,一起对海量的信息进行过滤,从中筛选出用户可能感兴趣的信息”。它主要依赖于用户和物品之间的行为关系进行推荐。 协同过滤算法主要分为两类: 基于物品的协同过滤算法:给用户推荐与他之前喜欢的物品相似的物品。 基于用户的协同过滤算法:给用户推荐与他兴趣相似的用户喜欢的物品。 协同过滤算法的优点包括: 无需事先对商品或用户进行分类或标注,适用于各种类型的数据。 算法简单易懂,容易实现和部署。 推荐结果准确性较高,能够为用户提供个性化的推荐服务。 然而,协同过滤算法也存在一些缺点: 对数据量和数据质量要求较高,需要大量的历史数据和较高的数据质量。 容易受到“冷启动”问题的影响,即对新用户或新商品的推荐效果较差。 存在“同质化”问题,即推荐结果容易出现重复或相似的情况。 协同过滤算法在多个场景中有广泛的应用,如电商推荐系统、社交网络推荐和视频推荐系统等。在这些场景中,协同过滤算法可以根据用户的历史行为数据,推荐与用户兴趣相似的商品、用户或内容,从而提高用户的购买转化率、活跃度和社交体验。 未来,协同过滤算法的发展方向可能是结合其他推荐算法形成混合推荐系统,以充分发挥各算法的优势。

    毕业设计[主机域名]PHP+AJAX的whois查询程序_whois.zip

    毕业设计[主机域名]PHP+AJAX的whois查询程序_whois.zip

    基于Python实现了基于物品的协同过滤推荐算法和基于用户的协同过滤推荐算法.zip

    协同过滤算法(Collaborative Filtering)是一种经典的推荐算法,其基本原理是“协同大家的反馈、评价和意见,一起对海量的信息进行过滤,从中筛选出用户可能感兴趣的信息”。它主要依赖于用户和物品之间的行为关系进行推荐。 协同过滤算法主要分为两类: 基于物品的协同过滤算法:给用户推荐与他之前喜欢的物品相似的物品。 基于用户的协同过滤算法:给用户推荐与他兴趣相似的用户喜欢的物品。 协同过滤算法的优点包括: 无需事先对商品或用户进行分类或标注,适用于各种类型的数据。 算法简单易懂,容易实现和部署。 推荐结果准确性较高,能够为用户提供个性化的推荐服务。 然而,协同过滤算法也存在一些缺点: 对数据量和数据质量要求较高,需要大量的历史数据和较高的数据质量。 容易受到“冷启动”问题的影响,即对新用户或新商品的推荐效果较差。 存在“同质化”问题,即推荐结果容易出现重复或相似的情况。 协同过滤算法在多个场景中有广泛的应用,如电商推荐系统、社交网络推荐和视频推荐系统等。在这些场景中,协同过滤算法可以根据用户的历史行为数据,推荐与用户兴趣相似的商品、用户或内容,从而提高用户的购买转化率、活跃度和社交体验。 未来,协同过滤算法的发展方向可能是结合其他推荐算法形成混合推荐系统,以充分发挥各算法的优势。

    Euclidean;Pearson;Tanimoto;基于用户的协同过滤;基于物品的协同过滤;.zip

    协同过滤算法(Collaborative Filtering)是一种经典的推荐算法,其基本原理是“协同大家的反馈、评价和意见,一起对海量的信息进行过滤,从中筛选出用户可能感兴趣的信息”。它主要依赖于用户和物品之间的行为关系进行推荐。 协同过滤算法主要分为两类: 基于物品的协同过滤算法:给用户推荐与他之前喜欢的物品相似的物品。 基于用户的协同过滤算法:给用户推荐与他兴趣相似的用户喜欢的物品。 协同过滤算法的优点包括: 无需事先对商品或用户进行分类或标注,适用于各种类型的数据。 算法简单易懂,容易实现和部署。 推荐结果准确性较高,能够为用户提供个性化的推荐服务。 然而,协同过滤算法也存在一些缺点: 对数据量和数据质量要求较高,需要大量的历史数据和较高的数据质量。 容易受到“冷启动”问题的影响,即对新用户或新商品的推荐效果较差。 存在“同质化”问题,即推荐结果容易出现重复或相似的情况。 协同过滤算法在多个场景中有广泛的应用,如电商推荐系统、社交网络推荐和视频推荐系统等。在这些场景中,协同过滤算法可以根据用户的历史行为数据,推荐与用户兴趣相似的商品、用户或内容,从而提高用户的购买转化率、活跃度和社交体验。 未来,协同过滤算法的发展方向可能是结合其他推荐算法形成混合推荐系统,以充分发挥各算法的优势。

    愚蠢小熊猫.txt愚蠢小熊猫.txt愚蠢小熊猫.txt

    愚蠢小熊猫

    Bootstrap By Example.zip

    Bootstrap By Example.zip

    java图片浏览小程序(java+applet).zip

    java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)java图片浏览小程序(java+applet)

Global site tag (gtag.js) - Google Analytics