其他
腾讯(大禹投放平台)用户LTV建模技术研究和实践
导读 本次分享题目为投放场景下的问题分析与用户价值预估。
主要包括以下三部分内容:1. 投放场景的问题分析
2. 投放场景下用户价值建模实践
3. 未来工作展望
分享嘉宾|徐国强 腾讯 高级研究员
编辑整理|river
内容校对|李瑶
出品社区|DataFun
01
投放获客场景:通过 CLTV 建模预估不同渠道 cohort 粒度的 CLTV,得到每个渠道投放的 ROI,调整出价策略和预算分配策略。 投放获客场景:通过 CLTV 建模得到⽤户粒度的 CLTV,在投放过程中对媒体流量进⾏筛选,提升买量效率和效果。 ⽣命周期运营场景:预估运营策略⼲预下的⽤户价值弹性,找到对运营策略敏感⼈群,叠加资源分配策略提升整体⼲预效果。
2. 用户增长中的用户价值定义
CLTV 的定义
客户资产的定义
3. 用户价值建模行业的工作
4. 投放场景下的问题分析和用户价值的应用
5. 提升 LTV 的解决方案
业务众多:业务线多样化,商业模式差异也比较大; 接入媒体渠道多样化:媒体渠道各种各样,数据分布和投放效果存在较大差异。
样本数据非常稀疏; 样本存在多分布、多成分问题; 如何合理利用多个渠道的投放数据。
方法 1:将头部 x% 的样本作为正样本,其它或末尾 y% 的样本作为负样本,评估 AUC。 方法 2:采用 Normalized Gini Coefficient [Google ZILN 2019]。
未来工作展望
分享嘉宾
INTRODUCTION
徐国强
腾讯
高级研究员
硕士毕业于南京大学,目前就职于腾讯(深圳)计算机有限公司,担任高级研究员,主要研究领域包括知识图谱、用户增长、因果推断等。从 19 年开始参与用户增长算法相关工作,近年来,深度参与了腾讯大禹投放中台建设,赋能用户增长获客提效,目前覆盖了手机 QQ 浏览器、应用宝、全民 K 歌等众多产品和业务。
优质原创文章
往期推荐
直播推荐
点个在看你最好看