数字生活令人疑神疑鬼

你刚在微信上说要去日本玩，就在朋友圈看到了机票广告；

你老婆刚给你打电话让你去买奶粉，你就在淘宝上看到了奶粉推荐。

这些广告到底是怎么来的？

❓ 你的 APP 为什么知道你想买什么？

淘宝当然不会窃听你的电话，是你的行为数据让淘宝意识到你需要婴儿奶粉。

注册一个账号时，你可能会提供：

• 姓名
• 手机号
• 性别、所在地（可选）

但这些只是基础数据，远不如你的行为重要。

🧠 真正有价值的是行为数据

包括但不限于：

• 消费记录
• 打车频率
• 关注的公众号
• 玩过的游戏
• 理财习惯
• 是否有车贷/房贷
• 是否买过保险
• 发过的红包……

这些数据最终会变成几千个事实标签，构成你的行为画像。

🔍 标签采集容易，难的是建立模型

采集事实标签并不难，难的是建立模型，
从杂乱的标签中找到你真正的兴趣，进而构建用户画像。

举个例子：
你打开了一篇内容标签为“美女”的文章，并不一定代表你爱看美女，可能只是误点。
这时系统需要你更多行为来判断这类内容是否真的吸引你。

🧮 一个简单的兴趣权重模型：

• 行为权重：是否点赞、评论、转发等，不同行为加权不同；
• 访问时长：停留时间越长，权重越高；
• 衰减因子：短期行为不能代表长期兴趣，权重随时间衰减。

🧠 如何生成兴趣标签？

你每次打开“美女”类内容，都会生成一个兴趣权重；

把一段时间内的所有权重累加并用 S 形函数标准化，
就能得到一个 0~10 区间的兴趣值，例如：美女兴趣值 = 8。

🧭 用户画像向量化

假设你有如下特征：

• 美女兴趣值：8
• 消费能力：5
• 社交偏好：2

可表示为特征向量：r = [8, 5, 2]。
这样就能将每位用户定位在一个多维空间中。

通过 余弦公式或距离公式 就能找出与你最相似的群体，并进行用户分类。

🧪 推断个人属性

但行为数据只能推断兴趣，无法直接判断：

• 性别
• 年龄
• 学历

这就需要把已知性别和学历的用户作为样本，一部分用来训练模型，一部分用来测试精准度。
今天各大平台对于用户的性别的预测准确度已经可以达到**90%**以上，最后微信和淘宝们就能获得一个关于你的用户画像。

🎯 用户画像完成，广告主就出场了

最终，平台形成你的画像：

例如：新媒体行业、关注互联网、不爱社交、不爱运动、爱点外卖、消费能力弱

广告主就可以精确定位你

• 例如腾讯广告这样投放平台广告主可以自由组合包含消费水平、婚恋情况、内容兴趣、消费行为在内的上千个定向标签
• 选定广告位和投放时间根据系统计算的1.5元每千次的曝光的建议出价就完成了一次精准投放。
• 价高的广告会出现在你的眼前

💥 精准投放的真实过程

例如：你是北京朝阳的已婚男青年，且有奶粉消费记录。当你即将刷到广告位，系统就会：

• 实时发起竞价请求
• 比较多个广告主出价
• 显示中标广告（可能就是奶粉广告）

🔄 同类推荐优于“猜你想看”

行为推荐 ≠ 最优推荐。
实际上，“找和你兴趣相似的人，再把他们看过的推荐给你”——效果更好。

📱 你不是你账号，你是你手机

行为数据不只绑定账号，还绑定设备的唯一识别码。

即使不登录账号，你的行为也可能被记录

因此：

• 淘宝能在微信行为之后推荐广告；
• 抖音能展示你在淘宝中涉及的内容。

🛡️ 别太焦虑，合规依旧重要

根据《个人信息安全规范》：

商业平台的标签系统不能精确定位到个人身份，以保护用户隐私。

如果你是苹果用户，可在设置中关闭 IDFA（广告标识符）以限制数据追踪。

欢迎分享你的看法 👇