计算广告学 课件 第二章 计算广告与数据革命.pptx

数据革命

计算广告与

DataRevolution

第二章

目录

01

大数据是指人类通过数据挖掘工具而获取的完整的、动态的、实时的数据流，具有大容量、多种类、高速处理、结构复杂等特点

02

全样思维侧重数据收集的整体性，追求全体数据而不是随机的抽样的数据，进而实现对事物的全面、动态、及时的数据呈现。

全样思维

大数据时代具有“秒级响应”的特征，在大数据应用场景当中，效率是重点，分析结果的精确度只要达到一定程度即可，不必一味苛求更高的准确率。

效率思维

在大数据时代，数据中包含的信息可以帮助消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，帮助人们得到想要知道的答案。

相关思维

大数据时代，通过数据的追踪定位与分析、筛选等手段，广告主可以最大程度地了解受众的需求与动机，对受众推送的信息及商品在很大程度上能满足受众需求。

最大化的受众价值

大数据环境下的市场信息追踪的正是针对消费者的可变性和动态性调整和更换推送信息，从而实现千人千面的个性化精准传播。

个性化的精准传播

大数据实时监测提升了广告预测与评估的速度、效度与精度，可针对不同消费者的不同需求或者同一消费者在不同时空场景下的不同需求展示最合适的广告信息。

实时化的效果反馈

开发利基市场

推动个性化营销

实现长尾效应

大数据正在将大规模市场转换成无数的利基市场，利基广告通过与消费者进行一对一的沟通，个性定制并打造理想的顾客关系。

数据革命使得企业能够收集和整合来自多个渠道和来源的大量数据企业也更重视对数据的深度挖掘和分析，发现隐藏在数据背后的模式、趋势和关联关系。

通过大规模收集和分析用户行为、偏好和购买数据，企业可以获得大量细分市场的信息，揭示出长尾市场的潜在需求。

03

头部平台

互联网头部平台掌握了接触、使用和授权他人使用用户数据的权力，占据了数据产业链的顶端位置，因此能获取最大部分的数据收益。

三大运营商

三大运营商掌握了大量底层真实数据，但它们在通信行业具有垄断地位，自身优势明显，在消费者方面存在保密协议，在管理方面也受到国家政策的严格限定，合作难度大。

中小型数据主体

相比头部互联网公司数据管理平台的数据资产，小公司的数据量小而垂直。这些数据虽有价值，但是小公司的数据呈碎片化分布，总量巨大却难以整合，导致中小型数据主体数据断层。

HS

DK

TU

OP

MN

数据交易市场的零和游戏导致了数据割据现象的产生，学界和业界将其产生的问题形象地命名为“数据孤岛”。数据孤岛形成的主要原因是：互联网头部平台依靠数据围墙获取垄断收益、三大运营商构筑数据流通的天然壕沟、中小型数据主体数据断层。

全景监狱

数据库的技术权力统治模式消解了私人空间与公共空间的界限，实现了对人全面的无时无刻的监视和规训。

过度推测

通过数据挖掘技术，人们可以从消费者数据中发现更多的隐含价值信息，同时可以消解个体对个人信息数据的控制能力，通过数据预测技术来窥探个体的“未来的隐私”。

黑色交易

由于数据所有权人同大数据占有者的分离，个人数据的删除权、存储权、使用权、知情权等本属于个人可以自主的权利，如今在很多情况下却难以保障。数据所有权人不但不占有数据，甚至接触、支配自己的数据财产也非常困难。

HS

DK

TU

OP

MN

大数据时代，数据作为人的第二“肉身”，时刻暴露在监视之下。无论是电子踪迹数据、物联网数据，还是以定位信息和通话记录为核心内容的移动通信数据，都包含大量个体消费者的信息。“透明世界”的数据伦理问题主要体现在大数据时代的全景监狱、过度推测和黑色交易等三个方面。

自然缺陷

LabeledFacesintheworld大多数是男性和白人；亚马逊招聘系统存在性别歧视；APP忽略老人反馈。

算法偏见

黑箱效应是对于特定的设备而言的，公众可以观察到信息的输入和输出，却无法观察到设备内部对于信息的处理过程。大数据算法的社会本质是一种权力，隐含着十分微妙且隐秘的社会偏见。

人性隐喻

数据收集和处理过程是无法窥探内部结构的黑箱，甚至许多算法研究者都无从对数据处理的方法进行全面的评估，也无从通过经验证据和理论框架对其中一些复杂的相互关系进行解释，于是大数据及算法的偏见往往是隐匿而不可知的。

HS

DK

TU

OP

MN

数据集本身往往更趋于展现主流群体，或数据易获取的群体，这就会导致数据集与客观现实具有偏差，从而引发偏见。隐含偏见的“数据黑箱”主要体现在数据本身的自然缺陷、数据分析的算法偏见和数据逻辑的人性隐喻等三个方面。

信息的个人日报化

用户只关注自己选择的内容，置身于自己感到安慰和愉悦的传播世界，如同置身于蚕茧般作茧自缚。

排异的算法推荐

大数据时代的“信息茧房”，其本质就是基于大数据技术的算法推送最大限度地做到信息内容分发与用户自身固有偏好和需求相匹配，