模型原理：以种子客群为基础，找到与种子客群兴趣爱好相似的另一组人。计算两组人群的相似度或以群组距离进行分类，从而达到精准挖掘潜在受众、扩大推广范围的目的。人群扩散在推销新商品、寻找潜客、开发客户购买力等多种场景下都起着关键作用。
受众扩散模型的基本流程如下：
- 根据客群的各维度原始数据，提取出可用的特征变量；
- 选取种子客群为模型的正样本；按比例随机抽取种子客群作为观测样本，加入候选人群作为负样本，以种子客群作为正样本，训练分类模型，将观测样本中预测为正类的概率的后5%作为可靠负样本；
- 根据种子客群和可靠负样本构建相似度模型；根据相似度模型，将所有候选人群扩散成目标群体。
常见的二分类算法有LR逻辑回归，决策树，SVM，随机森林等。
特征的选取一般包含用户的：
- 属性标签数据。如性别、年龄、地域、婚姻状况、受教育水平、职业等，一般来自用户注册信息或预测；
- 行为结果数据。如电商用户的站内外搜索、浏览、购买等行为，媒体用户的关注、转发等行为，一般为用户实际发生行为的日志；
- 行为偏好数据。如电商用户的消费等级、商品品类偏好、商品品牌偏好，媒体用户的上网时段、浏览频道偏好等，一般根据用户行为计算分析而得出；
- 社交网络数据。利用用户的社交关系网络，将种子人群的标签或属性扩散给好友。如微博的粉丝关注、转发行为等构成的社交关系网络。
若有收获，就点个赞吧
0 人点赞
