DSP的廣告投放系統中，最為關鍵的“人群定向”功能正是通過“聚類”演算法得以實現的。

為什麼要進行人群資料模型？

所謂精準的空大宣傳多少有點令人厭惡，我們不妨來看看精準的前提人群資料模型時如何建立，由此還原受眾行為分析的真相。

廣告傳遞資訊的受眾是每個在使用移動裝置的使用者，然而移動DSP的分析手段無法直接觸達使用者，只能以他們裝置使用痕跡、地理軌跡和記錄作為在數字世界中的代表，在PC領域就是cookie，在移動領域就是IDFA。於是，以物擬人，以物窺人，才是比任何大資料都要更大的前提。

移動DSP進行人群資料模型的建立主要基於兩個方面的考慮，一是廣告投放指向，廣告的投放出發點和落腳地都在人上，而承載廣告的載體也必定需要更多、更廣、更直接的與人群互動；二是，人群資料整合需求。DSP在面向億萬級別的使用者資料時，需要按照一定的邏輯進行資料整合，人群模型就是一個典型的邏輯。

三大標籤層建立人群模型

如何從廣泛的受眾中提煉目標人群呢? 正是依靠受眾行為分析。它以IDFA為單元，根據IDFA的海量歷史行為，推斷其行為特徵，興趣愛好，並以此為依據，將最合適的、最有可能產生轉化的廣告展示給使用者。受眾行為分析一方面能夠提高使用者對於廣告的反饋程度，增加轉化率;另一方面能夠降低廣告主進行廣告投放的成本，以更低廉的價格產生最佳的投放效果。

目前移動廣告行業內的資料整合各平臺也不盡相同，但大致都是依著IDFA的資訊來做標籤進行分類與組合，力美科技DMP部門根據多年的投放經驗及精確的資料抓取技術創造了自己一套獨特的資料整合方式，該方式主要從三個層級進行資料整合，這三個層級是：原子標籤層、行為標籤層、目標人群層。

下面我們以力美DSP的廣告投放為例，簡單的分析一下怎樣由標註的關鍵詞標籤，一步步建立完整的受眾人群模型，挖掘出具有相似行為特徵的人群，提煉人群的屬性特徵，最終進行最合適的廣告投放的。

第一，原子標籤層。簡言之就是最基本的屬性標籤層，這些屬性可以從人群屬性（性別、年齡、職業、收入等），裝置屬性（裝置價格、裝置系統、裝置型號等），運營商屬性（中國移動、中國聯通、中國電信等），城市屬性（發展程度、人口數量、區域位置），商圈屬性（功能、位置等）等幾個主要的屬性方式進行標籤劃分，原子層標籤數量的多少與一個平臺的技術及經驗有直接的關係，技術越成熟，抓取的屬性越準確，經驗越豐富，屬性的分類就越合理，目前市場上各家的資料標籤庫不一，力美科技在經過多年的投放積累後，如今這一層及的資料標籤量以突破

第二，行為標籤層。是指經過對使用者在特定時間段、位置範圍內的使用APP的行為分析而產生的標籤層。行為標籤層的分類依據行為發生的頻次統計做出標籤，如果使用者的行為只是在某個時間段內產生過僅幾次，並不會被列為一個標籤，只有該行為的發生有一個規律的頻次或週期出現才會被視為一個標籤。比如經常玩手機遊戲，經常使用旅遊軟體等細分出像商旅人群、手遊人群、理財人群、愛車一族、化妝品受眾、教育受眾等等。由於使用者的行為方式多種多樣，這類的標籤就會有成千上萬個，對廣告投放的的精準性來講無疑是一大優勢。

第三，目標人群層。這是與廣告投放最直接相關的層級，目標人群層主要是根據原子標籤層與行為標籤層組合之後產生的標籤層，這種組合會產生一個極大標籤量，同時一個使用者被貼上多個標籤之後就會變成一個綜合標籤體，也就保證了目標人群的精準性，例如某廣告主需要定位在30歲左右的女性化妝品受眾，就可以通過第一層級的年齡、性別加上第二層級的化妝品購買、瀏覽行為組合後得到目標人群，從而定位出與該品牌最相關的人群，這樣投廣告針對性極強，效果極佳。

通過三個層級人群資料模型得以建立，廣告主可以充分利用移動DSP的人群標籤模型來進行廣告優化投放，真正實現“物以類聚人以群分”，標籤分類從最初的性別、年齡、收入、裝置系統、運營商等僅有的幾個標籤發展到目前龐大的標籤庫，這不僅是技術的進步，還有投放經驗的積累，隨著投放經驗以及資料的積累，相信會有越來越多的廣告主嚐到這一甜頭。