导读：百度推广是2B和2C相结合的典型业务场景：百度推广一方面服务于客户（广告主），为客户（广告主）提供一个好用的广告平台（广告配送系统、商机/订单系统等），获得优质的内容和服务能力；另一方面，百度推广将这些客服能力以广告的形式提供给用户（网民），以满足他们个性化的娱乐/教育/购物需求，并在此过程中提升百度的整体商业价值。其中，2C端画像“用户画像”相对成熟，广泛应用于搜索策略、营销赋能、星象盘、生态洞察等场景，而2B端画像“客户画像””经常被人们忽视。.然而，事实上，客户画像也能发挥巨大的商业价值。笔者将从“生态健康发展”的角度，为大家介绍客户画像如何应用于各个应用场景，为促进生态健康发展提供巨大动力。全文5184字，预计阅读时间14分钟1、什么是百度推广生态？所谓推广生态，是指百度推广过程中各种角色（客户、用户、销售、运营、代理、优化人员、产品、策略、决策者等）相互影响、互动的经济联盟.他们各司其职，同时又形成了一个相互依存、相互依存、共生的推广生态系统。在这个商业生态系统中，虽然存在不同的利益驱动因素，但其中的组织和个人互利共存，共享资源，共同维护着系统的延续和发展。然而，当前推广生态仍处于“自然进化”状态，表现在：各角色仅以自身利益为出发点，以“短期价值”驱动自身行为，缺乏长期价值；处于“野蛮生长”状态，缺乏对好币的有效保护，缺乏对生态的宏观洞察和调控；生态中各个角色之间的服务效率还处于“粗服务”阶段，尤其是运营能力缺乏方法论指导，无法释放客户的消费潜力。因此，相应地，我们也会围绕“长期价值挖掘、宏观生态调控、精细化运营”三个方面，聚焦关键角色——客户（即广告主）来维护和促进生态健康和可持续发展。:2、为什么要用客户画像为生态赋能？生态赋能的前提是对生态中的关键角色——客户有足够的认识，并以此为基础洞察整个生态的特点及其应用。但单纯的数据（指标）会导致两者出现偏差，陷入要么只谈宏观市场数据，夸大其词、纸上谈兵，要么拘泥于单一客户的数据细节，无法从中获益的陷阱。看大局；此时最好的粘合剂是客户画像。举个例子：我们可以算出客户A的日均消费是1000元，换算成3。这个数据（指标）本身隐含的信息量是非常小的，和大量的混合起来是无法产生价值的客户资料；这时候如果进一步对比行业均值，知道这个客户在同行业中处于非常弱势的位置，那么我们就可以考虑通过复制行业标杆能力来提升为这个客户赋能的效果。更进一步，如果我们能够根据客户的历史操作行为、预算、充值续费等信息感知到客户流失的风险很大，那么我们就可以通过有针对性的流失挽回策略来安抚客户，延长客户的生命周期。来更多的商业价值。在这个过程中，将客户数据从特征中提取出来，抽象成知识。一方面，可以更高维度、更形象地了解客户。另一方面，也为整个生态的分层和分组提供了更多的可能性，可以结合业务场景进行真正的应用。3、如何建立客户画像？考虑到长期价值挖掘、宏观生态调控、精细化运营等对画像的要求，客户画像必须能够满足以下三点：“多维、全生命周期刻画客户特征”结合数学统计、数据挖掘和机器学习等手段，通过构建事实、统计、模型标签和数据，描述客户推广生命周期中各个维度的特征。这是客户画像最基本的要求。“构建客户群像”与用户画像的区别在于，用户画像的群像通常是根据分析对象动态描绘的。一个典型的场景是客户分析自己的广告受众，了解受众网民的兴趣、年龄分布等；在定义的群体之外，更多的是对已知的固定客户群体进行分析，比如教育行业的分析，KA客户的分析等。“构建时间序列画像”的长期价值挖掘和宏观生态调控》需要记录画像变化的历史，以便更好地掌控生态发展趋势，支持各项业务分析和决策。结合百度自身业务特点进行自我推广，我们提出了六个方向、三个维度的“6+3”客户画像体系。六大方向是指促销生命周期中的六大类客户，包括基本信息、客户价值、促销效果、促销账户、促销行为、异常风险。“基础信息”：客户自身的固有属性，包括行业、地区、品牌、运营单位、促销产品线等。“客户价值”：客户的商业价值属性，包括生命周期阶段、消费潜力、推广意愿等“推广效果”：客户推广效果衡量，包括展会现场取消、投标流量质量、匹配相关性等“推广账户”：客户推广设置特征，包括物料规模、预算控制方式、出价“促销行为”：客户在促销过程中的行为特征，包括操作自主性、调价、充值续费等优化能力、促销风险等级等。通过六大特征的表征大方向，可以了解单个客户的静态特征。在此基础上，我们还拓展了群体和时间两个维度，形成方向+群体+时间体系的三维画像，即所谓的“6+3”客户画像体系。在完成客户画像系统的设计后，我们实现了如下三层方案来支撑画像系统的构建和应用：“计算层”：画像的底层也是核心技术层，包括“数据、计算平台、算法、模型”四部分负责从海量数据中提取客户特征，抽象为知识，最终形成标签和数据服务于影像层。例如，“超投”标签是指客户通过组合某些类型的操作来达到非法投放的目的。输出方式为：以客户行为数据（data）为基础，采用序列分析apriori+cspade（算法）的方法，通过spark（计算平台）对海量客户数据进行分析，最终提取出过度投资的客户及其行为特征，并形成客户过度投资标签。又如“品牌”标签，通过模型识别客户产品的品牌信息。输出方式为：基于客户的广告素材（数据），使用品牌识别模型（ernie进行微调和crf序列标注）（model），通过paddlepaddle平台搭建网络并进行训练预测（计算平台）)，最后制作出客户的品牌标签。“画像层”：对外输出画像能力的部分，包括“画像系统、画像存储和服务平台”三部分。画像系统将计算层产生的客户标签按照前述“6+3”的方式进行组织；画像存储是将画像标签和数据存储在HTAP数据库BaikalDB中，并对外提供查询服务（不同于用户画像的场景和位图存储方式，客户画像包含大量的数值指标和规模较小（千万级别），因此HTAP数据库的效率和灵活性更好，这里不再赘述）；画像服务平台封装画像能力，以平台的形式对外提供服务能力，包括画像展示（针对个人或客户群体，提供多维画像数据，辅助客户/客户群体洞察）、画像分析工具（标签任意组合交差组选择、多维度分析等）、业务场景定制（结合实际业务深度，为用户提供闭环工作环境）、实用工具集（工具集针对单一问题，如复合指标分解工具、客户行为分析工具等）等。通过画像层的封装，我们可以将画像的能力与实际应用场景相结合，真正为业务赋能。“应用层”：标签真正发挥价值的地方。结合生态健康三大要素，孵化真正落地的项目，为生态健康发展提供动力。其中，在长期价值挖掘方向，我们建立了以LTV为核心的长期价值评估体系，孵化新手保护机制、客户增长、产品交叉销售、搜索策略优化等项目;健康视角的宏观生态评价体系，洞察宏观生态的同时，为行业运营和产品运营提供行业支持，奖善惩恶，助力好钱驱逐坏钱钱;在精细化运营方向，我们建立了以生命周期为中心的运营方法论，通过对画像能力的规模化、常规化、自动化运营管理，解决运营效率低、运营难的问题。提高客户效率。需要看到的是，生态健康是一个需要长期思考和探索的命题，而我们目前的实践只是这个命题的一部分，还有更多有价值的场景值得我们去发现和实践。4、如何赋能生态建设？如上所述，客户画像通过赋能三大生态健康工具，已经落地了很多实战项目。限于篇幅，这里只简单介绍精细化运算和搜索策略优化两个应用案例。4.1精细化运营客户运营管理是一项非常依赖经验的工作。新手和老手的操作能力可能相差很大。这种基于经验的粗放式管理方式，会导致被运营客户的满意度存在较大差异。操作效率低，成本高，效果得不到保证。同时，对运维生自身的发展也十分不利。基于当前的运营状态，我们提出了通过客户画像实现精细化运营的解决方案。解决方案的核心思想是：整合高阶运营同学的成熟经验，通过合理的聚类，将复杂的运营工作拆解成营销场景，典型场景如效果下降、流量不足、流失风险等.;针对营销场景定制化解决方案，形成标准化作业本分发给一线运营学员；根据营销场景定义，设计相应的算法模型，识别每个客户所属的营销场景（人像标签）；为一线客服提供大规模负责客户的营销场景标签，按照标准操作手册规定的步骤完成该客户的操作；对整体运营工作进行监控和回顾，结合新的营销场景不断迭代画像建设。一个典型的操作场景是：客户画像识别出客户A的营销场景是“高流失风险”，一线客服收到这个标签后在标准操作手册中查询相应的动作步骤，然后执行操作工作按说明进行。包括：按照标准的语音框架完成与客户的沟通；提供优惠券等贴心政策，稳定客户；解决客户问题。目前，以客户画像赋能的精细化运营已广泛应用于各分行、呼叫中心和各大渠道。目标客户各项指标均为正值，大大提高了客户服务管理的效率和运营能力，更加挖掘了客户增长潜力。4.2触发检索策略优化相关性优化一直是商业搜索策略中最重要的优化项目之一。一方面，网民搜索查询触发无关广告，对网民搜索体验造成极大伤害。另一方面，对于客户来说，如果自己的广告不小心被不相关的查询点击，也会造成自己消费的损失，对客户的推广积极性和长期价值造成很大的伤害。因此，相关性优化对用户（网民）和客户（广告商）都具有重要意义。我们收集了大量类似的投诉案例，发现其中一个非常典型的场景就是搜索查询的目标商家与触发广告的“运营商家”不匹配。这个query-ad虽然字面相关性很高，但其实它对应的是一个完全不同的业务，所以需要从trigger上过滤掉。解决方案是利用客户画像的业务识别模型，识别查询和广告的业务标签，在触发时过滤掉不同业务的查询-广告对。模型构建中使用Ernie进行微调，结构如下：模型识别准确率达到95%，上线后点击率ctr2、query-landingpage相关度qlq等指标均有提升，同时解决了不匹配问题。更好地保护客户的权益。五、结语客户画像是深入了解客户的一把钥匙，也是宏观生态与微观客户沟通的桥梁。限于篇幅，本文仅简单介绍客户画像的构建方法和应用实践。事实上，客户画像可以用在更多的场景中。相信未来画像不会仅仅局限于客户和用户这两个群体，而是会进入一个“万物皆可画”的时代，还会出现更多的画像，比如媒体画像、内容画像、客户画像服务画像、代理画像，以及画像之间复杂的关系网络，在推动生态建设上也将有更多的想象空间。推荐阅读：深入理解WKWebView（渲染篇）——DOM树构建深入理解WKWebView（入门篇）——WebKit源码调试分析GDPStreamingRPC设计百度APP视频播放解码优秀百度爱范儿实时CDP构建实践当技术重构遇上DDD，如何实现业务与技术双赢？----------END----------百度极客说，百度官方技术公众号上线啦！技术干货·行业资讯·在线沙龙·行业大会招聘信息·介绍资料·技术书籍·百度外设
