受众定向的三类计算框架：用户标签、上下文标签、广告主定制化标签

广告系统的受众定向按计算框架的不同可以归纳为三类，理解这个分类有助于判断一种定向技术依赖什么样的数据、适合什么场景。用户标签t(u)是在时间序列上，以用户历史行为为依据为其打上的标签，比如人口属性定向（年龄、性别、收入、学历）和行为定向（根据历史访问行为了解用户喜好），这类标签的特点是需要长期积累历史数据、相对稳定但也需要考虑随时间的衰减；上下文标签t©是当前用户所处上下文在当前这次访问行为中即时产生的标签，比如地域定向、频道定向和上下文定向（根据当前网页内容推送相关广告），这类标签不依赖用户的历史积累，而是完全基于”这一刻”的环境信息现算现用；广告主定制化标签t(a,u)则是根据特定广告主提供的、这个广告主自己网站上特定用户群的访问行为数据加工而来，比如重定向（对特定广告主一段时间内的访客再次投放广告，人群规模由广告主固有用户量和媒体重合量共同决定）和新客推荐（当重定向的人群规模不够用时，以重定向用户为种子，找出行为相似的新用户）。这三类标签对应的计算方式和数据依赖完全不同：t(u)依赖长期用户画像积累，t©依赖实时环境信息、几乎不需要历史数据，t(a,u)则依赖广告主私域数据和广告平台自身数据的结合——一个成熟的定向系统通常需要同时维护三套不同的计算和更新机制，而不是用一套统一的模型笼统地覆盖所有定向需求。