人群方面 ， 广告主还能在标签平台上圈选出本品的兴趣和机会人群 ， 以及找出与目标群众重合度高的KOL ， 大大降低营销决策的风险 。
四、效率层：让商业分析唾手可得如同古代的行军打仗 ， 战报的送达时间密切影响着战略决策 ， 事关战局输赢 。 商业分析也是如此 ， 对广告主而言 ， 如果数据不能被即时看见 ， 就意味着不能尽快复盘 ， 敏捷应对 ， 那么其价值就会被削弱 ， 即便洞察精准 ， 依旧如管中窥豹 。
事实上 ， 广告主每发出一次查询请求 ， 系统都要在海量数据库中进行查询、计算、分析等一系列复杂的操作 ， 最终才将目标数据呈现在广告主眼前 。 但在广告主看来 ， 这一切仅发生在眨眼之间 。
如此高效的处理速度主要源于对数据存储方式的优化 。 对机器而言 ， 不同类型的数据存储方式很大程度上决定了查询速度的快慢 。 就像从一个拥有10万本藏书的图书馆里找到四大名著一样 ， 如果能将书籍按照内容以及首字母进行分类和排序 ， 很快就能找全四大名著 。
因此 ， 在数据存储方式上 ， 团队请了一个“外援”——ClickHouse ， 一种高性能的开源数据库管理系统 ， 专门擅长处理云图这种数据量大、经常承接各种灵活查询需求的场景 。 凭借列式存储结构（一列一个文件）和按列计算的特性 ， 结合业务侧数据分片处理 ， ClickHouse能够高效读取与计算出广告主需要的数据 。
例如广告主想对一二线城市爱吃巧克力的女性进行内容分析 ， 传统的数据库则需要读取所有数据才能依次筛选出一二线城市、女性、爱吃巧克力三个标签 ， 最后三个条件都符合的才是广告主的目标人群 。 但如果使用ClickHouse这个“外援” ， 系统无需读取全部数据 ， 只需查询这三个标签所在的“列” ， 再对这三组数据在用户分片上进行“交并差”并行处理就可以了 ， 大大节省了查询时间 。

文章插图

在此基础上 ， 再通过“BitMap”技术缩小数据的存储空间 。 Bit是计算机数据系统中的最小单位 ， 一个bit值可以为1或0 ， 我们经常听到的“byte”（字节）可以换算为8个bit 。 而 “BitMap”正是采用bit数组的数据结构 ， 将原始数据与bit数组里的位置建立映射关系 。 由于Bit的存储单位很小 ， 因此往往能够节省大量存储空间 。
高度抽象一点说 ， “BitMap”的原理就像英语的缩略词一样 。 例如把雅思写成全称的形式“International English Language Testing System”需要占用45个字符 ， 而如果直接简写成“IELTS”只需要5个字符就够了 ， 这样机器读取的时间就会大大缩短 。
根据业务测试反馈 ， 凭借ClickHouse和“BitMap”组合 ， 巨量云图的查询速度提升了10-50倍 ， 查询时间已控制在3-5秒间 ， 真正实现了商业分析的“所需即所得” 。
结语：内容理解从底层解决了标签的精准问题 ， 标签平台从上层让精准的洞察发挥出更多价值 ， 查询技术让一切信息秒速进入人们的视线 ， 正是通过一次次技术上的突破 ， 才成就了如今洞悉更多商业细节的能力 。
【“显微镜”式营销洞察背后的黑科技】从创意生产到洞察分析 ， 现在巨量引擎团队又有了更多新思考 ， 例如让情感分析更加细腻、系统更加智能、生产更高效… 营销的科学性也正是在无数次思考中走向普罗大众 。 相信 ， 这些细微的思考也会在未来带来更先进的技术 ， 解决更多难题 。

• 打造多场景机器人矩阵，普渡机器人新品“出尘C1”开启智能清洁新时代
• “跌下神坛”的封阳台，为啥会从山巅陨落？被时代淘汰谁也躲不过
• 大数据请把本篇推给喜欢“高颜值”家居品的人，进来就走不了了
• 为啥不赞成厨房买“集成灶”？听懂行人怎么说，庆幸自己没瞎选
• Shopee虾皮快付功能
• 双12上“真快乐”APP乐购心愿节引爆畅消费盛宴
• 传递安全出行理念，雅迪“幸盔有你，安全出行”海南环岛行启动
• 库克“一语成谶”：又有 30 万台安卓设备被“感染”了
• 超前点播取消了，短剧付费站起来了？
• 汽车“芯”动上海滩