李 科，黨延忠

(大連理工大學(xué)系統(tǒng)工程研究所，遼寧 大連 116024)

1 引言

廣告，即“廣而告之”，它的目的在于引起消費(fèi)者注意，喚起消費(fèi)者對(duì)商品或服務(wù)的需要，潛移默化地引導(dǎo)消費(fèi)者了解企業(yè)的商品或服務(wù)，誘發(fā)消費(fèi)者的消費(fèi)行為從而使廣告主獲得盈利。出租車作為一個(gè)流動(dòng)的“活的媒體”，它具有流動(dòng)性大、不受區(qū)域限制、受眾面廣的優(yōu)勢(shì)。除此之外，出租車會(huì)主動(dòng)尋找人群密集的區(qū)域停留，具有其他任何媒體不具備的“追逐人群”的特點(diǎn)。出租車以其獨(dú)有的特點(diǎn)能夠使廣告得到很好的推廣，是廣告信息傳播的絕好載體，深受廣告主的青睞。出租車LED廣告是一種以出租車LED顯示屏為傳播媒介的廣告，基于車載信息服務(wù)技術(shù)的出租車GPS服務(wù)系統(tǒng)運(yùn)用文字、圖片、動(dòng)畫和視頻等形式進(jìn)行傳播，是出租車廣告的主要形式。出租車LED廣告的推廣應(yīng)用與其投放策略有著極其重要的關(guān)系。

出租車傳統(tǒng)的運(yùn)營模式以單班制和雙班制為主，乘客通過“招手即?！钡姆绞浇熊嚒鹘y(tǒng)的“馬路揚(yáng)招”打車方式主要由乘客決定出租車行駛的目的地，篩選乘客的余地受乘客影響極大。出租車司機(jī)基本是被動(dòng)地接受“揚(yáng)招”，如果司機(jī)對(duì)“揚(yáng)招”者不予理睬，很可能被投訴“拒載”而遭到處罰。同時(shí)，出租車司機(jī)“掃馬路”式的尋客行為具有隨機(jī)性與不確定性。在這種傳統(tǒng)的運(yùn)營模式下，出租車司機(jī)的行為被出行者行為影響非常大，不同的司機(jī)很難有差異化行為。因此，出租車LED廣告投放時(shí)間不靈活，投放內(nèi)容單一和投放區(qū)域不精細(xì)。由于不分車輛、不分廣告內(nèi)容，因此難以針對(duì)目標(biāo)群體進(jìn)行品牌宣傳和滿足目標(biāo)群體的差異化需求。同時(shí)，還很難估計(jì)發(fā)布廣告的出租車數(shù)量。這使廣告主承擔(dān)著不必要的廣告費(fèi)用，難于達(dá)到廣告主的預(yù)期效果。因此，亟需廣告投放的精準(zhǔn)策略來提升廣告效果。

當(dāng)前，在“互聯(lián)網(wǎng)+”時(shí)代下，“互聯(lián)網(wǎng)+交通”依托互聯(lián)網(wǎng)信息技術(shù)實(shí)現(xiàn)互聯(lián)網(wǎng)與傳統(tǒng)出租汽車服務(wù)行業(yè)的深入融合，已從抽象概念變成觸手可及的生活體驗(yàn)。利用線上線下O2O的運(yùn)營模式，乘客線上預(yù)約叫車，司機(jī)線下服務(wù)，打車軟件成功建立乘客與司機(jī)的“供需”關(guān)系，有效降低出租車的空駛率和解決乘客打車難的問題，滿足乘客便捷出行和人性服務(wù)的需求。與此同時(shí)，出租車司機(jī)的尋客方式也在逐漸改變。司機(jī)可以借助打車軟件瀏覽乘客呼叫訂單信息并進(jìn)行有選擇地接單，打車軟件給出租車司機(jī)賦予了靈活的選擇權(quán)和主動(dòng)權(quán)，不再擔(dān)心“拒載”而遭到處罰。出租車司機(jī)可以按照自己的意愿和偏好來選擇服務(wù)的時(shí)間、區(qū)域和人群。由此看來，打車軟件正在潛移默化地改變著人們的出行方式，影響著出租車司機(jī)的決策行為[1]，深刻地變革著出租車行業(yè)的運(yùn)營模式[2]。乘客乘坐出租車時(shí)的叫車方式已經(jīng)由“揚(yáng)招”、“電招”走進(jìn)“網(wǎng)招”新時(shí)代。不僅如此，在新的運(yùn)營模式下，由于出租車內(nèi)置了定位設(shè)備，在出租車運(yùn)行時(shí)產(chǎn)生了大量GPS軌跡數(shù)據(jù)，這些數(shù)據(jù)覆蓋范圍廣，兼有時(shí)空特性，既能反應(yīng)乘客的行為特征也能反映司機(jī)的行為特征[3]，為廣告的精準(zhǔn)投放研究和設(shè)計(jì)提供了必要條件。

廣告精準(zhǔn)投放利用相關(guān)技術(shù)研究用戶的興趣偏好，通過媒介傳播平臺(tái)，選擇目標(biāo)群體和區(qū)域，運(yùn)用文字、圖片或視頻等方式，將用戶感興趣的廣告信息或產(chǎn)品精準(zhǔn)地投放給用戶[4]。相對(duì)于傳統(tǒng)的投放策略，它不僅考慮了目標(biāo)用戶之間的差異性，為用戶提供個(gè)性化的服務(wù)，還能提高廣告的精準(zhǔn)度和命中率，是未來廣告行業(yè)發(fā)展的主流趨勢(shì)。

研究廣告的精準(zhǔn)投放不僅可以滿足目標(biāo)群體的信息需求，還能夠?yàn)槠髽I(yè)創(chuàng)造更多的收益利潤(rùn)。對(duì)于廣告精準(zhǔn)投放的研究，國外開展的比較早。Wang等[5]的研究成果表明投放用戶感興趣的廣告可以增強(qiáng)用戶體驗(yàn)進(jìn)而有助于提高廣告投放效果。Grossman和Shapiro[6]研究表明廣告信息增強(qiáng)了產(chǎn)品和消費(fèi)者的有效匹配，增加了產(chǎn)品的需求彈性。當(dāng)企業(yè)將信息定向投放于特定消費(fèi)群體時(shí)，企業(yè)能夠有效地降低廣告成本。Chatterjee等[7]的研究認(rèn)為廣告精確化和個(gè)性化越強(qiáng)投放效果就越明顯。Athey和Ellison[8]認(rèn)為向消費(fèi)者投放定向廣告有助于實(shí)現(xiàn)產(chǎn)品和潛在消費(fèi)者的有效匹配，從而提升廣告的社會(huì)價(jià)值。國內(nèi)相關(guān)的研究雖然起步較晚，但也取得了一些成果，如鄧瑛[9]認(rèn)為精準(zhǔn)廣告是以個(gè)體為單位的受眾需求為中心，將精準(zhǔn)的廣告信息，通過合適的渠道，在恰當(dāng)?shù)臅r(shí)間和地點(diǎn)，傳達(dá)給有需求的受眾。鞠宏磊等[10]則提出精準(zhǔn)廣告是針對(duì)消費(fèi)者個(gè)性化特征和需求而推送具有高度相關(guān)性商業(yè)信息的傳播與溝通方式。倪寧和金韶[11]認(rèn)為實(shí)現(xiàn)精準(zhǔn)廣告要做到目標(biāo)受眾精準(zhǔn)定位、消費(fèi)需求深度挖掘、投放過程精準(zhǔn)可控。對(duì)于廣告的精準(zhǔn)投放，目前主要集中在互聯(lián)網(wǎng)領(lǐng)域。Ha等[12]就以用戶的社交網(wǎng)絡(luò)信息構(gòu)建用戶特征，結(jié)合用戶對(duì)商品的評(píng)價(jià)，實(shí)現(xiàn)對(duì)用戶個(gè)性精準(zhǔn)化廣告的推薦。Broder等[13]利用改進(jìn)的算法將網(wǎng)頁和廣告進(jìn)行分類，通過計(jì)算網(wǎng)頁和廣告所屬類別的相似度和其本身的相似度的加權(quán)和得到最終的相似度，有效提高了廣告投放的準(zhǔn)確率。Lim等[14]提出可先根據(jù)已知的用戶年齡和性別信息對(duì)用戶進(jìn)行分類，結(jié)合用戶對(duì)網(wǎng)絡(luò)節(jié)目類型的觀看偏好和觀看時(shí)間推斷用戶特征，從而實(shí)現(xiàn)對(duì)用戶個(gè)性精準(zhǔn)化投放廣告。

綜上所述，目前廣告的精準(zhǔn)投放已經(jīng)得到廣大學(xué)者的重視，同時(shí)在互聯(lián)網(wǎng)領(lǐng)域當(dāng)中得到行之有效的實(shí)現(xiàn)，但是缺少對(duì)出租車LED廣告精準(zhǔn)投放的研究。究其原因可能是學(xué)者很少意識(shí)到出租車運(yùn)營模式的變革以及對(duì)司機(jī)行為的影響。本文提出了基于出租車軌跡數(shù)據(jù)的LED廣告精準(zhǔn)投放的研究思路，結(jié)合數(shù)據(jù)挖掘技術(shù)，提取居民出行行為的時(shí)空特征和司機(jī)的行為特征及偏好，并根據(jù)居民出行行為和司機(jī)的興趣偏好，設(shè)計(jì)了三種廣告精準(zhǔn)投放策略，即時(shí)段定向廣告投放策略，空間定向廣告投放策略和時(shí)空定向廣告投放策略。

2 研究思路

出租車LED廣告投放過程(見圖1)主要涉及四個(gè)方面：廣告主、廣告公司、出租汽車公司和廣告受眾，他們之間是相輔相成的關(guān)系。廣告主是廣告內(nèi)容的供應(yīng)方，為推銷商品或服務(wù)委托廣告公司設(shè)計(jì)和制作廣告。廣告公司與出租汽車公司合作，維護(hù)所有的廣告資源并根據(jù)產(chǎn)品定位進(jìn)行廣告投放策略的制定與執(zhí)行，最終將廣告主的商品或服務(wù)信息通過出租車LED顯示屏展示給受眾。廣告受眾是活躍在城市不同功能區(qū)內(nèi)的人群。人群到達(dá)一個(gè)功能區(qū)是為了參加某種社會(huì)活動(dòng)，而人群離開一個(gè)區(qū)域代表著某個(gè)社會(huì)活動(dòng)的結(jié)束，這反映了人們的區(qū)域活動(dòng)是抱有特定的目的和需求的[15]。例如，在火車站、汽車站、機(jī)場(chǎng)等交通樞紐區(qū)活動(dòng)的人群往往是以出差旅行為目的。顯然，獲知司機(jī)喜歡去哪些功能區(qū)服務(wù)乘客這樣的信息會(huì)有益于出租車LED廣告的精準(zhǔn)投放。基于此，本研究提出的出租車LED廣告精準(zhǔn)投放是指廣告主針對(duì)不同的受眾群體發(fā)送特定的或相對(duì)個(gè)性化的廣告信息，使得廣告能夠在合適的時(shí)間以較為恰當(dāng)?shù)姆绞綔?zhǔn)確傳遞給目標(biāo)區(qū)域內(nèi)的消費(fèi)群體，實(shí)現(xiàn)廣告信息和目標(biāo)受眾之間及時(shí)有效的信息匹配。

圖1 廣告投放流程

為了實(shí)現(xiàn)本文的研究目的，研究思路如下圖2所示。首先對(duì)大規(guī)模真實(shí)有效的出租車軌跡數(shù)據(jù)進(jìn)行預(yù)處理，包括篩選數(shù)據(jù)范圍，刪除重復(fù)數(shù)據(jù)，剔除錯(cuò)誤數(shù)據(jù)和識(shí)別載客狀態(tài)等過程，提取乘客上下車位置數(shù)據(jù)和空載狀態(tài)下的軌跡數(shù)據(jù)。其次，提取居民出行時(shí)間特征。對(duì)乘客上下車位置數(shù)據(jù)做統(tǒng)計(jì)處理，分析居民出行在時(shí)間上的特征和規(guī)律，構(gòu)造差分函數(shù)劃分居民出行的時(shí)間段。隨后，提取居民出行空間特征。采用密度峰值聚類算法對(duì)上下位置數(shù)據(jù)進(jìn)行聚類，把最終的類簇輸出到地圖上進(jìn)行匹配，采用人工標(biāo)識(shí)的方法識(shí)別區(qū)域功能，進(jìn)而了解居民在不同功能區(qū)的分布情況。然后，提取司機(jī)行為特征。在居民出行時(shí)空分布的基礎(chǔ)之上，從工作日和休息日這兩個(gè)維度出發(fā)，計(jì)算各個(gè)時(shí)段下每輛出租車在空載狀態(tài)下到達(dá)各個(gè)功能區(qū)域的概率，即司機(jī)對(duì)功能區(qū)的偏好度，使用K-均值對(duì)司機(jī)偏好度進(jìn)行聚類，進(jìn)而得出具有不同行為特征的司機(jī)群體。最后，針對(duì)居民出行行為規(guī)律和司機(jī)偏好特征提出出租車LED廣告精準(zhǔn)投放策略，即時(shí)段定向廣告投放策略，空間定向廣告投放策略和時(shí)空定向廣告投放策略。本文中所指的“居民”即乘坐出租車出行的乘客。

3 特征提取方法

3.1 居民出行行為時(shí)間特征提取方法

居民出行時(shí)間分布反映了居民出行在時(shí)間上的特征和規(guī)律[16-17]，可以幫助我們了解人們?nèi)粘３鲂械母叻搴头歉叻迩闆r。出租車軌跡數(shù)據(jù)可以反映居民出行在時(shí)間上的分布，具有一定的客觀真實(shí)性。日常生活中，居民出行時(shí)間呈現(xiàn)不規(guī)則曲線分布，結(jié)合差分函數(shù)算法尋找曲線上取得極大值與極小值的位置點(diǎn)對(duì)時(shí)段進(jìn)行劃分。

設(shè)數(shù)據(jù)集V={vt1，vt2，…，vtn}，其中vti代表一天中第ti(i=1,2，…，n)時(shí)刻乘客上/下車位置數(shù)據(jù)點(diǎn)數(shù)量。差分函數(shù)Diff(i)為：

Diff(i)=V(ti+1)-V(ti)，i=1,2，…，n

(1)

符號(hào)函數(shù)Sign(x)為：

(2)

居民出行時(shí)段的劃分算法可描述為：

步驟1采用公式(1)計(jì)算V的一階差分Diff(i)

步驟 2采用公式(2)對(duì)Diff(i)取符號(hào)函數(shù)運(yùn)算，記作S=sign(Diff(i))。若S(ti)=0且S(ti+1)≥0，則S(ti)=1；若S(ti)=0且S(ti+1)<0，則S(ti)=-1

步驟3對(duì)S進(jìn)行一階差分運(yùn)算，記作R=Diff(S)。若R(ti)=-2，則于ti+1時(shí)刻為V的一個(gè)極大值位置，對(duì)應(yīng)的極大值為V(ti+1)；若R(ti)=2，則ti+1時(shí)刻為V的一個(gè)極小值位置，對(duì)應(yīng)的極小值為V(ti+1)。

步驟4依據(jù)[ti+1-δ，ti+1+δ]，[ti+1-δ，ti+1]，[ti+1，ti+1+δ]區(qū)間劃分出時(shí)段，其中δ表示常數(shù)值，最后得到時(shí)段T={T1，T2，…，TJ}。不同城市居民有各自的出行特點(diǎn)，出行時(shí)間和時(shí)段劃分需要根據(jù)具體出行情況進(jìn)行調(diào)整。

3.2 居民出行行為空間特征提取方法

城市區(qū)域功能是城市區(qū)域的重要信息，在一定程度上影響著居民出行，而居民的日常出行活動(dòng)又與功能區(qū)域的分布密切相關(guān)。出租車上下車位置數(shù)據(jù)蘊(yùn)含了行人移動(dòng)性和出行目的信息，既能實(shí)現(xiàn)對(duì)城市土地利用類型實(shí)時(shí)、精確地動(dòng)態(tài)感知[18]，也能刻畫居民出行的空間分布[19]。不同區(qū)域的位置數(shù)據(jù)密集程度反映了居民出行情況，揭示區(qū)域?qū)θ藗兊奈潭?，?shù)據(jù)點(diǎn)越密集越能說明人們對(duì)該區(qū)域感興趣[20]。因此我們使用密度峰值聚類算法對(duì)上下車位置數(shù)據(jù)進(jìn)行聚類分析，結(jié)合地圖根據(jù)區(qū)域?qū)嶋H功能進(jìn)行標(biāo)識(shí)，研究居民出行在空間上的分布特征。

首先，通過密度峰值聚類算法自動(dòng)劃分不同的類簇?？紤]到本研究使用的數(shù)據(jù)是軌跡數(shù)據(jù)，本文采用的是快速搜索和發(fā)現(xiàn)密度峰值聚類算法(Clustering by Fast Search and Find of Density Peaks,CFSFDP)[24-25]。CFSFDP是基于密度的聚類算法，可以聚類非球星數(shù)據(jù)集，自動(dòng)獲得類的正確個(gè)數(shù)，具有聚類速度快、實(shí)現(xiàn)簡(jiǎn)單等優(yōu)點(diǎn)。該算法基于兩個(gè)重要假設(shè)：①聚類中心的密度大于環(huán)繞它的鄰居節(jié)點(diǎn)；②聚類中心與任意比其局部密度高的節(jié)點(diǎn)具有相對(duì)遠(yuǎn)的距離。

設(shè)數(shù)據(jù)集D={x1，x2，…，xn}，數(shù)據(jù)點(diǎn)總數(shù)為N，對(duì)于數(shù)據(jù)集中任意一點(diǎn)i，計(jì)算該節(jié)點(diǎn)的局部密度ρi以及節(jié)點(diǎn)到其他具有更高局部密度的節(jié)點(diǎn)的距離δi。其中，節(jié)點(diǎn)i的局部密度ρi為：

(3)

式中：dc為截?cái)嗑嚯x。如果dij-dc<0，則χ(dij-dc)=1；否則，χ(dij-dc)=0。

節(jié)點(diǎn)i到比其局部密度更高節(jié)點(diǎn)的距離δi為：

(4)

式中：若i點(diǎn)為數(shù)據(jù)集中局部密度最大的點(diǎn)，則δi=maxj(dij)，選取i點(diǎn)到相鄰節(jié)點(diǎn)距離的最大值作為其δi；否則，選取局部密度大于i點(diǎn)的數(shù)據(jù)點(diǎn)到i點(diǎn)的距離中的最小值，作為i點(diǎn)的δi。

由上述定義可知，作為聚類中心的數(shù)據(jù)點(diǎn)一定會(huì)比一點(diǎn)節(jié)點(diǎn)具有更高的ρi和δi。在得到所有ρi和δi的值后，算法會(huì)得到一個(gè)決策圖：

γi=ρi×δi

(5)

結(jié)合ρ值和δ值綜合考量，決策圖中具有高δ和相對(duì)較高ρ值的節(jié)點(diǎn)會(huì)被選作聚類中心，即γ值較高的節(jié)點(diǎn)。對(duì)γ數(shù)值進(jìn)行降序排列，并把γ值進(jìn)行數(shù)值檢測(cè)。通過檢測(cè)，作為聚類中心的γ值差異性較大，斜率也較大；非聚類中心的γ值差異性較小，斜率也較小。因此，通過判斷一γ拐點(diǎn)值識(shí)別聚類中心，把從最大的γ值到拐點(diǎn)值均視為聚類中心，那么也就確定了聚類數(shù)目。剩余節(jié)點(diǎn)將會(huì)按照局部密度從高至低分派到各個(gè)聚類簇中。Rodriguez等[24]論證了CFSFDP算法中節(jié)點(diǎn)分配過程的可靠性以及對(duì)大數(shù)據(jù)集的魯棒性。

然后，把聚出的類簇匹配到地圖，根據(jù)區(qū)域的實(shí)際功能進(jìn)行標(biāo)識(shí)類簇。對(duì)只有單一功能的區(qū)域直接標(biāo)注功能屬性，而對(duì)于非單一功能的區(qū)域根據(jù)區(qū)域中主要的功能標(biāo)注該區(qū)域功能屬性。

居民出行行為空間特征提取算法可描述為：

步驟1用公式(3)(4)分別計(jì)算數(shù)據(jù)點(diǎn)xi的局部密度ρi和到比其局部密度更高節(jié)點(diǎn)的距離δi；

步驟2通過公式(5)確定聚類中心點(diǎn)的個(gè)數(shù)，即確定聚類個(gè)數(shù)；

步驟3分配其余數(shù)據(jù)點(diǎn)到高于當(dāng)前數(shù)據(jù)點(diǎn)密度的最近數(shù)據(jù)點(diǎn)的類中；

步驟4利用dc算出類邊界區(qū)域，然后指定邊界區(qū)域中密度最高點(diǎn)密度值為去除噪聲數(shù)據(jù)點(diǎn)閾值，將密度小于此閾值的數(shù)據(jù)點(diǎn)視為噪聲點(diǎn)，獲得類簇；

步驟5依據(jù)地圖標(biāo)識(shí)最終聚類結(jié)果，得到功能區(qū)Z={Z1，Z2，…，Zn}

3.3 司機(jī)行為特征提取方法

大多數(shù)出租車司機(jī)會(huì)根據(jù)自己的興趣愛好到不同類型的功能區(qū)域?qū)ふ页丝?，在未載客時(shí)司機(jī)的這種偏好會(huì)更加明顯。因此從空載的軌跡數(shù)據(jù)中提取司機(jī)行為特征，發(fā)現(xiàn)司機(jī)的興趣偏好，對(duì)廣告的精準(zhǔn)化投放是很有必要的。

由于同一類型中的司機(jī)相似度較高，而不同類型中的司機(jī)差異較大，因此在構(gòu)建司機(jī)行為特征時(shí)首先需要計(jì)算在未載客狀態(tài)下不同司機(jī)人群個(gè)體到不同功能區(qū)的偏好度，計(jì)算偏好的公式如下：

(6)

式中：xij表示第i個(gè)司機(jī)在空載行駛時(shí)落到第j個(gè)區(qū)域軌跡點(diǎn)數(shù)，pij表示第i個(gè)司機(jī)對(duì)第j個(gè)功能區(qū)域的偏好程度，i=1，2，…，m，j=1，2，…，n。這樣就建立了司機(jī)的偏好度矩陣Rm×n，如(7)所示：

(7)

然后，基于距離是度量相似度常用的方式這一特點(diǎn)，使用K-均值對(duì)司機(jī)進(jìn)行聚類。針對(duì)司機(jī)偏好的聚類研究適用于基于劃分的聚類方法，其代表算法有K-means、K-mediods和CLARANS(Clustering LARge Applications)。而K-means的聚類耗時(shí)較短，聚類結(jié)果易于解釋和理解。此外，對(duì)于海量數(shù)據(jù)集K-means不僅具備高度的可伸縮性，還能夠處理高維空間下的數(shù)據(jù)對(duì)象。選擇均方根誤差RMSE作為聚類判度函數(shù)，如下所示：

(8)

式中：M表示類別j中司機(jī)的功能區(qū)域偏好度，Cj表示類別j中司機(jī)的集合，Aj表示類別j的功能區(qū)域偏好度均值。

最后，依據(jù)聚類結(jié)果篩選出比較相似的司機(jī)以及差異較大的司機(jī)。根據(jù)司機(jī)表現(xiàn)出的偏好特征向不同類型的出租車上投放不同的廣告內(nèi)容，可以提高廣告的精準(zhǔn)度和命中率。

提取司機(jī)行為特征過程可描述為：

步驟1在ArcGIS10.2平臺(tái)對(duì)不同時(shí)段T下空載的軌跡數(shù)據(jù)P={p1，p2，…，pn},pi(long.，lat.)和不同的功能區(qū)A進(jìn)行矢量化；

步驟2利用Python操作ArcToolbox中疊加分析工具進(jìn)行分析；

步驟3利用公式(6)計(jì)算司機(jī)的偏好度，將其整理到(7)中，建立司機(jī)的偏好度矩陣；

步驟4使用K-means++算法確定K個(gè)司機(jī)的功能區(qū)域偏好度作為初始聚類中心，計(jì)算其余司機(jī)功能區(qū)域的偏好度與該初始值的距離，將其指派給與其距離最小的聚類人群；

步驟5計(jì)算更新后每類司機(jī)功能區(qū)域偏好度的統(tǒng)計(jì)平均值以及每個(gè)司機(jī)的功能區(qū)域偏好度與更新后均值的距離，將其指派給與其距離最小的聚類人群，從而更新聚類，并且根據(jù)公式(8)計(jì)算每類的均方根誤差；

步驟6重復(fù)步驟5，直到聚類判度函數(shù)收斂時(shí)聚類結(jié)束，得到K類司機(jī)人群。

4 精準(zhǔn)投放策略制定

時(shí)段定向投放策略指根據(jù)居民出行規(guī)律的時(shí)間進(jìn)行定向投放廣告。由于居民出行行為呈現(xiàn)出較強(qiáng)的時(shí)間波動(dòng)性，在高峰時(shí)段人流量密集，而在非高峰時(shí)段人流量稀疏。因此，在不同的時(shí)段人群流動(dòng)的情況不同，企業(yè)投放廣告應(yīng)符合人群波動(dòng)規(guī)律，在不同時(shí)段分配合適的廣告類型。

設(shè)廣告種類用集合Ad={ad(1)，ad(2)，…，ad(n)}，?ad(i)(i=1，2，…，n)，適合投放廣告時(shí)段{Tk}(k=1，2，…，K)。若T={Tk}∩{Tj}≠φ，則在T時(shí)段投放ad(i)類廣告；若T={Tk}∩{Tj}=φ，則在T時(shí)段不投放ad(i)類廣告。另外，由于高峰時(shí)段投放廣告會(huì)增大廣告曝光度，提高產(chǎn)品被購買的可能性，因此可以制定合理的廣告定價(jià)策略，完善廣告收費(fèi)標(biāo)準(zhǔn)。

空間定向投放策略指從居民出行行為空間特征為出發(fā)，針對(duì)居民經(jīng)常去的功能區(qū)域投放與區(qū)域相關(guān)的廣告。居民到達(dá)某個(gè)功能區(qū)域往往解決自身某種需求的，如科研文化區(qū)的人們大都是從事科學(xué)文化教育的學(xué)生、教師、研究員等，他們對(duì)文娛比賽、學(xué)術(shù)交流會(huì)議之類的信息比較感興趣。所以，讓身處不同功能區(qū)域的人群看到能夠符合自己喜好和意愿的信息，這樣企業(yè)廣告的投放范圍會(huì)縮小到某一特定的區(qū)域，對(duì)實(shí)現(xiàn)廣告的精準(zhǔn)投放是大有裨益的。

?ad(i)適合投放廣告的區(qū)域有{Zl}(l=1，2，…，L)，若Z={Zl}∩{Zr}≠φ，則在Z功能區(qū)域投放廣告ad(i)；若Z={Zl}∩{Zr}=φ，則在Z功能區(qū)域不投放廣告ad(i)。

時(shí)空定向投放策略指企業(yè)在不同時(shí)段向不同區(qū)域的人群投放廣告。?ad(i)類廣告于不同Tj時(shí)段在不同的功能區(qū)域Zr投放與否用xij構(gòu)成的矩陣(9)表示，其中xij取1或0，xij=1表示投放，xij=0表示不投放。

(9)

在Tj時(shí)段下第k=(1，2，…，K)類的司機(jī)到達(dá)功能區(qū)域Zr與否用yij構(gòu)成的矩陣(10)表示，其中yij取1或0，yij=1表示司機(jī)到達(dá)該區(qū)域，yij=0表示司機(jī)未到達(dá)該區(qū)域。

(10)

若xrj=1且yrk=1，則就在Tj時(shí)段向Zr區(qū)域投放ad(i)類廣告。

5 實(shí)驗(yàn)

5.1 實(shí)驗(yàn)數(shù)據(jù)

本文通過對(duì)某市某行政區(qū)的5000輛出租車軌跡數(shù)據(jù)進(jìn)行分析以闡述上述方法的實(shí)現(xiàn)。該研究數(shù)據(jù)記錄的基本信息包括出租車的車輛編號(hào)、定位時(shí)間、經(jīng)緯度和速度等。本文采用2014年5月5日至11日(該時(shí)間范圍包含工作日和休息日)歷時(shí)一周的軌跡數(shù)據(jù)，總共為2723萬條。由于所獲得到的軌跡數(shù)據(jù)存在誤差，因此，在進(jìn)行數(shù)據(jù)分析之前，需要結(jié)合本研究目的對(duì)出租車軌跡上數(shù)據(jù)進(jìn)行預(yù)處理，如剔除錯(cuò)誤數(shù)據(jù)和越界數(shù)據(jù)，刪除重復(fù)數(shù)據(jù)和記錄不全的數(shù)據(jù)，識(shí)別出租車重載和空載狀態(tài)。

5.2 結(jié)果分析

依據(jù)廣告主題內(nèi)容的劃分標(biāo)準(zhǔn)把廣告分為快消類廣告、酒店類廣告、餐飲類廣告、旅游類廣告、娛樂休閑類廣告、教育類廣告等[26]。接下來分別統(tǒng)計(jì)工作日和休息日下的上下車位置數(shù)據(jù)，如下圖3和圖4所示。

圖3 工作日居民出行規(guī)律

圖4 休息日居民出行規(guī)律

從圖3和圖4可以看出工作日和休息日乘客上下車次數(shù)在00:00-07:00最少，而在08:00-10:00，11:00-13:00和18:00-22:00最多。這反映了工作日和休息日居民出行的時(shí)間段主要集中在08:00-10:00，11:00-13:00和18:00-22:00。居民在休息日早高峰時(shí)段達(dá)到峰值的速度比在工作日早高峰時(shí)段達(dá)到峰值的速度要快，結(jié)合居民的生活習(xí)慣，原因可能是在休息日人們更多傾向于參與購物、娛樂、休閑等活動(dòng)，為了避免交通擁堵，往往會(huì)選擇盡早出門；在工作日15:00-18:00這一時(shí)段上/下車次數(shù)出現(xiàn)小幅波動(dòng)，而在休息日該時(shí)段上/下車次數(shù)呈現(xiàn)變動(dòng)增長(zhǎng)，原因可能是在休息日居民外出返回居住地準(zhǔn)備下周工作，或者外出參加晚上親朋好友的聚會(huì)等活動(dòng)?？傊?，居民出行有明顯的波動(dòng)趨勢(shì)，存在高峰和平峰特點(diǎn)。但從工作日和休息日城市居民出行時(shí)間規(guī)律來看，居民日常出行大致趨勢(shì)相似。按照居民出行時(shí)段劃分的步驟，取δ=2，最終把居民出行人流時(shí)段可以大致如下劃分：8:00-10:00為早高峰時(shí)段，11：00-13:00為午高峰時(shí)段，18:00-20:00為晚高峰時(shí)段，20:00-22:00為夜高峰時(shí)段，其余時(shí)段為平峰時(shí)段。由于居民出行時(shí)間的波動(dòng)性，廣告主在投放廣告時(shí)有必要考慮高峰時(shí)段和非高峰時(shí)段人群流動(dòng)特性，分時(shí)段進(jìn)行廣告投放。如在早高峰投放快消類廣告和時(shí)效性強(qiáng)的餐飲類廣告以達(dá)到快速曝光的目的，引起消費(fèi)者關(guān)注和食欲；在午高峰時(shí)段和晚高峰時(shí)段投放具有優(yōu)惠折扣的酒店類廣告，這樣會(huì)刺激購買欲望。

采用CFSFDP聚類算法提取居民出行行為空間特征，最終將該市行政區(qū)劃劃分44個(gè)類簇，結(jié)合《城市公共設(shè)施規(guī)劃規(guī)范》和地圖，在專家參與下人為標(biāo)識(shí)之后得到8種不同類型的功能區(qū)。詳細(xì)信息如圖5和表1所示：

圖5 某市某行政區(qū)功能區(qū)域

表1 最終標(biāo)定的功能區(qū)域

功能區(qū)域內(nèi)的人群都會(huì)有目的地從事活動(dòng)。如科研文化區(qū)內(nèi)的人群以學(xué)生和年輕人為主，這些人大多會(huì)鐘情于吃喝玩樂、體育賽事、文藝公演等新鮮事物，企業(yè)可以根據(jù)區(qū)域內(nèi)人群特點(diǎn)“投其所好”。對(duì)喜歡去商務(wù)辦公區(qū)的人而言，該區(qū)域的人群以上班族和商戶較多，這類人群具有較高的消費(fèi)能力，因此可以向這類出租車上投放以招聘，房屋交易、租賃、裝修等為主題的廣告。對(duì)喜歡去交通樞紐區(qū)的人來說，該區(qū)域的人群大多是進(jìn)出火車站、汽車站等地方的旅客，因此可以向交通樞紐區(qū)投放觀光旅游、酒店住宿、特色美食之類的廣告，目的是吸引往來的旅客消費(fèi)。

基于ArcGIS平臺(tái)計(jì)算出每個(gè)司機(jī)在不同時(shí)段下到達(dá)8個(gè)功能區(qū)的概率，但是由于數(shù)據(jù)的數(shù)量比較龐大，就部分?jǐn)?shù)據(jù)給予顯示。表2和表3分別表示在工作日和休息日早高峰時(shí)段下司機(jī)到達(dá)功能區(qū)域的概率。

表2 在工作日早高峰時(shí)段下司機(jī)到達(dá)功能區(qū)域的概率

表3 在休息日早高峰時(shí)段下司機(jī)到達(dá)功能區(qū)域的概率

使用K-means對(duì)司機(jī)進(jìn)行聚類，最終均分別得到在工作日和休息日不同時(shí)段下的6類司機(jī)。由于文章篇幅限制，現(xiàn)僅對(duì)工作日和休息日早高峰時(shí)段下的司機(jī)進(jìn)行分析。圖6和圖7所示的是出租車司機(jī)在工作日和休息日早高峰時(shí)段呈現(xiàn)出不同的行駛特征。

圖6 工作日早高峰時(shí)段出租車司機(jī)行駛特征

圖7 休息日早高峰時(shí)段出租車司機(jī)行駛特征

從圖6可以發(fā)現(xiàn)，司機(jī)在行駛過程中對(duì)不同的功能區(qū)表現(xiàn)出不同的偏好。在早高峰時(shí)段，圖6(1)中的這類司機(jī)去商務(wù)辦公區(qū)和商業(yè)購物區(qū)的概率大于去其他區(qū)域，這說明該類司機(jī)喜歡去商務(wù)辦公區(qū)和商業(yè)購物區(qū)工作可能性多一些，這類司機(jī)占25%；圖6(2)中的這類司機(jī)去交通樞紐區(qū)的概率大于去其他的區(qū)域，這說明該類司機(jī)喜歡去交通樞紐區(qū)工作，這類司機(jī)占9%；圖6(3)中的這類司機(jī)到旅游休閑區(qū)的概率遠(yuǎn)遠(yuǎn)高于到其他功能區(qū)，可以看出這類司機(jī)更加喜歡到旅游休閑區(qū)工作，這類司機(jī)占6%；圖6(4)這類司機(jī)到各個(gè)功能區(qū)的概率相差不大，這說明該類司機(jī)喜歡全城尋客，這類司機(jī)占29%；圖6(5)中的這類司機(jī)去商業(yè)購物區(qū)的概率大于去其他功能區(qū)的概率，這表明了該類司機(jī)偏向于到商業(yè)購物區(qū)工作，這類司機(jī)占21%；圖6(6)中的這類司機(jī)去居民住宅區(qū)的概率遠(yuǎn)遠(yuǎn)高于去其他功能區(qū)的概率，這說明了該類司機(jī)更加喜歡到居民住宅區(qū)載客，這類司機(jī)占10%。

從圖7可以發(fā)現(xiàn)，圖7(1)中的這類司機(jī)去旅游休閑區(qū)的概率遠(yuǎn)比到其他功能區(qū)的概率高，這表明了該類司機(jī)更喜歡去旅游休閑區(qū)工作，這類司機(jī)占7%；圖7(2)和圖7(5)中的這類司機(jī)去各個(gè)功能區(qū)的概率相差不大，這表明了該類司機(jī)并沒有表現(xiàn)出對(duì)個(gè)別功能區(qū)的偏好，這類司機(jī)分別占23%和27%；圖7(3)中的這類司機(jī)去居民住宅區(qū)的概率遠(yuǎn)比到其他功能區(qū)的概率高，這表明了該類司機(jī)更喜歡去居民住宅區(qū)工作，這類司機(jī)占12%；圖7(4)中的這類司機(jī)去交通樞紐區(qū)的概率遠(yuǎn)比到其他功能區(qū)的概率高，這表明了該類司機(jī)更喜歡去交通樞紐區(qū)工作，這類司機(jī)占15%；圖7(6)中的這類司機(jī)去商業(yè)購物區(qū)的概率遠(yuǎn)比到其他功能區(qū)的概率高，這表明了該類司機(jī)更喜歡去商業(yè)購物區(qū)工作，這類司機(jī)占16%。

綜合上述分析可知，根據(jù)司機(jī)對(duì)功能區(qū)域的偏好投放廣告更加具有針對(duì)性，廣告投放效果會(huì)更好。例如，城市中的商務(wù)辦公區(qū)以商務(wù)辦公大廈和銀行為主，如果銀行需要推廣自己的理財(cái)產(chǎn)品和服務(wù)，那么可以在工作日早高峰時(shí)段向商務(wù)辦公區(qū)的上班族和個(gè)體經(jīng)營商戶投放存款借貸、投資理財(cái)與互聯(lián)網(wǎng)金融為主題的廣告，這樣可以避免地面推廣所帶來的人力成本浪費(fèi)。不僅如此，城市中有龐大的出租車基數(shù)和多樣化的消費(fèi)需求，獲知偏好某些功能區(qū)的特定出租車數(shù)量，依此制定廣告投放比例，這樣會(huì)降低投放成本。例如，在休息日早高峰時(shí)段百貨零售企業(yè)的廣告主可以根據(jù)出現(xiàn)在居民住宅區(qū)的出租車數(shù)量制定合理的廣告投放比例，投放以商場(chǎng)促銷活動(dòng)為主題的廣告，引起生活區(qū)居民對(duì)購物消息的注意。

6 結(jié)語

打車軟件的出現(xiàn)改變了出租車的運(yùn)營模式，也改變了出租車司機(jī)的行為方式，加上相關(guān)數(shù)據(jù)的大量產(chǎn)生，為出租車LED廣告的精準(zhǔn)投放提供了現(xiàn)實(shí)條件。本文基于這一事實(shí)，對(duì)出租車LED廣告的精準(zhǔn)投放問題進(jìn)行了研究。

首先，本文對(duì)出租車LED廣告精準(zhǔn)投放策略的相關(guān)文獻(xiàn)進(jìn)行了梳理，提出居民出行行為時(shí)間特征和空間特征提取方法以及出租車司機(jī)的行為特征提取方法。然后，利用真實(shí)的出租車軌跡數(shù)據(jù)驗(yàn)證了這些行為特征的客觀存在性。最后，基于數(shù)據(jù)結(jié)果提出了廣告的精準(zhǔn)投放策略即時(shí)段定向投放策略，空間定向投放策略和時(shí)空定向投放策略。

出租車LED廣告精準(zhǔn)投放策略是一種嶄新的廣告投放策略。它符合廣告主和廣告公司對(duì)廣告投放精準(zhǔn)化的強(qiáng)烈訴求，可以在投放廣告時(shí)給廣告主和廣告公司一定的啟示和參考。出租車LED廣告精準(zhǔn)投放策略可以實(shí)現(xiàn)四個(gè)參與者的共贏。廣告主可以將廣告投放給最具有價(jià)值的目標(biāo)人群起到宣傳推廣作用，減少廣告費(fèi)用的浪費(fèi)。廣告公司為出租汽車公司和廣告主服務(wù)獲取一定的傭金。出租汽車公司憑借獨(dú)特的廣告?zhèn)鞑ッ浇槲嗟膹V告主與其合作，收取豐厚的廣告費(fèi)用，提高公司效益。廣告受眾則可以獲取和自己需求相匹配的信息。

本文選擇出租車軌跡數(shù)據(jù)作為數(shù)據(jù)源，盡管反映出的客觀規(guī)律值得肯定，但是僅僅以出租車軌跡數(shù)據(jù)反映出的規(guī)律代表人們?nèi)粘３鲂行袨闀r(shí)空特征尚且存在一定的偏差。另外，由于人類社會(huì)活動(dòng)的復(fù)雜以及城市功能的逐漸完善，這就會(huì)出現(xiàn)一個(gè)功能區(qū)相互重疊的情況，如一個(gè)居民住宅功能區(qū)往往會(huì)包含一些配套設(shè)施，如超市、餐館、公園等，因此本文功能區(qū)域的劃分與標(biāo)識(shí)還需要更加精細(xì)。此外，乘客的特征屬性，如年齡、職業(yè)、性別等，無法從出租車軌跡數(shù)據(jù)中獲知。若在日后的研究中結(jié)合打車軟件平臺(tái)數(shù)據(jù)、POI數(shù)據(jù)、手機(jī)活動(dòng)數(shù)據(jù)等多源數(shù)據(jù)進(jìn)行深入挖掘和分析，不僅有利于城市區(qū)域功能的精細(xì)劃分，還有利于提出更加個(gè)性化、精細(xì)化的廣告投放策略，這也是未來在出租車LED廣告行業(yè)值得深耕和探索的工作。