Facebook数据分析（Facebook分析）

如何看待facebook和Princeton关于数据分析的斗争

人工智能、内容节制等领域。

日前，FacebookCEO马克·扎克伯格正在布鲁塞尔游说欧盟监管机构制定新的法律来监管人工智能、内容节制等领域。而在去年同期Facebook营收增长了48%。

这一指引不仅让人质疑Meta的增长前景，也让人质疑整个在线广告行业以及消费者行为是否发生转变。

怎样理解互联网行业“数据分析”的意义

互联网企业拥有大量的线上数据，而且数据量还在快速增长，除了利用大数据提升自己的业务之外，互联网企业已经开始实现数据业务化，利用大数据发现新的商业价值。

以阿里巴巴为例，它不仅在不断加强个性化推荐、“千人千面”这种面向消费者的大数据应用，并且还在尝试利用大数据进行智能客户服务，这种应用场景会逐渐从内部应用延展到外部很多企业的呼叫中心之中。

在面向商家的大数据应用中，以“生意参谋”为例，超过 600 万商家在利用“生意参谋”提升自己的电商店面运营水平。除了面向自己的生态之外，阿里巴巴数据业务化也在不断加速，“芝麻信用”这种基于收集的个人数据进行个人信用评估的应用获得了长足发展，应用场景从阿里巴巴的内部延展到越来越多的外部场景，如租车、酒店、签证等。

因为客户的所有行为都会在互联网平台上留下痕迹，所以互联网企业可以方便地获取大量的客户行为信息。由互联网商务平台产生的信息一般具有真实性和确定性，通过运用大数据技术对这些数据进行分析，可以帮助企业制定出具有针对性的服务策略，从而获取更大的效益。近年来的实践证明，合理地运用大数据技术能够将电子商务的营业效率提高 60% 以上。

大数据在过去几年中已经改变了电子商务的面貌，具体来讲，电子商务行业的大数据应用有以下几个方面：精准营销、个性化服务、商品个性化推荐。

1. 精准营销

互联网企业使用大数据技术采集有关客户的各类数据，并通过大数据分析建立“用户画像”来抽象地描述一个用户的信息全貌，从而可以对用户进行个性化推荐、精准营销和广告投放等。

当用户登录网站的瞬间，系统就能预测出该用户今天为何而来，然后从商品库中把合适的商品找出来，并推荐给他。图 1 显示了用户画像会包括哪些用户基本信息和特性。

图 1 用户画像

大数据支持下的营销核心在于，让企业的业务在合适的时间，通过合适的载体，以合适的方式，推送给最需要此业务的用户。

首先，大数据营销具有很强的时效性。在互联网时代，用户的消费行为极易在短时间内发生变化，大数据营销可以在用户需求最旺盛时及时进行营销策略实施。

其次，可以实施个性化、差异化营销。大数据营销可以根据用户的兴趣爱好、在某一时间点的需求，做到对细分用户的一对一的营销，让业务的营销做到有的放矢，并可以根据实时性的效果反馈，及时调整营销策略。

最后，大数据营销对目标用户的信息可以进行关联性分析。大数据可以对用户的各种信息进行多维度的关联分析，从大量数据中发现数据项集之间有趣的关联和相关联系。

例如，通过发现用户购物篮中的不同商品之间的联系，分析出用户的其他消费习惯。通过了解哪些商品频繁地被用户同时购买，帮助营销人员从用户的一种商品消费习惯，发现用户另外的商品消费规律，从而针对此用户制定出相关商品的营销策略。图 2 显示了网站会根据用户画像为不同客户推荐不同商品。

图 2 精准营销

例如，某电子商务平台通过客户的网络浏览记录和购买记录等掌握客户的消费模式，从而分析并分类客户的消费相关特性。如收入、家庭特征、购买习惯等，最终掌握客户特征，并基于这些特征判断其可能关注的产品与服务。

从消费者进入网站开始，网站在列表页、单品页、购物车页等 4 个页面，部署了 5 种应用不同算法的推荐栏为其推荐感兴趣的商品，从而提高商品曝光率，促进交叉和向上销售。从多个角度对网站进行全面优化后，商城下定订单转化率增长了 66.7%，下定商品转化率增长了 18%，总销量增长了 46%。

在美国的沃尔玛大卖场，当收银员扫描完顾客所选购的商品后，POS 机上会显示出一些附加信息，然后售货员会根据这些信息提醒顾客还可以购买哪些商品。沃尔玛在大数据系统支持下实现的“顾问式营销”系统能够建立预测模型，例如，如果顾客的购物车中有不少啤酒、红酒和沙拉，则有 80% 的可能需要买配酒小菜、作料。

2. 个性化服务

电子商务具有提供个性化服务的先天优势，可以通过技术支持实时获得用户的在线记录，并及时为他们提供定制化服务。

许多电商都已经尝试了依靠数据分析，在首页为用户提供全面的个性化的商品推荐。海尔和天猫提供了让用户在网上定制电视的功能，顾客可以在电视机生产以前选择尺寸、边框、清晰度、能耗、颜色、接口等属性，再由厂商组织生产并送货到顾客家中。这样的个性化服务受到了广泛欢迎。

类似的定制服务还岀现在空调、服装等行业。这些行业通过满足个性化需求使顾客得到更满意的产品和服务，进而缩短设计、生产、运输、销售等周期，提升商业运转效率。

企业要为用户提供理想的个性化服务，首先必须通过数据充分了解用户的个性，其次是合理地掌控和设计服务的个性。了解用户个性是为用户提供他们想要的产品和服务的基础。企业需要在庞大的数据库中，找出最具有含金量的数据，然后，通过数据挖掘方法对用户进行聚类，再依据用户类型的特征设计针对性的服务。

个性化分散的单位可大可小，大到一个有同样需求的客户群体，小到每一个用户都是一个个性化需求单位。企业必须掌握好个性化服务的粒度，过于分散的个性化服务，会增加企业的服务成本和管理的复杂程度，所增加的个性化成本和实际收益需要成正比。

图 3 提供个性化旅游服务

携程的大数据应用从用户的角度岀发，分析基于携程所有用户的数据，包括用户在查询、浏览、预订、出行、评论等一系列旅行前后行为中所产生的数据。携程在剔除无效数据的同时，保证用户所留下的数据的真实性，然后将大量的数据进行实时筛选、分拣与重新组织并应用到用户的出行前、出行中、出行后的个性化需求中，如图 3 所示。

要做到个性化，明确用户的目标需求是至关重要的，不仅要看订单，还要关心用户所关心的内容。例如，同样是预订五星级酒店，有些用户对酒店设施十分敏感，有些看重酒店位置，有些则更在意酒店服务，对此，携程会根据用户的需求推荐不同的酒店。

美国塔吉特（Target）百货设立了一个迎婴聚会登记表，并对登记表中顾客的消费数据进行建模分析。他们发现，许多孕妇在第二个妊娠期的开始会买许多大包装的无香味护手霜，在怀孕的最初 20 周会大量购买补充钙、锌之类的保健品。

塔吉特最终选出了 25 种典型商品的消费数据，构建了“怀孕预测指数”。通过这个预测指数，塔吉特能够在很小的误差范围内预测到顾客的怀孕情况，从而就能在合适的时间把孕妇优惠广告寄发给顾客。

“Nike 跑鞋或腕带传感器”使耐克逐渐成为大数据营销的创新公司。运动者只要穿着 Nike 的跑鞋运动，与之关联的 iPod 就可以存储并显示运动日期、时间、距离、热量消耗值等数据。

Nike 通过跑步者上传的跑步路线掌握了主要城市最佳跑步路线的数据库，而且组织城市的跑步活动效果更好。目前，Nike 的运动网上社区有超过 500 万名活跃用户每天不停地上传数据，Nike 借此与消费者建立了前所未有的牢固关系。同时，海量的数据对于 Nike 了解用户习惯、改进产品、精准投放和精准营销也起到了不可替代的作用，Nike 甚至掌握了跑步者最喜欢听的歌是哪些。个性化服务离不开顾客的主动参与和分享，来源于客户的数据也能更精准地服务于客户。

“三只松鼠”近几年的快速发展，一方面是依靠品牌推广，另一方面是在数据分析的基础上不断完善细节，包括个性化的称呼、“三只松鼠”的卡通形象、赠品的差别化、不同的顾客标签分类以及用户体验等。“三只松鼠”通过 ERP 系统能够了解所有顾客在商城的购买记录，通过 CRM 系统能够准确抓取用户的评价，一些不经意的留言和评级会反映出他们的需求。

通过分析顾客过去在商城的购买习惯，用户的购买评价，来判断哪种口味的产品在哪个地区卖得最好，哪种产品是消费者最乐于接受的，从而进行更有针对性的产品首页推荐。同时，他们会对顾客进行个性化、人性化的标签分类和细化分析，从而根据这些分类，推送不同的产品类型。例如，爱老婆型顾客购买的产品主要是以老婆食用为主的，“三只松鼠”会在包裹里放上书信，以“松鼠”的口吻代替顾客给他老婆写一封信。

3. 商品个性化推荐

随着电子商务规模的不断扩大，商品数量和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。

个性化推荐系统通过分析用户的行为，包括反馈意见、购买记录和社交数据等，以分析和挖掘顾客与商品之间的相关性，从而发现用户的个性化需求、兴趣等，然后将用户感兴趣的信息、产品推荐给用户。

个性化推荐系统针对用户特点及兴趣爱好进行商品推荐，能有效地提高电子商务系统的服务能力，从而保留客户。

1）电子商务网站

随着电子商务的蓬勃发展，推荐系统在互联网中的优势地位也越来越明显。

在国际方面，Amazon 平台中采用的推荐算法被认为是非常成功的。在国内，比较大型的电子商务平台网站有淘宝网（包括天猫商城）、京东商城、当当网、苏宁易购等。

在这些电子商务平台中，网站提供的商品数量不计其数，网站中的用户规模也非常巨大。据不完全统计，天猫商城中的商品数量已经超过了 4 000 万。

在如此庞大的电商网站中，用户根据自己的购买意图输入关键字查询后，会得到很多相似的结果。用户在这些结果中也很难区分异同，难于选择合适的物品，推荐系统能够根据用户兴趣为用户推荐一些用户感兴趣的商品。电子商务网站利用推荐系统为用户推荐商品，方便了用户，从而也提高了网站的销售额。

2）电影视频网站

个性化推荐系统在电影和视频网站中的应用也很广泛，能够帮助用户在浩瀚的视频库中找到令他们感兴趣的视频。在该领域成功使用推荐系统的一家公司就是 Netflix。

Netflix 原先是一家 DVD 租赁网站，后来开始涉足在线视频业务。Netflix 非常重视个性化推荐技术，并且在 2006 年开始举办著名的 Netflix Prize 推荐系统比赛，希望研究人员能够将 Netflix 的推荐算法的预测准确度提升 10%。

该比赛对推荐系统的发展起到了重要的推动作用：一方面该比赛给学术界提供了一个实际系统中的大规模用户行为数据集（40 万用户对 2 万部电影的上亿条评分记录）；另一方面，在 3 年的比赛中，参赛者提出了很多推荐算法，大大降低了推荐系统的预测误差。

图 4 是 Netflix 的电影推荐界面，包含了电影的标题和海报、用户反馈和推荐理由三部分。Netflix 使用的是基于物品的推荐算法，即给用户推荐和他们曾经喜欢的电影相似的电影。Netflix 宣称有 60% 的用户是通过其推荐系统找到感兴趣的电影和视频的。

图 4 Netflix 电影推荐

YouTube 作为美国最大的视频网站，拥有大量用户上传的视频内容。为了解决视频库的信息过载问题，YouTube 在个性化推荐领域也进行了深入研究，现在使用的也是基于物品的推荐算法。实验证明，YouTube 个性化推荐的点击率是热门视频点击率的两倍。

3）网络电台

个性化网络电台也很适合进行个性化推荐。首先，音乐很多，用户不可能听完所有的音乐再决定自己喜欢听什么，而且每年新的歌曲在以很快的速度增加，因此用户无疑面临着信息过载的问题。其次，人们听音乐时，一般都是把音乐作为一种背景乐来听，很少有人必须听某首特定的歌。对于普通用户来说，听什么歌都可以，只要能够符合他们当时的心情就可以了。因此，个性化音乐网络电台是非常符合个性化推荐技术的产品。

目前有很多知名的个性化音乐网络电台。国际上著名的有 Pandora 和 Last.fm | Play music, find songs, and discover artists，国内的代表则是豆瓣电台。这 3 个个性化网络电台都不允许用户点歌，而是给用户几种反馈方式：喜欢、不喜欢和跳过。经过用户一定时间的反馈，电台就可以从用户的历史行为中获得用户的兴趣模型，从而使用户的播放列表越来越符合用户对歌曲的兴趣。

Pandora 的算法主要是基于内容的，其音乐家和研究人员亲自听了上万首来自不同歌手的歌，然后对歌曲的不同特性（如旋律、节奏、编曲和歌词等）进行标注，这些标注被称为音乐的基因。然后，Pandora 会根据专家标注的基因计算歌曲的相似度，并给用户推荐和他之前喜欢的音乐在基因上相似的其他音乐。

Last.fm | Play music, find songs, and discover artists 记录了所有用户的听歌记录及用户对歌曲的反馈，在这一基础上计算出不同用户在歌曲上的喜好相似度，从而给用户推荐和他有相似听歌爱好的其他用户喜欢的歌曲。同时，Last.fm | Play music, find songs, and discover artists 也建立了一个社交网络，来让用户能够和其他用户建立联系，以及让用户给好友推荐自己喜欢的歌曲。Last.fm | Play music, find songs, and discover artists 没有使用专家标注，而是主要利用用户行为计算歌曲的相似度。

4）社交网络

社交网络中的个性化推荐技术主要应用在 3 个方面：利用用户的社交网络信息对用户进行个性化的物品推荐，信息流的会话推荐和给用户推荐好友。

Facebook 保存着两类最宝贵的数据：一类是用户之间的社交网络关系，另一类是用户的偏好信息。

Facebook 推出了一个称为 Instant Personalization 的推荐 API，它能根据用户好友喜欢的信息，给用户推荐他们的好友最喜欢的物品。很多网站都使用了 Facebook 的推荐 API 来实现网站的个性化。

著名的电视剧推荐网站 Clicker 使用 Instant Personalization 给用户进行个性化视频推荐。Clicker 现在可以利用 Facebook 的用户行为数据来提供个性化的、用户可能感兴趣的内容“’流”了，而更重要的是，用户无须在 Clicker 网站上输入太多数据（通过评分、评论或观看 Clicker.com 上的视频等方式），Clicker 就能提供这样的服务。

除了利用用户在社交网站的社交网络信息给用户推荐本站的各种物品外，社交网站本身也会利用社交网络给用户推荐其他用户在社交网站的会话。每个用户在 Facebook 的个人首页都能看到好友的各种分享，并且能对这些分享进行评论。每个分享和它的所有评论被称为一个会话，Facebook 开发了 EdgeRank 算法对这些会话排序，使用户能够尽量看到熟悉的好友的最新会话。

除了根据用户的社交网络及用户行为给用户推荐内容，社交网站还通过个性化推荐服务给用户推荐好友。

5）其他应用

因为电子商务企业基本上实现了业务流程的各个环节的数据化，所以可以充分利用大数据技术对这些数据进行挖掘分析来优化其业务流程，提高业务利润。除了前面介绍的几个应用之外，大数据在电子商务行业还可以应用在其他许多方面。

① 动态定价和特价优惠

电子商务企业可以通过使用数据构建客户资料，并发现用户喜欢花费多少费用和喜欢购买什么产品，从而通过跟踪客户的消费行为，使用大数据分析来开发灵活的定价和折扣政策。例如，如果分析显示用户对特定类别商品的兴趣飙升，则电子商务企业可以提供打折或买一送一优惠。

② 定制优惠

电子商务企业可以通过使用数据来确定客户的购买习惯，并根据以前的购买方式向他们发送有针对性的特价优惠和折扣代码。数据也可以用于在客户中止购买或只看不买时重新吸引客户，例如，通过发送电子邮件提醒客户他们查看过的产品或邀请他们完成购买。

③ 供应链管理

电子商务企业可以使用大数据更有效地管理供应链。数据分析可以揭示供应链中的任何延迟或潜在的库存问题。如果某个项目存在问题，则可以立即将其从销售中删除，以免破坏客户服务问题。

④ 预测分析

预测分析是指利用大数据技术分析电子商务业务的各种渠道，帮助企业制定未来运营的业务计划。数据分析可能会显示电商企业在线商店部门的新购买趋势或销售减缓的商品。

使用这些信息就可以帮助规划下一阶段的库存，并制定新的市场目标。随时了解电子商务的最新趋势具有一定的挑战性，但是利用大数据技术可以大大提高企业的利润，并帮助企业建立一个成功的前瞻性思维业务。如果不利用挖掘大数据的力量，就可能会错过市场成功的机遇。

警惕新的美式骗局——元宇宙?

界基础上搭建一个平行且持久存在的虚拟世界，现实中的人以数字化身的形式进入虚拟时空中生活，同时在虚拟世界中还拥有完整运行的社会和经济系统。在这其中需要两个关键技术区块链与数字货币，而这就需要我们提高警惕，因为这会收集我们的个人信息，而对于个人信息，Facebook做过的恶还少吗？

2018年3月7日，英国《卫报》爆出英国的数据分析公司Cambridge Analytica在美国大选中为特朗普服务，且这个大数据服务公司的数据来源于非法获取的Facebook的用户信息，涉及到的用户人数高达5000万。Cambridge Analytica公司在2016年美国总统大选中针对目标受众推送广告，从而影响大选结果。这只是爆料出在美国利用用户信息，干预美国大选。而本次泄密门的主角Cambridge Analytica是政府和军方承包商SCL集团的一个分支机构，而SCL专门为世界各国选举提供服务，其业务包括美洲、非洲和欧洲。Cambridge Analytica参与了美国和英国的几十场政治活动，包括英国退欧公投，以及参议员泰德·科鲁兹2016年的初选。这只是爆料出来的，谁又能保证在其他国家和地区，Facebook没有用它的用户信息去干预政治呢？这就是Facebook与美国政府对其他国家赤裸裸的意识形态渗透，干涉其他国家的政治。操纵其他国家的政治活动，这是多丑恶的嘴脸！

或许，你觉得这一个例子过于单一，但是，我想说的是Cambridge Analytica并非唯一，2010年，一家叫RapLeaf的网络追踪公司曾经利用Facebook数据组建自己的数据库，出售给政治咨询公司，Facebook与政治挂钩并从中牟利甚至已经成为了公开的“秘密”。早在奥巴马时期的2012年，奥巴马竞选阵营就通过深度使用Facebook的数据，分析并帮助竞选阵营进行决策。这些抓取的数据包括个人的：姓名、性别、住址、生日以及所有该人公开发布的信息以及在Facebook上公开的操作轨迹。奥巴马竞选营媒体研究主管的Carol Davidsen甚至得意洋洋的进行了爆料，Carol Davidsen的意思，简单说就是我们抓取了Facebook的数据，但Facebook没有阻止我们。实际上，岂止是没有阻止，Facebook还一路为奥巴马阵营开了绿灯，因为他们的选票是投给奥巴马的，而其他候选人则没有这么幸运，Facebook不仅没有给他们进行数据抓取并定向投放广告的机会，甚至还利用假新闻来引导民众的政治倾向。

由此可见，Facebook对用户信息的泄露不止一次，对政治活动的干预也不止一次，这次的元宇宙我们一定要提高自身警惕，不要让Facebook拿着我们的个人信息去贩卖、去实施文化入侵和意识形态渗透。

扎克伯格就什么事发声？

扎克伯格首次发声是怎么回事，扎克伯格为什么发声？

3月22日凌晨，Facebook CEO扎克伯格在泄露丑闻后首次发声，他承认对Facebook数据泄露事件负有责任，并表示：“我们有保护用户数据的责任，正打击平台对数据的滥用。

我们犯了错误，还有更多的事要做，正在弄清状况本人对Facebook发生的事情负责，将调查所有有权限获取数据的应用。”

扎克伯格说，用来防止此类事件再次发生的最重要措施在几年前就已经采取了。将禁止开发人员滥用用户信息。将进一步限制开放人员访问用户数据。

Facebook将重新评估旗下平台，并调查所有能访问2014年之前数据的APP。

继Facebook CEO马克·扎克伯格(Mark Zuckerberg)对近日曝光的信息泄露事件首次表态后，公司首席运营官(COO)雪莉·桑德伯格(Sheryl Sandberg)随后也首次发表声明称，对该事件表示深深地遗憾。

桑德伯格称，Facebook这一次确实严重辜负了用户的信任，对此感到非常遗憾。如今，Facebook正在采取相关措施，以杜绝此类事件的再次发生。将来，Facebook会加倍努力，保护好用户数据。

Facebook上周承认，数据分析公司Cambridge Analytica在2016年美国总统大选前违规获得了5000万Facebook用户的信息，并成功地帮助特朗普赢得了美国总统大选。

该事件曝光后，Facebook遭到了用户、业界和监管者的强烈指责，不仅遭到了投资者的集体诉讼，也遭到了多个国家监管部门的调查。另外，在过去的三天，Facebook股价一路下滑，市值至少损失了500多亿美元。

一些分析人士认为，Facebook对这次危机处理得很糟糕，扎克伯格也欠用户一个道歉。昨晚，扎克伯格终于发声，承认Facebook在保护用户数据方面犯了错误。作为Facebook创始人，他需要为平台上发生的所有事情负责。

以下为桑德伯格声明全文：

正如扎克伯格所说，我们也知道这一次严重违背了用户的信任。对于我们没有采取足够多的行动来处理此事，我感到深深的遗憾。我们有责任保护您的数据，如果做不到这一点，我们就没有资格为您提供服务。

在过去的数日，我们正在研究相关对策，以确保此类事件不再发生。我们正在采取一些措施：调查所有在2014年我们调整平台之前访问我们大量信息的应用(App)，降低它们对数据的访问。如果发现开发者私自滥用我们的能够识别出用户身份的信息，我们就会禁止他们访问我们的平台，并告知受影响的用户。

我们还正在采取措施，减少用户登录Facebook之后向某款App发送的数据。将来用户会轻松地知道，你已经允许哪一款App访问你的数据。

您的信息应该受到保护，我们会继续努力，让用户感受到在使用Facebook时是安全的。用户的信任就是我们服务的核心，这一点我们很清楚，将来也会继续努力工作，以赢得你们的信任。

Facebook泄露事件

此前3月17日，美国纽约时报和英国卫报共同发布了深度报道，曝光Facebook上超过5000万用户信息数据被一家名为“剑桥分析”(Cambridge Analytica)的公司泄露。这起事件的焦点在于，数千万Facebook用户的信息，在用户不知情的情况下，被政治数据公司“剑桥分析”获取并利用，向这些用户精准投放广告内容，帮助2016年特朗普团队参选美国总统。而且，Facebook在两年前就知晓事件的情况下，并未及时对外披露这一信息。

扎克伯格的声明中，承认了平台曾经犯下的错误，梳理了“剑桥分析”事件的来龙去脉，并提出了Facebook接下来为了阻止用户信息被利用，即将做出的举措。

Facebook官方发布声明，提出防止用户数据被滥用的举措。

这5大举措包括：

1，评估所有能够在Facebook平台上获取大量数据的app和有可疑行为的app;

2，向所有个人信息被第三方app误用的用户发出警告;

3，关闭用户最近3个月没有使用过的app获得用户数据的权限;

4，改变Facebook的登陆数据，这样第三方app只能看到用户的名字、头像和邮箱地址，除非该app通过更多的评估流程;

5，帮助人们管理他们在Facebook上使用的app，管理这些app能看到他们的哪些信息