数据正在将我们的生活水平和科技技术不断地提升到一个新的高度，大数据已经不再是理论而是已经逐渐形成一种思维。随着大数据分析思维的普及，越来越多的公司都重视起数据分析，atv，通过数据分析完成特定人群的精准信息推送工作，减少无效广告，让用户看想看的广告。

ONEMOB,大数据技术驱动的移动广告服务提供商。通过对自有平台用户的调查发现，多数用户愿意接受与个人兴趣一致的移动广告，而对不感兴趣的内容则会产生排斥心理。ONEMOB平台根据用户兴趣定向投放，对手机用户的网络行为做出个性化的深度分析后发现，用户并不讨厌广告，而是讨厌他们不够精准！举个例子：终端用户在中国，却收到了英文通知消息。

大数据算法支持

那么，如何去优化达到精准推送呢？精准，在百度百科的定义是：精确、准确、非常；时间感念中精准、空间位置上的准确。ONEMOB利用大整合算法和用户行为算法抓住每类人群的标签特征，直播，从各自属性出发，用他们关注的内容吸引他们的目光，从而使传播最大程度得到优化。

案例分析：一款手表，核心人群是有购买手表的年轻族群。首先，锁定核心人群为19-35岁，有手表购买需求。然后，根据以往投放数据，从ONEMOB丰富电商人群库，挑选手表等相关高价值人群标签。投放之后，发现效果不佳，再借助DLS工具，重新整合用户性别、年龄、购买喜好等标签，同时把广告方案优化为免费送手表的形式，订单增加了两倍。

智能投放工具运用

由以上案例可知，投放是一个非常详细的过程，除了需要大数据算法的支持，人为的投放逻辑，更重要的是通过机器学习框架，运用智能投放工具，用机器取代人为的这个智能用户的一个行为。

ONEMOB平台目前拥有独有的智能投放工具DLS，英文全称就是“Data learning and sharing Platform”。内在逻辑简单概括为大数据、机器学习、上下游数据分享。DLS，就是在大量的用户群的基础上，利用LI算法和UB算法，使用TensorFlow机器学习框架，在保护用户隐私的前提下，分析处理用户数据，得到精准的用户标签，然后把用户标签共享。

那么DLS工具是怎么样操作的呢？比如你有了一个用户，根据用户的行为习惯，再通过LI算法和UB算法的机器学习进行可持续的分析之后，可以得到一个用户标签：性别-男-87.4%，年龄-（25-29）-85.1%，标签：餐饮美食-76.1%，娱乐休闲-74.7%，金融-77.8%。大量用户标签积累之后，再相互整合上下游数据，就能智能寻找精准用户群，根据用户喜好投放广告，让用户看想看的。

人们的生活已经充斥着太多杂乱无章的信息，在这样的氛围中，ONEMOB想用精准的方式，打动受众。