据了解，腾讯广点通项目在2008年就开始启动，在社交广告领域，几乎和Facebook同时起步，当然也面临了类似的问题，即提高单位流量利用率，和实现长尾分配，简言之，就是要向合适的用户展示合适的广告，把流量平均分给竞价的广告主，实现用户价值和广告主利益的双赢。陈磊认为，腾讯日活跃用户数达几亿，月活跃用户更是庞大，面对海量的用户属性数据，如何分析其对万千广告的偏好，这对存储和计算能力都是巨大的挑战，需要分布式存储，实时计算和机器学习诸多领域的联合攻坚。

陈磊说，经过从2008年到2011年的不断探索和大力建设，我们实现了离线聚类，在线流式MapReduce和机器学习的较完美融合，我们做的第一步，通过超大规模MapReduce集群，实现了对用户的基本聚类，可以把上万人或十万人聚成一个抽象的人，这个人拥有系列特征属性。但是这还不够，虽说人以群分，但是他们在每时每刻的偏好也不尽相同，再通过实时的流式计算，我们根据其最近用户属性，准确调整单个用户特征，最后通过机器学习算法，计算用户和对应广告的匹配程度，进而给出广告推荐列表。通过不断优化，每一步都朝着更快，更准，更优的目标挺进，CTR预估实时性，从2小时提升到15分钟再到当前的准实时。”陈磊不无兴奋地说到。