AI(人工智能)在广告代理投放信息流中的作用
时间：2021-07-06
而在头条巨量的引领下，腾讯广点通、广点通等一系列的广告投放方式也越来越智能化。
例如，在头条巨量上，在AI算法的加持下，只需设定投放的目标和转化成本，通过OCPM或CPA报价，转化成本就可以跑到八九不十。而平台也提供了补偿机制，优化师只需根据规则给予AI算法充分的优化空间，即使跑过费用范围也能得到平台的赔付。最优只需要关注的是如何起量，也就是如何根据实际业务情况在成本和数量之间找到一个可承受的平衡。
对每一家信息流广告公司来说，服务好广告主的重点是优化师队伍建设、平台经验积累、创意尤其是短视频制作能力。与之相比，这些队伍、经验和能力，对大多数代理公司来说，还不够分寸，难以在这些方面建立起真正的竞争壁垒。这种情况使得代理商最终往往陷入垫款和返点的恶性比拼。
信息流广告代理商如何才能从垫款和返点的恶性比拼中脱颖而出呢？
信息流广告代理商如何才能从垫款和返点的恶性比拼中脱颖而出呢？
我想还是要回到技术能力上。
回首信息流广告的发展历程，头条平台是如何在BAT的围剿下，闯出一片天地？完全依赖于AI技术的充分应用，使得头条庞大的广告引擎在2-3年内发展成为目前信息流广告领域最智能、效果最有保障的标杆平台。
相同的，我们认为广告代理要冲出同类服务的包围，同样需要在广告投放和优化过程中充分拥抱AI技术，用技术创新来建立自己相对稳固的市场壁垒。
代理商可以将AI技术应用于广告投放的哪个环节？
因此，在当前信息流广告环境下，作为非平台方的代理，在不能直接接触媒体平台用户数据和核心系统的情况下，应用AI技术还能做什么呢？
还是从广告商的角度来看，代理商有什么AI技术能力，能进一步提高广告投放效率？
本文认为，可以从以下三个方面来检验代理的AI应用能力。
01深层人群模型。
第一，在广告竞标环节，代理商需要具备通过大数据或联合第三方大数据进行人群建模的能力。
信息流量的广告竞价算法需要两个模型的配合：离线模型和在线模型。脱机模型主要是做人群筛选，过滤那些不符合当前投放目标的人群或选择最匹配的人群；在线模型主要做实时曝光价值评估，计算出每一次展示的相对价值，并最终确定在哪一种材料是通过哪种方案得到的。而且我们知道，由于这些大型平台是封闭的，我们不能从外部干涉网络模式(当然，事实上像头条这样的平台确实做得很好，我们不需要介入)。
所以优化的重点在离线模型上，好的离线模型是用来取代已被“艺术化”甚至“神秘化”的广告策划构建经验，真正做到用数据和算法来确定人群，帮助投放计划快速地度过学习期并持续不断地进行。
脱机模型除了算法之外，还有一个关键点是大数据的积累，没有好数据就没有好的模型。这些数据包括来自广告商的人群样本数据和来自外部平台的人群特征数据。而且，高质量的外部数据都是由少数头部互联网集团提供的。
所以代理人必须具备与这些头部数据平台进行深度联合建模的能力，通过one-id将上述两部分数据通过one-id连接，为算法提供建模数据“原料”，最终建立人群预测模型，并将预测结果输出到人群包中进行投放。
02个性化推荐。
第二，在素材展示和落地页面展示环节，通过推荐引擎技术实现更多的个性化，从而提高广告转化的效率。
在介绍个性化推荐引擎技术之前，我们已经发表了一篇对文章《客户数据平台(CDP)数据应用服务：个性化推荐服务》的详细解说。
下面我们举一个具体的场景，大家可以体验京东的个性化广告投放能力。在京东搜索过或关注过某一商品后，你甚至可以立刻在抖音上刷到相关商品，轮播窗口等短视频广告。点击广告后，就可以马上进入京东为你准备的个性化落地页面，网页上到处都是你最近关注或感兴趣的商品。据我们的实际测算，这样的个性化广告，无论点击率还是转化率都有明显的提高，而且大大节约了短视频拍摄制作的成本。
所以代理需要具备的技术实施能力，帮助广告主快速建立推荐引擎，将推荐引擎应用于广告投放。
03操作自动化。
最终，在整个运营控制环节，通过AI技术来实现一定程度的自动化，解放优化师的创造力。
AI能够使单个平台的操作和调整工作更加批量化和自动化，提高人工操作的效率。AI可以代替运行人员完成繁琐的机械批量操作、完成定时触发类任务、根据预设条件触发预警、按照预设规则完成标准化处理流程(SOP)等。此外，AI还能辅助优化人员自动采集多平台投递数据，在此基础上规划出跨平台的投递策略，根据规则设置自动优化调整。
总之，即使在上海信息流广告代理这一层次上，要做好广告代运营，AI仍是大有用武之地。科技改变产业，数据驱动未来，这个越来越多的赛博朋克世界，不管你愿不愿意，它都在那里，而且越来越近。
