如何用AI重塑程序化广告中的大数据价值?| 独家观点

来源:adexchanger.cn

今年的AI人工智能话题格外火热,在程序化广告中,AI技术的实际应用处于怎样的阶段?如何利用AI发挥出大数据的价值?传统的数据售卖模式有哪些bug,如何用AI技术加以修正?

对此,智子云CEO朱建秋博士在2017金投赏国际创意节-中国程序化广告分论坛上分享了他的独家观点。广告技术流特此整理了演讲核心内容,以飨读者。

一. 程序化广告中的AI究竟是什么?

随着谷歌AlphaGo等AI的新闻迭出,“深度学习”(Deep Learning)已然成为了代表AI的最新热词。那么,“深度学习”技术可以用到程序化广告领域吗?对此,朱建秋博士表达了他的“牛刀”观点。

首先,他用一幅图解释了AI、机器学习、数据挖掘、大数据、深度学习这些技术术语之间的关系。


(越在前面的名词,出现时间越晚)

而后,朱建秋博士解释,AI不等于深度学习,深度学习建模需要高质量的大数据作为基础,但是,程序化广告领域中的数据,量级虽大,质量却一般,所以,在程序化广告里进行深度学习建模,就如“杀鸡用牛刀”——与机器学习、数据挖掘相比,深度学习建模的效果并无明显改善。

当下程序化广告中AI的主要应用还是「机器学习」和「数据挖掘」技术。

二. 用AI对大数据建模,提升转化率


要切实让AI在程序化广告领域中落地,真正发挥机器学习、数据挖掘技术的价值,关键点在哪?——使用大数据,提升营销效率。

“日趋多元化”是朱建秋博士对当下程序化领域数据环境的最佳概括。由于第一方数据量少、维度窄等明显缺陷,许多广告主会在投放时采用第二方数据、第三方数据来增加用户数据的维度;此外,也有越来越多的独立数据提供商以DMP的方式直接售卖数据。

多元的数据环境对程序化广告领域的营销者而言是机遇,也是挑战。

好的一面是,多方数据的参与,可以充分利用AI建模,提升营销效率。利用各方数据建模后对投放效果的影响,朱建秋博士通过两个实际案例的分析,总结出以下四个观点:

合理利用第一方数据建模,能提高转化率,比不用好;

合理拼接某个第三方数据建模,比只用第一方数据强;

有效融合多个第三方数据源,比只用单个第三方数据好;

当没有第一方数据时,利用第三方数据建模,比仅利用媒体优化效果要好。

但与此同时,多元数据环境所面临的挑战同样不可忽视。对此,朱建秋博士分享了智子云在数据建模中三个数据相关的观点:

标签精度过低,对于建模有所损害,很多时候,效率没有提升反倒还会降低。

很多独立DMP的数据覆盖度有偏差。从实践中可以发现,很多DMP中的数据对大城市人群覆盖度比较高,但三四城市人群相对稀疏,在针对三四线城市做营销时,投放数据很难匹配。

每一个DMP样本有自身特点,有些偏重游戏人群,有些偏重电商人群,这些数据的覆盖面不同,重叠度都很低。

尽管对于转化率的优化提升,几乎所有营销人都希望多多益善,但朱建秋博士依然想提醒大家:

“多元化大数据绝对不是提升转化率的灵丹妙药,在现实投放中,利用机器学习和数据挖掘的优化,在原有优化基础上再获得5-20%的提升,已经是一个相对不错的结果。”

三. AI将颠覆传统数据售卖模式

数据质量如此重要,但在数据提供方越来越复杂的环境中,如何选择、使用和评估外部数据,在第三方DMP的购买中让有限的预算花得更值?这是让不少营销人头疼的问题。

针对此,朱建秋博士直截了当地指出了当下数据交易中,两种模式的弊端:

第一,采用人工组合选择数据标签的方式,效率和效果都不理想。

第二,独立第三方的数据提供商「按条售卖」的数据销售方式难以在程序化领域落地。

Data ROI=产能提升/数据成本,数据对模型的提升必须要覆盖数据购买的成本。这是朱建秋博士强调的观点。

在按条售卖的机制中,通过一个设备号尽量把数据标签拼全,所花的成本通常达到1-2 RMB。这种情况下,要达到成本符合程序化广告典型的CPM采购的方式,数据建模带来的效率必须要有数百倍的提升。但显然,这很不现实。

如何在大数据采购中,将高昂的数据成本降下来?

朱建秋博士的答案是,采用「模型服务Model Service」的间接采购方式。这种方式在数据提供商之间开展了更深入的AI合作,各方数据供应商通过对接AI平台上的模型服务接口,向数据买方提供数据服务,而不是直接售卖数据,只要提供的数据真正能为对方带来价值,就能被无限次的循环利用。对广告主来说,这种「模型服务Model Service」的间接采购方式,才是最经济有效、也最合理的数据交易方式。

比如,某次广告投放所需要的数据量并不需要100万条数据、5000千个标签,而只需要其中的2-3个标签,那么,就只购买契合需求的数据,并以模型服务的方式输出。一方面,数据覆盖量小了,买方的成本自然而然就降低了。另一方面,数据供应商之所以要定高价格,也是担心买方直接购买数据后对数据的存储和再利用,模型服务可以打消数据供应商的这个担忧,因此,可以重新制定能在程序化领域落地的定价模式——CPM的方式。

四. OpenDEX——AI让数据交易更智能、更透明

作为智子云三大平台之一的程序化数据交易平台OpenDEX,将数据买方跟数据卖方通过AI联接起来。OpenDEX通过自动化交易,降低人工成本;自动数据拼接,丰富数据维度;自动数据评估,获取有效数据;采用数据模型服务,降低数据成本。

朱建秋博士认为「模型服务Model Service」的间接采购方式是大数据利用的趋势,是一个必然的方向。

因为对于BAT等公司来说,其数据通常只进不出,而这种模式也会成为与围墙花园合作的一种途径。“我们正在跟腾讯进行这类模型服务的数据合作。”朱建秋博士介绍。

如果要让第三方数据在程序化广告领域中释放更大价值,就必须要用AI的方式去改变现在的应用模式,用AI重塑程序化广告中大数据的价值,搭建一个良好的大数据生态。智子云对于程序化数据交易平台OpenDEX的研发,朱建秋博士坦言这其中也包括了上述对大数据利用的思考。

另外,今年DSP行业有一个非常明显的趋势,即透明化。但是,要将“透明化”概念落地,有两大难点:

第一,数据的使用无法透明化;第二,数据产生的效果无法透明化。比如,某技术平台称自己有汽车的数据,有运营商的数据,但投放中真的使用到了这些数据吗?投放后产生了一定结果,但能确保最终广告投放的效果是由这些数据带来的吗?

最初智子云研发OpenDEX的时候,一方面想解决数据透明化的问题,另一方面,想用程序化的方式进行自动化的数据交易。但在对接了众多的第三方DMP后,很快发现仅仅按照现有的“数据按条售卖”的方式,数据交易在程序化广告领域成本过高,无法落地。于是,尝试和一些数据提供商开始深入的AI合作,最后实现按照模型的方式提供AI服务。OpenDEX集成了众多的第三方数据提供商,对程序化广告,提供基于AI的模型服务,使得数据交易时的选择、使用、评估,变得自动化、智能化、平台化。