<mark id="oztn4"></mark>
0
正如移動互聯(lián)網(wǎng)的普及加快了信息碎片化的過程，人工智能的普及加快了廣告碎片化的過程——或許你沒有意識到，但隨著人工智能的發(fā)展，一個數(shù)百億美元的私人定制廣告市場正在形成。
總部位于英國的市場研究機構(gòu) Juniper Research （譯者注：一家全球移動和數(shù)字技術(shù)行業(yè)領(lǐng)先的分析公司） 于 9 月 5 日發(fā)表報告稱，利用機器學(xué)習(xí)算法（machine learning algorithm）進行實時競價，可使廣告對象從群體精確到個人，廣告投放更顯成效；廣告投放開銷今年為35億美元（約合人民幣234億元），而利用了該技術(shù)，到2021年可飆升至420億美元（約合人民幣2806億元，以上數(shù)據(jù)基于市場預(yù)估）。
機器學(xué)習(xí)是人工智能的一個分支。由于它能提供價格合理的解決方案且易于應(yīng)用，現(xiàn)已受到一大群利益相關(guān)者的青睞。
因此，Juniper 預(yù)計，只需五年，該技術(shù)就會滲透到各行各業(yè)中去。
例如在傳媒界，機器學(xué)習(xí)被用在開發(fā)機器人、數(shù)字助手（先驅(qū)者如 Facebook 和 Google ），以及擴大數(shù)字廣告收入上（如 Rocket Fuel 和 Datacratic 的創(chuàng)新解決方案）。
一項名為人工智能和機器學(xué)習(xí)：傳媒業(yè)動態(tài)，瓦解及機遇 2016-2021 的研究發(fā)現(xiàn)，當(dāng)前，實時競價機制的基礎(chǔ)是分段競價，而非個體。但中標(biāo)金額規(guī)則還不完善(譯者注：即經(jīng)濟學(xué)中的差別定價模型，在理想狀態(tài)下，如供給方能給每一個售出的產(chǎn)品根據(jù)給消費者帶來的收益精準(zhǔn)定價，此時消費者剩余為0，供給方可達到最大的利潤，但在實際狀況下一般只能進行分段差別定價)。
不過，有了機器學(xué)習(xí)，數(shù)字廣告市場就能更上一層樓。因為算法能預(yù)測廣告印象的結(jié)果是否會轉(zhuǎn)化為收益，據(jù)此自動調(diào)節(jié)投標(biāo)金額。例如，一個終端用戶可能會因為看過某個廣告，而改變他/她對類似廣告產(chǎn)品的傾向。同時，算法還會通過用戶其他行為特征和具體使用情境，在個體層面上預(yù)測一個廣告印象是否有效。
上述研究結(jié)果的作者， Steffen Sorrell 稱：
在典型的實時競價中，廣告投放針是對于某個較大人群的。但有了機器學(xué)習(xí)，我們就能縮小目標(biāo)范圍，針對個體進行投放了。所以這個技術(shù)特別有用。
該研究還發(fā)現(xiàn)，機器學(xué)習(xí)可能會將廣告投放引向“全個人化”時代（此概念由尚奇廣告有限公司于去年通過他們的數(shù)字海報提出）。同時，隨著機器學(xué)習(xí)的進步，未來計算機系統(tǒng)可理解網(wǎng)頁上圖形和文本的含義，為設(shè)計別具一格的廣告活動提供了大量機遇。
via response source
延伸閱讀：
Amazon推實時競價廣告系統(tǒng)，用戶購買紀(jì)錄是殺手锏
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
