武汉路思得公关传媒公司

 知乎负面     |      2021-12-26 09:31

  能否介绍两家具有代表性的国外原生广告平台?

  国外在原生广告这一块探索的公司比较多,如In Mobi、Out Brain。

  In Mobi是一家印度的广告技术公司,在推出了原生广告后,In Mobi广告的流量变现能力相对于传统的横幅广告提升了5倍以上。更重要的是,一些高端的应用更加愿意尝试这种广告形式,这给移动广告市场带来很多正面影响。

  Out Brain是一家以色列创业公司,它提供的是网络推荐引擎服务,CNN等媒体都是它的客户。它会依据读者的兴趣,采用基于行为定向的推荐技术,在文章页呈现一系列的推荐阅读。对这些内容媒体而言,它提高了页面浏览量和读者互动程度。

  国内原生广告的发展现状如何?以及未来会有怎样的趋势?

  我觉得国内目前成规模的原生广告平台其实还没有,大家都在尝试跨行业的原生广告解决方案,但是还没有出现大家公认的规模化的原生广告解决方案提供商。

  有些行业性的解决方案做得还不错,如游戏行业出现了激励视频的原生广告(见图2-3-4),但这种形式只限于这个行业。虽然现在还没有看到一家综合性原生广告平台出现,大家还在摸索规律,但我觉得经过一两年的积累会出现质的飞跃。

  图2-3-4 游戏行业中的原生广告

  刘鹏

  清华大学信息与通信工程博士;

  《计算广告》一书作者

  程序化广告的高精尖算法以及流量作弊的现状解读——来自搜狐大数据中心的独家内容

  图2-4-1 本期专访嘉宾管延放

  编者按:

  本文是搜狐商业大数据中心总监管延放为大家带来的关于程序化广告产品的核心算法以及流量作弊现状、作弊手段等重磅独家内容。

  大数据指导广告投放

  大数据在广告行业的应用现状如何,以及国内外的大数据营销有什么样的差异?

  目前,大家都已经充分意识到大数据对广告营销的重要性,包括媒体、广告公司、第三方监测公司、广告主,乃至整个行业生态圈总体认可了大数据的价值。现在主要的挑战是如何找到高质量的数据源,以及如何在广告营销的过程中更好地发挥这些数据的价值。

  至于国内外大数据营销的差别,我个人觉得在国外的生态圈,数据流转的环节会比国内做得更标准化。国内也正在朝这个方向努力,包括现在搜狐也在去鉴别行业里能提供高质量数据的DMP数据源,并且与其形成长期的合作,使广告主在投放广告的时候,可直接选择第三方DMP。

  目前广告行业都会有哪些维度的数据在指导广告投放?

  这取决于广告主的需求(见图2-4-2)。

  图2-4-2 广告主需求

  (1)品牌广告:关注受众的人口属性,主要指性别、年龄区段、职业类型等属性。对于人口属性,行业里比较典型的方法是Panel—以抽样人群的方式去扩展,或者和有比较明确的人口属性数据的公司建立数据合作,如电信公司,一些强注册、强登录的互联网公司等。

  (2)效果广告:一般不会强调目标人群,关注的是针对某类广告的点击人群和非点击人群,用模型的方式去解决。其中还存在着兴趣人群—基于所掌握的用户行为轨迹,了解其兴趣,基于兴趣对用户进行分类,现在部分广告主会对兴趣分类的用户非常感兴趣。

  搜狐的广告主所使用的兴趣分类主要来自搜狐自己的数据—这也是搜狐的优势之一。搜狐拥有完整的矩阵结构,包括搜狗搜索、搜狐门户、视频播放、甚至是游戏数据。在这种立体的矩阵下,我们会看到同一个用户在不同内容类型下的兴趣表现,这会使我们对用户有一个立体的认识,基于这些立体的认识,就可以产生搜狐兴趣人群标签体系。

  搜狐广告系统里光是由机器直接产生的有效标签就有几十万个,从这些标签里筛选出750个适合人理解并且能够直接营销的标签。标签中有两类,一类是基于人对行为的理解,用规则或指导学习的方式生成,另一类则是人类未必理解,用非指导学习的方式生成。

  这750个标签,我们更多的是从可售卖性的角度去摘选,如汽车类客户,我们会在人群里寻找汽车属性更强的人群,再为其打上有商业价值属性的标签,例如,对什么类型的车感兴趣?对哪个价位的车感兴趣?这些都是用数据方式分析出来的。

  搜狐广告新产品算法及调优

  为了提升广告投放的效果,搜狐广告产品采用了哪些成熟的算法?

  回答这个问题之前我们首先需要弄清楚:你到底用机器学习的方式去解决什么样的问题,并要能够把目标清晰地用数学语言给定义出来。人工更多的是需要编程,需要设计好机器学习的流程,使得机器可以按照人设定的那个目标去运作。

  目前我们使用的是一些比较成熟的算法(见图2-4-3)。

  (1)分类算法(回归和分类)。

  你到底用机器学习的方式去解决什么样的问题,并且要能够把目标清晰地用数学语言给定义出来。

  我们用已知答案的数据去推断未知答案的可能性,