本文由 Cognitiv 的首席执行官兼联合创始人 Jeremy Fain 提供 。
很容易看出自助式 程序化广告购买 。 而不是限制定价和展示位置的透明度 广告活动 支出的去向以及他们为每次展示支付的费用， 然而，正如许多交易者不幸发现的那样，这种自由伴随着沉重的代价。 不仅需要大量的时间和精力来有效地优化性能，而且在必要的规模上产生一致的结果也非常困难。 借助深度学习，广告商可以避免这种无休止的乏味、不成功的工作，而是依靠通过动态私人市场（也称为 DealID 或 PMP）等集成提供的人工智能算法，该算法将自动、持续优化媒体购买以最大化表现。
目前，依赖托管服务的品牌和代理商的数量与喜欢自助服务的品牌和代理商的数量似乎相当平均。 Advertiser Perceptions 最近的一项调查 发现，56% 的人使用某种托管服务，而 46% 的人表示他们使用自助服务。 与此同时，52% 的买家表示今年打算增加自助服务支出，而只有 17% 的买家打算增加托管服务支出。 同一项调查发现 The Trade Desk、 亚马逊广告 和 Yahoo! 在过去的一年里，它们都成为了大多数自助服务平台，这表明人们普遍希望提高程序化交易的透明度，尤其是在费用方面。
然而，尽管 自助服务 ，但它并没有解决效果广告方面的许多挑战。 例如，自助服务需要大量交易员才能有效管理日常运营。 随着有关市场状况、消费者偏好、趋势等的新信息的出现，交易者必须能够快速综合这些信息，以便有效、准确地执行活动。 然而，人类不是机器人——我们需要时间来筛选信息并解析相关模式，然后才能设计出有效的策略。 鉴于许多营销团队在紧迫的期限内运作，营销人员没有真正的方法能够始终如一地制作完美优化的广告系列，从长远来看这会导致支出浪费。 交易团队很少有足够的交易员来有效地覆盖他们所有客户的活动。 他们通常不得不将大部分时间花在他们最重要的两三个客户身上，而其余的时间和精力却更少。
这种持续的、不可扩展的试错系统也使得大规模运营变得异常困难。 许多策略一开始很强大，但很快就消失了，让营销人员在试图手动优化他们的活动时争先恐后地拼凑新想法。 这只会使自助服务程序化变得更加乏味和低效，并使营销人员更难取得长期成功。
根据 Advertiser Perceptions ，大多数过渡到自助服务的广告商给出的第一个原因是“希望看到程序化费用”。 超过一半 (56%) 的广告商将费用优化作为进行过渡的主要理由——鉴于大流行对营销预算造成的压力，这是可以理解的。 如果广告商无法有效地优化他们的支出，那么转向手动自助服务可能不会带来他们希望的成本节约。
自助服务将继续存在，但时间紧迫和难以找到可扩展的策略是成功的巨大限制因素。 自助服务广告商应该寻找解决这些问题的解决方案。 解决方案将为他们完成繁琐的优化工作，让他们解放出来，以便能够平等地覆盖他们的所有活动，并专注于战略和长期关注点。 各种形式的机器学习（如深度学习） DoorDash 等品牌已使用 来确保他们能够大规模优化广告支出。
深度学习是一种有价值的工具，因为它具有自我学习、不断发展的预测能力。 例如，如果您要针对客户数据训练深度学习算法，它将能够识别目标消费者的关键特征，并使用该信息来预测新潜在客户将如何响应您的广告。 这使算法能够避免向不太可能转换的人投放广告，同时关注那些转换的人。 最重要的是，它会自动实时执行此操作，并且会在更多地了解您的受众及其反应时调整其预测。
这些算法足够复杂和强大，可以单独评估每个媒体购买机会——这意味着算法本身将决定谁值得投资以及避免谁，而不是设置针对谁的任意规则。 因此，即使在活动进行时，也可以对活动进行离散和专门的分析，从而不断考虑实时市场状况和消费者行为。
手动自助广告很难（如果不是不可能的话）长期和大规模地掌握。 它需要考虑许多不同的因素，这些因素可能会在瞬间发生变化，同时忽略人类行为的复杂性。 借助深度学习算法，自助广告商可以摆脱不断提高绩效的压力，转而依靠人工智能驱动的动态 PMP 等技术，不断优化广告活动，最终让他们有时间有效管理所有广告活动。
声明：所有白马号原创内容，未经允许禁止任何网站及个人转载、采集等一切非法引用。本站已启用原创保护，有法律保护作用，否则白马号保留一切追究的权利。发布者：白马号，转转请注明出处：https://www.bmhysw.com/article/9115.html
微信扫一扫 
支付宝扫一扫 
