计算广告

2008年计算广告时任雅虎研究院资深研究员的安德烈(Andrei Z Broder)在世界计算机算法最权威的离散算法研讨会第十九次学术年会上首次提到“计算广告”这一概念，安德烈认为：广告的核心挑战是为特定场景下的特定用户找到合适的广告，实现最优匹配。

计算广告是以数据为基础，技术为工具，消费者为中心，以人工智能模 拟人类思维进行广告创作，智能捕捉和预测消费者情绪和行为，智能识别特定场景并精准匹配广告，极大提升广告运作效率和广告体验过程，以实现品效合一的广告业态。

主导意图：跟传统广告一样，都是追求广告跟所处语境之间的匹配度。

所以，计算广告并不是一种新的广告类型。还是继续着传统广告的固有频道。当一条广告跟所处语境十分贴合的时候，这种广告难道不就是人们常说的“原生广告”吗?所以，“计算广告”跟“原生广告”是互联的。

做法：跟传统广告不同，几乎全部依赖信息技术手段。

所以，计算广告是一种观念，一种广告投放观念。这种观念的要点是：借助各种信息技术手段，促使互联网广告跟所处语境之间的匹配度更高。“原生广告”本质上也是一种广告投放观念。也可以说是一种“广告投放策略”^[1]。

计算广告的核心问题是收入，那么供给方是如何进行计费的呢，主要有以下几种方式:

(1)CPM(千次付费)结算，即按照千次展示结算。这种方式广告主与平台约定好千次展示的计费标准，这些展示能否带来相应的收益，由广告主承担风险。对于品牌广告，目标是长期利益，很难通过对短期数据分析的方式直接计算点击价值，同时点击率也不是唯一考量标准，还会考虑曝光率等。这种情况用CPM较合理。实际上大多数互联网品牌广告，尤其视频广告，CPM是主流结算方式。

(2)CPC(点击成本)结算，即按点击结算。最早产生于搜索广告，很快被大多数效果类广告产品采用。在CPC结算下，由广告平台预估点击率，由广告主估计点击价值，之后通过点击出价的方式向市场通知估价。广告平台通过收集的大量用户信息可以准确估计点击率。

(3)CPs (Cost Per Sale)/CPA (Cost Per Action)/ROI(Return Over Input):按照销售订单数，转化行为数或者投入产出比结算。广告主只需要按照最后的转化收益来结算，最大程度规避风险。这种情况下，广告平台需要估计点击率和点击价值，才能合理决定流量分配。存在的问题:转化行为发生在广告主站内，广告平台难以监测和控制；执行中存在广告主故意扣单以降低转化率的行为。CPS适合于垂直广告网络。CPA转化流程在Apple Store和Google Play等中，存在较为完善的第三方转化检测，因此市场较为成熟。

(4)CPT (Cost Per Time)结算:针对大品牌广告主特定的广告活动，将某个广告位以独占形式交给某广告主，并按独占的时间段收取费用。适用于一些强曝光属性，有一定定制性的广告位。在中国门户网站广告中，CPT是主流模式。CPT虽然有一些额外的品牌效应和橱窗效应，但是长远来看不利于受众定向和程序交易的发展^[2]。

(1)数据化

计算是计算广告的本质，计算的基础就是数据，获取更加全面的数据的计算 广告得以深入发展的前提条件。移动互联网时代，“传播成为一种数据驱动下的 信息流动过程，数据联结着传播的各个要素和环节”。对数据的应用和挖掘也贯穿着整个计算广告的运作流程。从场景画像到受众定位再到程序化投放和效果 评估，都是围绕着以用户为核心的数据收集与利用。获取数据手段的不断升级变 化，也引发了计算广告的一次次发展，从线上信息获取到移动端的线下信息获取 再到穿戴设备的用户个人信息获取。数据获取手段越来越多样化，渠道也趋于全 面化，对于用户数据的挖掘也越来越成为企业的核心竞争力。全面化的数据能够 让广告主通过数据来挖掘分析制定营销目标和计划，进行更加精细准确的用户画 像和场景画像，做到精准化场景营销。

(2)智能化

智能算法是数据运用的手段和方式，大数据的价值不在于某一单位数据的价 值，而在于对海量信息通过深入学习和人工智能，寻找数据背后所呈现出来的关 联价值。智能算法是计算广告能够将场景、用户、广告三者之间匹配的原因。计 算广告通过智能算法理解用户所处的场景，判断用户潜在的需求，寻找用户场景 与营销目标之间的连接点，进行智能化创意，通过深入学习不断优化投放策略和 创意制作。以符合场景特征和用户偏好的方式将广告信息有效的传递给消费者， 从而达到品效合一的广告目标。并且，通过算法的不断优化升级以及数据的不断 积累，计算广告的匹配呈现出一种个性化和精准化的趋势。

(3)规模化

区别于传统的广告投放模式，以数据和算法为双向支撑的计算广告可以利用 大数据和云计算技术在短时间内对大范围的人群进行精准化营销。用户即时信息 的获取后依托数据管理系统(DMP)可以为广告主提供准确的消费者人群画像、 品牌推广策略等，广告主通过实时竞价系统缩短整个广告投放环节以性价比最高 的方式获得广告展示资源，程序化系统能够在瞬间完成整个广告资源的交易过 程，并大范围的对目标消费群体开展营销活动。值得注意的是，这种大规模特点 指的是覆盖人群的规模化，不代表着“千人一面”的营销方式，而是根据不同的 消费者画像，结合消费者所处的即时场景进行个性化的“千人千面”个性化营销 方式^[3]。

计算广告的发展经历了早期互联网广告、大数据广告再到人工智能广告三个阶段， 这三个阶段是叠加演进的关系。计算广告在演变过程中，广告运作模式从分众传播型发 展到个性匹配型，即受众选择愈加精准，也改变了受众为满足其个性化信息需求而收集 和利用信息的方式。

(1)早期互联网广告具有与传统广告所不同的互动性，互联网广告时期把人们从 基于共性需求的整体分化成了具有多元需求的群体。

(2)大数据广告在保留了前一阶段互动性的基础上，增加了精准性和自动化特征。 基于大数据的精准广告可以通过对用户大数据的整合分析，准确地预测目标受众的购买 意愿，使推送的内容更有针对性。大数据广告阶段是基于人们的个性化需求而形成的个 性匹配型广告运作模式，是计算广告的萌芽发展期。

(3)到了人工智能广告阶段，计算广告增加了智能化特性。智能广告的出现是由 大数据和人工智能所驱动的，智能算法通过分析大数据采集的外部信息，依靠机器学习 的方法实现广告创作的智能化，继而将符合用户所处场景的广告匹配至用户。在大数据 和人工智能技术的助推下，计算广告实现了从萌芽到快速发展的转变，目前正处于快速 发展期。 此外，计算广告涉及到广告运作的一个过程，且各环节之间存在着逻辑联系^[4]。

(1)实时竞价技术支撑

实时竞价(RTB，Real Time Bidding)是一套用于程序化广告的技术，近年来发展迅 猛。计算广告通过实时竞价技术为广告主争分夺秒，抢占最有力的广告展示资源位，通过 自动化手段在 PC 和移动互联网端投放广

广告主与 DSP 广告需求方平台、DMP 数据管 理平台相互接洽，将广告需求发布给 DSP，同时广告主的第一方数据会进入 DMP。DSP 将广 告主的广告需求与竞价信息传递给 ADX 广告交易平台，ADX 与广告内容与出价信息传达到 SSP 广告内容供给方平台，之后广告内容经过媒介平台投放给用户。用户接触到广告信息 后所做出的反应作为用户反馈第一时间传递到 DMP 数据平台，再由用户给出的对广告内容 的反馈为基础，分析用户对广告信息所表现的兴趣程度是什么水平，根据反馈数据的具体 数值调整出价优化策略再由 ADX 将出价及效果反馈传到 DSP。DSP 对收到的信息进行目标 受众的标签定制、广告点击预测并给出出价策略最后将反馈效果传达给广告主

与传统广告交易过程中对媒介资源的购买不同，实时竞价系统所奉行的工作核心是对 广告内容的精准传递。大众传媒时代广告投放的定向往往是模糊的，效果也难以把控。比 如广播中响起燕窝产品的广告时，在后台只能看到收听率的高低，而无法确定正在收听的 这群听众对燕窝产品是否由购买需求。相比之下，实时竞价技术与第三方平台之间的良性 互动规避了无效的受众到达，实现广告内容的精准投放。整个实时竞价过程就是在实现广 告内容、广告媒介、广告受众之间的定向匹配。

(2)用户的定向与匹配

计算广告追求广告信息匹配的高精准，将特定的广告信息推送给特定的人眼前，换句话说 计算广告的应用可以避免过多的浪费。广告主从传统粗犷的媒体资源购买变为精细化购买 目标用户，广告的关注点不再聚焦于媒体资源位置与版面，而是广告能否精准曝光给广告 主心中最适合的人选。 计算广告的运行涉及到的主体，分别是广告主、媒介平台、消费者以及第三方技术平 台。其中第三方技术平台又可以根据自身擅长的领域被细化为需求方平台、交易平台、数 据平台以及供给方平台，由于数据的共通性，这些平台之间并不是完全封闭的，有一些技 术平台可能同时搭载两个或以上技术职能，比如像腾讯广告，即是数据管理平台又是供给 方，同时还承载程序化创意的功能。 大数据管理平台(DMP 平台)每天访问千百万个网页，每日平均接受 60 亿次请求、200 亿条训练样本用户大数据积累。将用户的电子足迹分门别类的画上标签，提取出精细化 的用户画像。

计算广告可以在数据管理平台上选取广告活动目标用户的基本属性。在确定 了用户属性后，广告主可以根据需求方平台(DSP 平台)根据自身广告需求进行广告信息 投放，与用户进行匹配，确定是否参与实时竞价。在需求方广告主与供给方(SSP)在交 易平台(ADX)完成此次竞价后，对定向标签给出最高价的广告主则获得展示机会，广告主的广告素材将在用户打开页面时实时曝光给目标用户，看似复杂的过程能够在用户使用 微博时，在开屏的 100 毫秒内完成。

(3)广告效果可视化

计 算广告对广告投放的效果监测从传播的反馈环节提到了前馈环节。在还未进行投放前就可 以根据历史投放数据预测出既定人群的广告宣传效果。当广告主利用数据管理平台设置好 目标用户标签、投放时间以及预算费用后，数据管理平台将实时通过报表的形式反馈给广 告主用户的点击数据和信息到达率、传播率。根据过去一段时间的用户喜好和传播范围实 时调整投放策略，并对广告计划进行优化升级。 如今，计算广告的加入让广告传播的“5W”元素均实现了智能化升级：智能选择广告 主、调整内容智能化、媒介投放智能化、智能化细分消费人群、智能化监测与反馈。在技 术革新的背景下，广告的生产与传播被推向更高阶的层次，广告传播被赋予了精准的基因， 广告成本与广告优化并行，广告需求与广告效果实现了进一步的平衡^[5]。

参考资料：

[1] 珂源&；佳玮&；莉歆.计算广告到底是什么?

[2] 夜渡无人.带你深入了解计算广告(一)

[3] 蔡润珩. 场景融合营销中计算广告作用研究

[4] 温进浪. 腾讯计算广告的运营模式研究

[5] 李文昕. 计算广告对广告生产模式的重构

本文由@Y-L发布于三个皮匠报告网站，未经授权禁止转载。