Oath全球首席科學家來台 淺談AI廣告投放最佳化

美國電信商威訊通訊(Verizon Communications)併購AOL、Yahoo之後,將旗下所有媒體公司整合成Oath Inc.。同時也將這些公司的廣告平台整合,推出Oath Ad Platforms,對全球提供數位行銷、內容媒合等服務。Oath Ad Platforms技術團隊幕後推手 – Oath全球首席科學家Niklas Karlsson於11月16日來台介紹這個大平台,談到不少AI在廣告投放上的應用方式。

整個Oath Ad Platforms針對兩種角色提供服務:廣告主(Marketers)、發佈商(Publishers)。針對廣告主提供買方廣告平台(Demand Side Platform,DSP)及原生廣告平台,協助打造品牌、獲得消費者洞察及提升成效。針對發佈商提供廣告賣方平台(Supply Side Platform,SSP)、媒合平台、交易市場等,協助內容供應商與發佈商合作,獲得收入並可擁有內容控制權。

Oath Ad Platforms架構圖
▲ Oath Ad Platforms架構(圖/Oath台灣提供)

Niklas Karlsson此次來台主要針對買方廣告平台做介紹。買方廣告平台目的在運用AI將廣告投資報酬率最佳化,靠的是他們已發展20年的AdLearn機器學習優化引擎。

AdLearn包含Event Rate Estimation(轉換率預估)、Control(控制)及Bidding(競價)三大運算機制。廣告主都希望轉換率高,但是每個使用者的轉換成本不同,要能分出哪些人是轉換成本低、轉換率又高的,就要靠Event Rate Estimation中的Predictive Audience建立預測模型來篩選出這些目標。

AdLearn架構圖
▲ AdLearn包含Event Rate Estimation、Control及Bidding三大機制(圖/Matt Kan攝)

Predictive Audiences匯入來自AOL、Yahoo、MSN、Oath其他各品牌、第三方數據及廣告主自己的資料,藉由建立模型、機器學習預測使用者的轉換行為。他們將超過百萬個影響轉換率的原始特徵(raw features),如年齡、性別、居住地區等,篩選出最重要的600個,用來預測使用者是否可能轉換,並依轉換機率大小區分為8個層級。

篩選出目標之後,視廣告主預算決定投入多少成本,然後靠Control機制來讓投資報酬率最佳化。過去網路廣告市場競價採行「次高出價制」,勝出的競價者比照次高出價付費。如今業界趨勢改為「最高出價制」,競價時必須更有智慧。AdLearn系統會比較理想值與花費金額,若步調太慢,就會提高競標金額,隨著其他廣告主參與競爭,在變動環境中彈性調整。

廣告投放最佳化斜線圖
▲ 縱軸是轉換率、橫軸是曝光成本,依據Event Rate Estimation估算出來之後,視廣告主預算決定斜線的傾斜度,然後由Control控制維持(圖/Matt Kan攝)

Niklas Karlsson表示AdLearn已考量到下一代廣告需求,目前正進行的是音訊廣告(數位音樂串流服務中播放的),連網戶外廣告、智慧電視也是發展重點。中長期因應5G發展會支援更複雜的廣告形式如VR廣告等,同時也會維護品牌安全,排除假流量與廣告點擊。

史塔夫短評:很複雜、很艱深的系統。



留言