文、圖／Oath 看見數位行銷力編輯團隊
Erin：台灣的朋友可能對您還不熟悉，能否請您說一下自己在Oath 做的事情呢？
Niklas：我在Oath 廣告平台擔任研發部的首席科學家兼副總裁，負責帶領研發團隊，專門為Oath 的DSP 平台做計算，包括優化、預測、控制、競價等，我的團隊更負責多個AdLearn 技術以及Predictive Audience（找到高轉換受眾）的功能，這是我們創造出來的技術，而且持續
改善進步，在AI 解決方案這一塊，我目前已有30 年的技術開發經驗，學術方面，第一個的碩士是工程物理學，第二個碩士則是統計與應用機率，博士則專攻動態系統控制與機械人，取得博士學位後，我花了幾年為行動自動機器人開發AI 解決方案，過去13 年我在數位廣告平
台致力於應用AI 技術，包括機器人和航太業的AI 技術，用以開發線上廣告的優化解決方案。擔任首席科學家，就是要鼓勵、指導、啟發全隊的優秀科學家，如此才能不斷創新、不斷善用和開發最好的技術。
我稍微介紹一下AdLearn 技術和Predictive Audience，這兩者的複雜度和功能幾乎媲美太空船的自動駕駛解決方案，通常廣告客戶定下一個預算，假設是10 萬美元，然後列出需求，定下他們想要達成的行銷目標，我們的系統就會以自主方式，運用客戶定義的需求以及受眾和競爭環境的大量資料，去計算在何時、何處、以何種方式才能達到最佳的廣告成果。這個過程很複雜，我們花費多年開發這一塊，也因此能夠在這個市場長期擁有最先進的卓越產品。
廣告平台 AI 如何帶來最佳化行銷結果？
Erin：請您分享關於Predictive Audience ( 找到高轉換的人) 的功能，此外，為了提升廣告優化功能，需要朝哪些方面努力？
Niklas：首先我想先分析Predictive Audience 功能的部分，這是 (AOL 時代) 我們DSP 裡最受喜愛的功能，多年來受廣告主喜愛。最初發佈的版本是在2009 年，但，年來不斷改良，包括利用大量的資料、更強大的電腦，以及更聰明的演算法，Predictive Audience 功能現在更強大了，尤其要歸功於Oath 的成立，一年前Oath 成立，合併了AOL 和Yahoo 2 家公司，因此結合兩者的專業所長，更重要的是，彙整包含Verizon 在內3 家公司的資料。Verizon 三年前收購AOL，Yahoo 則是一年前，結合了眾多行動資料，有了這3 家公司的資料後，就可以用於預測引擎，提供更好的預測結果。
Predictive Audience 之所以如此強大，都要歸功於團隊上30 名科學家，其中半數擁有各領域的博士背景，電機工程、數學、大數據、作業研究、資訊科學等等，我們集思廣益、善用所學，目前預測受眾採用的數據來自數十億的使用者，我們對每個使用者運用超過100 萬種功能，這些數據全數投入Predictive Audience 的功能開發，再擷取其中最佳的600 項功能，這個新的功能最重視的是轉換，這也是廣告客戶很關切的事，這跟其他競爭對手的產品稍有不同，他們主要是偏向族群的鎖定，著重在尋找相似的族群，而我們的Predictive Audience 功能則是以「轉換」為前提，滿足廣告客戶真正的需求。
此外，Predictive Audience 屬於AI 解決方案，集結了多種先進技術，其中部分技術由學術界的首席研究員所開發，再加上公司內部的優秀研究員發展的技術，結合兩者，我們創造出優異獨特的Predictive Audience 來解決我們所面臨的問題。
那麼Predictive Audience 到底是什麼？其實就是歸納出不同的受眾層，總共有8 層，第一層是最可能轉換的族群，最容易轉換；第二層轉換的可能性次高，依此類推，若廣告主只想針對最可能轉換的使用者，就可能限於主打第一層的受眾。當然若預算充裕，廣告客戶也可以不只主打第一層受眾，這就是Predictive Audience 功能的用意，透過結合Predictive Audience 功能與AdLearn 技術，代表我們不只侷限於使用者轉換的可能性，還必須兼顧轉換的數量，因為我們也將市場競爭價格納入考量，有些使用者可能轉換率高，但投放廣告的成本也非常昂貴，因此價格因素也必須列入考量，假設廣告客戶的預算為10 萬美元，目標是獲得最多的轉換數，此時就需結合Predictive Audience 功能和AdLearn 的技術，計算出這個預算下最大數量的轉換率。
我們也多次比較過Predictive Audience 功能及其他解決方案，其中一個較詳細的比較，是並列比較Predictive Audience 功能，以及傳統的精準廣告解決方案，平均轉換成本大幅改善，例如在汽車產業的表現，就有看過高達 8 倍的進步，也就是說，若使用Predictive Audience 功能，則轉換的平均有效成本可降低 8 倍，比傳統的精準廣告引擎更加有效，而且這只是其中一例，像是在零售和娛樂的廣告客戶，我們就分別得出 6 倍與 4 倍的成效，而且，別忘了，用以比較的精準廣告都是投入最多的優化後才進行比較，即便如此，Predictive Audience 的成效仍較為突出，勝過其他任何產品。
未來 AI 在廣告科技應用的走向
Erin：接下來2、3 年有哪些事情可預期？
Niklas：我們使用AI 已經非常多年了，但有了更多數據、更強大的電腦，以及更好的演算方法，就代表未來有更大的潛力，能夠將AI 用在廣告技術的所有層面。從廣告客戶的角度來看，可以預期ROI 大幅提升，廣告主將得到更好的投資回報，減少投放廣告遇到的困難與挑戰，由於運用AI 技術，我們能夠提供更深入的見解，或提供更好的建議和廣泛工具，協助廣告客戶規劃廣告投放，這是大家最基本的期待。但從我們內部來看，其實牽涉很多功夫，我預期將有更多可用的演算法，這些演算法目前還無法用，譬如因為運算成本還不合效益，或有一些待解決的問題，但由於Oath 內部持續進展，加上學界與業界持續合作，未來將出現更多成熟的解決方案。而且這些解決方案會是由多種不同的技術組成，目前較流行的熱字，包括深度學習和類神經網路等技術，未來肯定會更廣泛應用，而且已在特定領域展現強大功能，像是其他產業應用的圖形辨識或聲音辨識功能，這些都將會用於廣告技術上，以外我們也將會看到全新的解決方案，結合類神經網路、深度學習以及AI 類型解決方案，也結合較為傳統的AI 類型解決方案，主要依據典型的統計學以及機器學習技術，整體結合後將得到豐碩的成果和進展。我很高興也很榮幸能夠身在大量投資資料這個領域的公司參與其中。
本文同步刊載於《廣告雜誌》2018年8月號321期：
Oath 行銷專欄
--
歡迎分享文章連結，並請註明出處－
Adm廣告雜誌｜Digital x Creative：
http://adaround.blogspot.tw/
更多數位創意消息，歡迎加入廣告Adm粉絲專頁：
https://www.facebook.com/adm23915168
沒有留言:
張貼留言