广告智能评估:基于共振效应的识别、分析与应对模型*

■ 姜智彬 师梦瑶

相较于消费者智能洞察、广告智能创作和广告智能投放等已经进化较为成熟的智能化变革并已研发出较为成熟的智能产品的广告运作环节而言,作为重要的反馈机制,传统广告评估方式已无法有效输出效果数据和发挥反馈作用,无法配合其他智能化环节的升级。为有效发挥效果数据的重要反馈作用,适应广告运作的智能化转型,秒针系统、热云、友盟+等企业探索性地将人工智能技术引入广告评估领域,试图在智能技术的赋能下,为广告主、媒介代理机构以及网络媒体提供实时、准确的全域广告监测与分析服务,这些前沿性探索为广告评估的智能化转型提供了较为丰富的实践经验,但业界尚未建立完善健全的广告智能评估系统。

本文以共振效应理论为分析框架,梳理人工智能技术在广告评估领域的应用,试图提炼出广告智能评估的一般模型,并探索广告智能评估的未来发展方向。

一、人工智能应用下广告评估的研究综述

目前学术界对于广告智能评估并没有一个相对统一的概念界定,大多是描述效果评估的智能化特点①,主要围绕以下三个方向展开:

(一)广告评估方式的智能化变革

智能化时代下广告效果数据的获取不再由人力通过调查等方式收集统计,而是借助媒体归因程序②和情绪识别软件③等智能技术追踪广告效果数据,记录消费者接收广告后的所有行为路径④,收集多源(PC端、移动端、OTT端等不同来源)异构(图像、语音、文本、数字等不同表达形式)的消费者行为反馈数据以及实时的广告效果表现数据⑤。数据分析方式也发生了变化,基于机器学习方法(层次聚类、神经网络、主成分分析)与预期广告目标进行分析比较⑥,可以对反馈数据进行深度分析与多维度对比,将不同投放渠道、不同投放时间的效果分析数据以可视化的方式呈现。在肯定智能技术为广告评估环节带来积极变革的同时,也有学者指出智能广告无法摆脱对大数据的依赖,数据孤岛⑦和对数据(尤其是敏感数据)的严密防护⑧会影响到数据处理和分析过程,如何打通全域数据、在保护隐私的同时又不影响大数据的正常使用,是广告智能评估亟待解决的问题。

(二)广告评估工作模式的高效化发展

广告评估工作模式由传统的单靠人力完成数据的收集与分析工作,向机器收集数据和人机协同处理数据的工作模式转变,评估人员的工作重心从数据收集处理转移到数据分析判断上。基于大数据和人工智能技术,广告评估人员可以以添加监测代码等方式采集从前端到后端的全链路消费者行为数据⑨,数据可以来源于媒体方自己创建的监测平台,也可以来源于第三方监测机构,大大提高了数据采集效率。数据采集后,机器会运用聚类分析与归因等方法挖掘数据间关系,寻找影响广告效果的关键因素,并在机器学习的帮助下改进广告信息的传递,优化广告效果,提升广告活动效益。在智能技术的运用下,监测愈发的实时化与全流程化,随着海量数据的不断积累与算法模型的不断优化,效果数据的分析也愈发的深层次化,整体广告评估工作不断朝着高效化方向发展。

(三)广告评估环节的协同性转变

由于传统测评技术的限制以及事后评估数据获取的滞后性,传统广告作业流程是单向的、线性的、一次性的,效果评估是相对独立的一个环节。智能技术加持下的广告运作不再表现为先投放后反馈的传统线性模式,而是形成了以效果评估环节为纽带的从消费者洞察、创作到精准投放的广告全流程闭环运作模式,打通了全链路广告智能运作系统。智能化技术的介入,使监测实现了数据获取实时化,广告活动的每一个环节、每一个媒介渠道、每一步投放操作产生的效果都可观察可测量,效果数据的分析结果可以用于指导广告营销方案的调整,实现广告效果的“秒优化”与个性化广告应对。在这个过程中,效果评估实际上发挥了中介平台的作用,消费者洞察、创作以及程序化投放等环节通过与效果评估环节的实时互动,可实现与其他环节的精准互动与协同作业,满足消费者动态需求,达成广告活动与消费者需求的全链路匹配。由此,广告智能评估走向智能评估与实时应对的有机整合,实现了广告流程的闭环运作。

二、广告智能评估的研究框架

(一)理论框架:共振效应理论

“共振”这一概念来源于物理现象,最初是一个物理学名词,指的是当物体受到外力作用作受迫振动时,所加外部作用力的频率与物体固有频率接近或相等时,振幅急剧增大的现象。在这个频率下,物体会以比其他频率更大的振幅做振动,这个特定的频率就是共振频率,这种现象就是共振现象,将这种由共振现象产生的效果或引发的影响统称为“共振效应”。

共振效应的实质是内外两力运动方向相同,频率接近时,二者合力达到最佳效果。根据对共振效应的阐述,它包含三个必备条件:一是所有的共振都不是自发产生的,而是在外力作用下被迫进行的；二是一切物体都有其固定的频率,但固有频率并不是显性的,需要经过多次测定才能了解；三是只有调节外部作用力的频率与固有频率相近或相等时,才能产生共振,而不是以固有频率去迎合作用力频率。根据以上对共振效应的理解,研究者认为共振效应机制实际上包含了感知、分析和匹配三个环节,感知环节负责了解物体固有频率和外部作用力频率；分析环节负责对感知到的物体和外部作用力频率进行分析,寻找共振源；匹配环节则负责调整频率促成共振效应。

(二)逻辑结构:共振效应理论与广告智能评估的内在一致性

共振效应的实质是两种运动方向相同的变量,频率接近或趋向相同时,二者合力达到最佳效果,系统状态最优。广告智能评估的工作是通过收集包括消费者需求以及广告活动实际效果等在内的信息数据,反馈给消费者洞察、创作和内容投放环节,指导广告活动各环节各要素进行调整,其本质在于促使广告系统内外频率相一致,也就是广告活动与消费者需求相契合,从而优化广告活动效果,达到预期目标。二是二者的底层逻辑是一致的。共振效应分为感知、分析和匹配三个环节。同样,广告智能评估也包含三个部分:智能监测广告数据部分即收集多源异构的广告效果数据、智能分析广告效果部分即检验广告活动成效、智能指导广告优化即进行个性化应对,构成了与共振效应相一致的识别-分析-应对的底层逻辑(见图1)。

图1 共振效应与广告智能评估的内在逻辑

基于以上两点,研究者将共振效应的基本框架用于分析广告智能评估环节,可以系统化地理解广告智能效果评估环节如何充分发挥数据反馈的价值,如何指导消费者个性化主动应对,以及如何优化广告活动效果,有利于准确把握广告智能评估的系统结构。

三、广告智能评估的系统结构

研究者以共振理论为研究框架,通过对全流程广告活动效果实时智能监测、深层次广告效果数据智能分析以及个性化广告智能应对三个方面的分析,探究广告智能评估的系统结构。

(一)全流程广告活动效果实时智能监测

广告智能评估首先要依据系统化指标体系,借助智能技术,实时监测广告活动,采集多源异构的广告效果数据。广告活动的监测主要是对用户与品牌之间的接触点进行监测,接触点指的是客户在购买之前、期间以及之后与品牌的所有接触,具体可以分为前端的监测和后端的监测。最先展现给用户的广告位页面一般称为“前端”,前端监测就是对广告媒体进行监测,可以追踪不同平台、不同形式广告的引流效果；后端的监测是对产生点击行为之后的用户行为进行记录,包括落地页监测、转化监测以及反馈监测,可以全链路追踪用户转化路径。研究者主要通过广告媒体、落地页、转化以及反馈这四类主要接触点来展开广告效果智能监测的研究分析。

1.广告媒体智能监测方式

PC/WAP端广告媒体的监测主要是基于cookie技术,cookie里面记录了用户的身份信息、访问过的网站、浏览深度以及停留时间等,并且会随着用户多次访问网站自动更新数据。由于cookie无法识别同一客户端不同用户的行为,也无法实现跨屏识别,因而其统计到的数据与实际效果存在一定误差。人工智能技术应用下可以使用ID-base替代cookies收集用户数据,整合消费者碎片化的登录信息,赋予虚拟身份ID。在建立用户虚拟身份ID的时候,不再需要通过手机号或身份证号来识别不同的用户,而是通过采集所有消费者账号、行为数据等信息重构一个虚拟的人,通过数据分析、知识图谱、机器学习等技术追踪并分析用户的全网行为痕迹,随着用户的行为越来越多、数据越来越大,消费者画像越全面,这个虚拟身份ID就会越来越接近真实世界里的消费者,ID-base的精准性和匹配度就会越来越高。

移动端广告效果智能监测的方式主要有两种:一是以API(Application Programming Interface,应用程序编程接口)方式实现监测。API是为了让各系统之间能够实现数据共享而开辟的一种接口或通道,通过这个通道,两个需要沟通交流的系统可以以双方都认可和理解的方式完成信息的传送与接收。二是通过SDK(Software Development Kit,软件开发工具包)进行效果监测,由第三方机构开发独有的监测代码,媒体方将代码嵌入到自己的平台内进行效果监测。但由于第三方机构众多,并且其私有监测代码都各不相同,每次与不同的第三方机构进行合作,媒体方都需要嵌入新的监测代码,大大增加了工作量。相比较而言,API对接比较简单,但需经过对接平台,SDK方式比较稳定,但工作量相对较大,对接周期略长。从根本上来说,无论采用API还是SDK方式,其监测流程都是相同的,即监测方为投放的广告物料提供相应的监测代码,媒体方录入代码,当产生曝光、点击、跳转等行为时,就会触发监测代码,监测到的效果数据信息会实时回传到监测平台,完成数据的采集工作,最后,监测平台会自动生成可视化图表展示效果数据。

2.落地页智能监测方式

用户点击前端广告跳转进入的第一个网页就是落地页(Landing Page),通常情况下落地页是广告主推页面。基于智能化化技术,落地页可以记录跳失率、二跳率、浏览深度等用户行为数据,这些数据通常也可以被用来评估流量质量,判断是否存在虚假点击等数据造假行为。落地页智能监测主要是通过对站点添加代码实现的,首先,需要对落地页添加跟踪代码,广告主根据自己实际需求,选择HTML或JS方式下载并安装代码,用户进入落地页后,监测代码会被激活,监测平台会实时进行用户行为数据的收集与统计工作,并生成可视化分析。在智能技术的赋能下,可视化分析可以提供点击热图功能帮助客户了解用户点击了网站上的哪些模块或内容；提供浏览触达线功能告诉客户用户的访问深度以及在什么位置离开了网页；提供注意力热图功能帮助客户了解用户感兴趣和关注度较高的内容等,还原用户的转化或流失路径。

3.转化智能监测方式

转化行为的监测指标依据广告类型与目标的不同而各不相同,对于以游戏为代表的App下载类广告而言,在这个阶段需要对下载、注册、激活等效果数据进行监测；而对于以京东和淘宝为代表的电商类广告而言,则需要监测添加收藏、加入购入车以及完成购买等用户行为。对于用户转化行为的监测流程是相同的:第一步,分析广告活动目标,制定并搭建整体广告计划；第二步,在整体推广计划中细化目标,以合理有序的结构分类分步搭建推广单元,对每个推广单元(或具体广告物料)添加监测代码,以不同的方式组合每个推广单元内的媒体渠道和广告物料,测试不同投放组合的效果优劣；第三步,选择合适的投放渠道与物料组合投放广告；第四步,实时查看回传的广告效果数据,获取诸如注册、下载、购买或点赞、评论、转发等转化数据以及不同媒体渠道、不同时间段、不同地域的细分数据报告,了解转化效果。需要注意的是,监测代码需要与监测对象一一对应,不同广告物料或推广单元的监测代码各不相同,传统只能依靠人力一一匹配监测链接,一旦出错将影响广告效果的判定。在智能技术的应用下,目前热云系统中关键词的监测可以使用同一个监测链接,链接中存在一个“keywordid”,根据keywordid第三方监测平台会自动生成与id匹配相关的关键词,实现智能化监测,不但极大地节省了人力,也确保了监测数据的准确性。同时,智能监测不仅能监测下载、激活等转化行为,还能追踪到App内诸如次日留存、7日留存、付费率等后续用户行为。

4.用户反馈智能监测方式

在传统广告效果监测工作中,用户完成转化就是监测流程的最后一步,智能化技术的介入,使得抓取完成转化行为后的用户反馈信息成为可能,拓宽了信息采集维度和效果评估维度。这些反馈信息中蕴含消费者对产品或服务的态度及情感倾向,是评估广告效果的重要依据。

在智能技术的运用下,可以通过网络爬虫(Crawler)和API的方式来获取用户反馈数据。一般来说,机器主要通过以上两种方式对互联网中的用户反馈信息进行采集,再运用自然语言处理技术、情感分析技术以及数据挖掘技术对收集到的信息进行处理规整和进一步分析,挖掘用户对产品或服务的情感态度以及个性化诉求,为后续产品或服务的改进以及营销策略的优化提供参考依据。

(二)深层次广告效果数据智能分析

面对海量反馈数据,人工智能技术在效果数据分析方面的应用主要体现在对非结构化数据的智能分析处理以及对数据信息的深度挖掘上。非结构化数据的处理主要通过自然语言处理技术、情感分析技术和数据预处理技术,将图片、视频、音频等非结构化数据转换为可以分析的结构化数据,进而通过数据挖掘技术深度分析理解数据间关系。为了解决不同的广告效果分析需求,应用于广告效果分析中的数据挖掘主要有聚类分析、预测和归因分析三类功能,不同的数据挖掘任务需要运用合适的数据挖掘方法,以得出有价值的分析信息,为广告主提供决策辅助。

观察患者呼吸机相关性肺炎的发生率,若通气治疗48h后符合:①X线胸片示新的或进行性肺浸润;②发热;③外周血白细胞计数>20.0×109/L或C反应蛋白>8mg/L;④气道分泌物细菌培养阳性。基础条件为X线胸片所示改变,若另外3条中2条符合,即可诊断患者患有呼吸机相关性肺炎[4]。

1.聚类分析智能细分市场

在广告效果分析领域中,聚类分析(Cluster Analysis)是对消费者市场进行不断细分的有效工具。根据消费者从看到广告到完成购买以及反馈评价等一系列行为数据,运用聚类分析技术可以自动刻画消费者特征,依据相似程度对消费者群体进行分类,把消费者归类成具有明显特征并且相互区分的不同组群,从而可以为这些细分群体制定有针对性的广告创意,提供精细化、个性化的服务和运营策略,如自动给一个特定的用户群体发送促销邮件,或选择一个消费者聚类作为目标投放人群等。每个消费者并不是只有单一的标签,而是有多维度标签,标签越多,消费者洞察就越全面,越能还原真实的用户全貌,广告活动越有针对性,进而实现千人千面。此外,根据消费者完成转化行为与否,可以将消费者粗略分为已转化消费者和潜在消费者,针对已转化消费者,下一轮广告投放的重点是巩固消费者对产品或服务的印象,可以采取老客优惠等方式促使其完成二次转化；而对于未发生转化行为的潜在消费者,首先要分析客户流失的原因,再针对流失原因有针对性地引导用户完成转化。

2.效果预测智能辅助决策

预测主要用于预见未来,回答“将要发生什么”的问题。在广告效果分析中运用到的预测分析技术主要有点击率预估和转化率预估两种。广告点击率预估是“在给定网页和用户的情况下,估计投放广告被点击的次数占曝光次数的比例”。很多效果类广告会采用点击付费的方式(CPC)进行广告结算,广告点击率的高低直接决定着平台和媒体的收益,在大型的广告投放系统中,整体点击率的小幅度提升可能会带来巨额的利润收益。基于大数据机器学习技术,目前已经发展出多种广告点击率预估模型,每种模型有其各自的特性与适用场合,例如逻辑回归模型比较适用于有丰富历史数据的广告活动,而层次聚类模型则适用于稀疏和未投放的新广告场合。广告转化率预测就是对用户发生特定行为(例如购买、下载、注册等行为)的概率进行预估。对于以CPA(按行为付费)模式结算的广告主来说,对转化率进行预估尤为重要,准确的转化率预估不仅能够帮助广告主合理分配广告预算投入,提高收益,还可以为改善用户体验提出建议,进一步提高转化率。

点击率预估和转化率预测的精准度在很大程度上影响着广告投放的精准性,基于点击率预估和转化率预测,OCPX智能投放模式应用而生。简单来说，OCPX就是智能化的CPC、CPM(千人成本)和CPA。其本质依旧是按点击/曝光/行为付费,只不过在积累一定的用户数据和广告效果数据后,基于机器学习和算法模型,系统能够智能化地实时预估每一次广告投放的点击率和转化率,并基于广告环境智能动态出价,帮助广告主更精准地控制转化成本、提升转化数量,优化广告效果。

3.渠道归因智能量化贡献水平

广告投放活动往往是通过多个媒介渠道同步进行的,用户从接收广告信息到完成转化的整个过程中可能会接触多个渠道,这些渠道对于用户完成最终转化可能有着不同程度的影响。归因分析利用消费者全网行为数据,结合大数据建模和分析技术建构了消费者从接收广告到完成购买的整条转化路径,从而能够准确衡量不同媒介渠道的贡献程度。归因分析可以回答一系列和广告效果有关的问题:哪个广告媒体或者网站的引流效果好？消费者在完成最终购买前接触了哪些渠道？哪些渠道在促成消费者最终购买方面最有效？通过归因分析,可以有效检验并具体分析广告活动的成效,寻找影响广告效果的因素。

常见的归因分析模型主要有单触点归因和多触点归因两种,单触点归因包括首次互动归因模型(First Touch Attribution)、末次互动归因模型(Last Touch Attribution)、末次非直接点击归因模型(Last Nondirect Attribution)等,是将广告效果转化归功于广告活动全过程的其中某一次特定用户互动行为。虽然单触点归因实施相对容易,但无疑用户心理是复杂的,广告投放多种渠道之间是相互作用的,用户的转化行为并不能简单归因于一种渠道或一种行为,这种归因方式是不准确的。相较而言,多触点归因则更具有科学性,多触点归因利用用户行为数据和广告效果数据,结合数据挖掘分析与算法建模等智能技术,还原用户从首次接触广告信息到完成转化的全链路行为轨迹,能够较为准确地衡量不同渠道对于广告活动的贡献价值,同时可以分析不同渠道之间的协同作用和互动关系,寻找影响广告效果的具体因素,进而有效指导媒介渠道管理,合理分配预算、配置广告资源、优化广告活动效果,以求实现投资回报率最大化。

(三)个性化广告智能应对

广告智能评估借助机器学习技术,根据实时的广告效果反馈主动调整广告活动,满足消费者个性化需求,优化广告效果。具体来说,主要是通过用户画像更新、个性化创作、优选媒介投放以及落地页优化的方式,智能地采取个性化主动应对策略,提供满足消费者动态需求的产品或服务信息。智能应对是广告智能评估的目的和核心作用所在。

充分满足消费者需求是广告效果达到预期的必要前提。在广告投放过程中,从广告产生曝光开始,监测平台就记录着消费者在网络上的一切行为轨迹,描绘消费者数字画像。广告效果监测平台采集到的消费者数据主要分为两类:一是消费者行为数据,消费者行为数据是用户接收广告信息后的一系列行为记录,通过人工智能技术对消费者行为数据进行实时挖掘和处理,可以实现对已有消费者画像的更新和重构；二是消费者反馈数据,主要是消费者主动在电商类平台或社交媒体等提供反馈渠道的平台上发表的评价类信息,对用户反馈信息进行追踪,运用自然语言处理和情感分析技术,可以有效挖掘消费者对产品或服务的态度、观点以及情感倾向。

消费者每一步行动的背后都包含着有关其个性化需求的有价值信息,在人工智能技术的赋能下,在全流程追踪和动态监控的基础上,基于对消费者行为数据和消费者反馈数据的深度分析,可以模拟消费者未来行为,预测消费者需求。这种基于人工智能技术的自动化洞察力,能够在消费者数据的积累过程中不断更新用户画像,优化算法模型,智能预测消费者动态化需求,并在此研判基础上智能指导广告活动调整,提供满足目标消费者需求的特定产品或服务信息,进行个性化广告应对。

2.个性化创作,智能合拍用户需求

在广告效果智能监测的情况下,广告效果智能监测平台能够实时监测并实时反馈广告创作的投放效果,提供如点击率、转化率、二跳率等评判指标数据,这些量化的反馈数据可以用来判断广告创作是否满足消费者需求,为广告创作的调整指明方向。

根据广告点击情况、用户交互行为以及最终转化效果等监测数据,不同类型的广告在创作层面有不同的优化方式。例如文字类广告智能创作提供了“通配符”功能,使用通配符后,系统会基于用户特征(年龄、所在行业、教育水平等)、环境(地域、行政区、商圈等)、设备属性(手机系统)等,自动地对创作的一些片段进行关键词替换,系统中提供通配符,客户也可以自行创建属于自己的通配符。开启通配符功能后,使用不同搜索词的用户会看到不同的广告创作,可以大大提升广告创意与消费者需求的契合度,从而引起消费者的购买兴趣,提升广告效果。图片类广告则从元素级别提取产品属性特征,机器能够自动将数据库中的各种广告元素进行不同的排列组合,结合人群定位属性,智能生成多个广告创意,客户可以在自动生成的基础上对创意进行进一步的修改和完善,提升创意内容与产品特性之间的契合度以及对目标消费者需求的触达程度,力求尽可能地提供满足消费者个性化需求的广告创意。

3.优选媒介投放,智能配置广告资源

广告投放活动是一个过程,广告效果的形成具有累积性和延迟性,用户从接收广告信息到完成转化的整个过程中可能会接触多个媒介渠道,每个渠道对于用户完成最终转化有着不同程度的影响。人工智能技术可以对不同媒介渠道进行归因分析,还原用户转化轨迹,用量化的数据来衡量不同媒介渠道对广告活动的贡献价值。通过归因分析,不仅可以了解到哪些媒介渠道的引流效果好、哪些媒介渠道的转化效果好、哪些媒介渠道的受众质量更高,还可以同消费者行为轨迹进行交叉分析,了解特定用户在特定媒介渠道的使用习惯。依据实时动态的效果反馈数据,智能投放平台可以自动根据不同媒介渠道的历史投放表现,依据不同的广告活动目标和定位人群特征,智能配置广告资源,选择预估效果最好的媒介渠道进行差异化广告投放。同时,在机器学习的基础上,系统也会不断更新算法模型,智能化优化投放策略。

4.落地页优化,智能改善用户体验

落地页是用户点击广告后跳转进入的网页,包含广告主想要传递给用户的产品或服务信息,是促进消费者完成预期转化、实现广告目标的关键步骤。用户点击广告素材进入到落地页面后有两种行为模式:一是跳出,用户流失；二是继续浏览其他页面发生页面跳转行为,或是直接完成转化,成功实现用户变现。传统落地页是千篇一律的,且存在移动端使用PC网页以及无论什么关键词都跳转进入品牌主页的现象。由于缺乏相关性和针对性,极大地影响了用户体验,用户流失或转化的原因也无法尽数知晓。

在人工智能技术的应用下,通过添加代码对落地页进行监测和数据分析,可以掌握用户关注了什么内容、用户是怎样流失的以及流失节点都有哪些等信息,或是用户是如何完成转化的以及花了多长时间完成转化等等,也可以知道哪些落地页被浏览的次数最多、点击次数最多、转化效果最好。结合这些数据,可以开发智能落地页。基础的智能落地页是自提营销单页,即通过系统提供的素材、模板和组件,广告人员可以自由组合页面编排,自主选择产品轮播图(大图、单图、三图、视频等形式)和转化组件(表单、咨询、线索等组件)等,为不同的用户检索创建相应的营销单页,并且可以在系统内进行个性化管理。此外,还可以结合A/B测试方法,设计多版本的落地页进行效果验证,选择效果较好的落地页进行投放。自提营销单页在一定程度上节省了人力,但这种人机协同的方式无法为不同的用户检索提供千人千面的落地页。于是比较高级的智能单页应运而生,即系统运用大数据和人工智能等技术根据用户搜索关注点和决策路径,从推广站点获取产品、服务等内容并智能聚合、动态重组生成个性化落地页,并自动绑定最相关的词推送给用户。譬如用户在搜索引擎中检索关键词,点击广告链接进入落地页,看到的就会是与其检索需求最相关的产品或服务内容。智能技术根据用户单次的检索需求生成了对应的个性化落地页,不仅使落地页的形式更加灵活多样有针对性,更提升了用户体验,缩短了用户转化路径,能够有效提升用户留存,提高转化效果。

四、结论与展望

(一)广告智能评估的识别、分析与应对模型

以共振效应理论为分析框架,在分析概括的基础上,可以提炼出具有一般性的广告智能评估的识别、分析与应对模型(见图2)。

图2 广告智能评估的识别、分析与应对模型

1.广告智能评估的识别环节

在整体广告智能评估中,全流程实时监测是基础和前提。通过添加监测代码、配置SDK和API以及运用ID-base和网络爬虫等智能化技术,实时监测用户与品牌之间的所有接触点,可以还原用户从广告曝光到转化以及反馈的全链路完整数据,准确全面地了解广告活动的真实效果。识别环节采集到的数据将直接导入分析模块,对效果数据进行智能深度分析,寻找影响广告效果的因素。

2.广告智能评估的分析模块

系统通过实时监测完成对用户全网行为轨迹和广告效果数据的获取后,由于获得的是多源异构的非结构化数据,系统的分析模块首先会对原始数据进行处理,运用自然语言处理、情感分析和数据预处理等智能技术将其转换为适合挖掘的结构化数据。通过聚类分析、点击率预估与转化率预测以及回归分析等数据挖掘方法对效果数据进行深度分析,探索数据间的深层次关联以及其中隐藏的、具有潜在价值的信息,并以可视化方式呈现。在这一环节中,系统完成了对广告效果数据的智能深度分析,该步骤所产出的分析数据将直接指导后续环节进行个性化广告智能评估,调整广告策略,优化广告效果。

3.广告智能评估的应对路径

智能评估并不是一个完全独立的广告运作环节,只有与消费者洞察、创作以及投放等环节实现互动,有效指导个性化广告智能评估,才能充分发挥评估的作用。应对是整体广告智能评估系统中的最后一环,是效果评估的目的所在,也是智能评估区别于传统评估的重要功能。从根本上来说只有满足消费者需求,广告活动才能实现预期效果,消费者需求是一个不断动态变化着的过程,这决定了广告活动也必须是动态迭代的。因此，个性化广告智能评估首先要挖掘多端异构的消费者行为数据和反馈数据,实时更新消费者画像,智能预测消费者动态需求。了解消费者需求后,智能创意平台能够针对个性化的消费者需求,结合广告效果数据,自动生成多个广告创意,合拍消费者动态需求。之后,契合消费者需求的广告信息需要运用合适的媒介渠道进行投放,运用归因分析模型,投放平台可以根据不同媒介渠道的历史表现,智能配置广告资源,选择预估效果最好的媒介渠道投放广告信息。此外,落地页的优劣与否也是影响消费者转化的重要节点,智能落地页系统可以根据消费者搜索关注点和决策路径,将消费者单次的检索需求生成对应的个性化落地页,提升用户体验,缩短转化路径,改善转化效果,实现广告活动全流程的个性化智能主动应对。

当系统完成识别、分析与应对后,受广告信息的影响以及市场环境的变化,消费者会有新的行为反应与需求变化,产生新的行为数据与效果数据,这些数据将重新被监测到,开始下一轮的识别、分析与应对。当机器获取到新的消费者行为信息与广告效果数据后,原有的应对方式将会发生改变:若反馈数据符合广告预期效果,广告目标实现,则广告活动实现优化,系统会对现有应对方式进行分析总结,优化模型,为下一轮广告活动积累经验；若不符合广告效果预期,未实现广告活动目标,系统会进一步分析效果数据,寻找影响广告效果达成的因素,并采取新的应对措施调整广告活动,优化广告效果。在这一过程中,基于海量大数据和机器学习能力的不断提高,广告智能评估的模型会不断地发展与进化。

综上所述,广告智能评估是以实时监测为基础,基于机器学习实现对反馈数据的深度分析以指导个性化主动应对的智能化广告运作流程,评估的智能化发展打通了全链路广告智能系统,构成了整体智能广告系统的有机闭环。

(二)广告智能评估的共振效应

在智能技术的赋能下,广告智能评估系统会实时监测广告活动,不断采集用户行为信息与广告效果数据,在数据深度分析的基础上,智能洞察用户动态需求,指导个性化主动应对,努力达成广告活动与用户需求的全链路匹配。智能技术加持的广告评估不再表现为先投放、后反馈的传统滞后型模式,而是形成了以智能评估系统为纽带的从用户洞察、创作到投放在内的全流程广告活动闭环运作模式,实现了广告活动与用户之间的良性互动与持续共振(见图3)。广告智能评估的共振效应是以智能评估系统为平台,通过实时监测收集多源异构效果数据,洞察用户动态需求,指导个性化主动应对,智能调整广告策略,优化广告活动效果。

图3 广告智能评估的共振效应

区别于传统效果评估的线性逻辑,在智能化评估中,用户洞察、创作以及投放等广告运作环节通过与智能评估系统的实时互动,实现与其他环节的协同作业和优化调整,构成整体智能广告系统的有机闭环。贯穿这个闭环的机器逻辑是整个流程的自动运行、弹性运行和协调运行。

(三)广告智能评估的未来展望

随着人工智能技术的不断发展以及其在广告评估领域的深入应用,广告智能评估未来有以下两个方面的问题需要进一步探索完善。

1.构建标准化广告评估指标体系

目前业界中,无论是阿里全域营销提出的AIPL(Attention,Interest,Purchase,Loyalty)还是爱奇艺构建的AACAR(Attention,Association,Consensus,Action,Reputation)等模型,实际上都是对经典的AIDA模型(Attention,Interest,Desire,Action)的进一步发展与延伸。AIDA模型反映了消费者从接收广告信息到完成广告主预期行为的心理发展变化逻辑过程,在一定程度上能够指导广告评估指标体系的构建。但基于消费环境的变化和智能化技术的不断发展,衡量广告效果的标准必然也需要发生相应的变化和延展。学界和业界应相互合作,业界产业实践先行,学界在分析业界实践的基础上归纳出一套普遍适用的广告评估指标体系,通过产业实践进行科学验证并不断完善,进而指导产业实践规范化和标准化。如此循环往复,方能逐渐构建起标准化的、具有规范性的广告评估指标体系。

2.创立权威性评估主体,健全数据审核机制

目前市场上出的广告评估报告都是不同公司发布的,虽然也有诸如秒针和Admaster这类相对具有业界权威性的第三方监测机构公布的数据报告,但由于各家公司监测技术和标准的差异,发布的广告效果数据无法被用来进行多维度对比分析,且都缺乏客观性和权威性。可行性的发展路径可能是业界与监管部门共同合作,业界需要发展出具有相对权威性的第三方监测机构,同时利用各类算法和智能技术对广告投放效果进行监督,有效过滤虚假流量,确保效果反馈数据的真实性。广告行业需要建立一个监管机构以及相应的数据审核标准,负责对第三方监测机构发布的广告评估报告进行数据审核,保证监测数据的客观准确。通过二者的通力合作,共同推进行业内具有公信力和权威性的评估主体的出现,以及透明公正的数据审核机制的构建。

注释:

① 卢静微、刘淑娟:《人工智能时代广告传播的创新研究》,《大众文艺》,2019年第22期,第202页。

② Ghose,Anindya，Todri-Adamopoulos,Vilma.TowardaDigitalAttributionModel:MeasuringtheImpactofDisplayAdvertisingonOnlineConsumerBehavior.MIS Quarterly,vol.40,no.4,2016,p.889.

③ PR Newswire.CentralFloridaHumanBehaviorExpertSusanConstantineCreatesArtificialIntelligenceSoftwareThatReadsEmotionstoHelpBusinesses,Advertising,andEvenTVNews.PR Newswire US.2017.

④ 李梦娜、刘春侠:《人工智能影响下广告营销的发展探究》,《电脑知识与技术》,2018年第30期,第196页。

⑤⑦ 姜智彬、马欣:《领域、困境与对策:人工智能重构下的广告运作》,《新闻与传播评论》,2019年第3期,第58页。

⑧ 段淳林、宋成:《用户需求、算法推荐与场景匹配:智能广告的理论逻辑与实践思考》,《现代传播》,2020年第8期,第125页。

⑨ Yang,Y.,Yang,Y.C.,Jansen,B.J.,& Lalmas,M.ComputationalAdvertising:AParadigmShiftforAdvertisingandMarketing?.IEEE Intelligent Systems,vol.32,no.3,2017,p.4.