计算广告所谓的计算，到底在计算什么

| 前言

在数字化时代，广告行业经历了一场革命，这场革命的核心就是“计算广告”。计算广告不仅改变了广告的投放方式，还彻底转变了广告的创作、优化和评估过程。它是一种结合了数据科学、统计分析和算法优化的现代广告方法，旨在通过计算提高广告投放的效率和效果。

可能有读者会好奇，为什么直到现在，咱们还没有开始探讨算法的话题？作为一名合格的算法工程师，咱们的首要任务并非是一上来就套模型拟合数据，关键在于深入理解业务本质、掌握业务流程，从而对系统架构有全面的认识。在充分理解“业务从何而来、将往何处去、为何去”的前提下，我们才能着手规划端对端的实现路径，使得算法与业务流程实现真正融合。毕竟，算法的存在是为了业务而服务的。

在前期，我主要从宏观开始讲起，让各位读者了解计算广告，由浅入深带你了解计算广告本身。那么计算广告所谓的计算，到底在计算什么？本文将深度探讨计算广告中的关键计算要素，揭示其如何运用于广告策略中，并以当前市场上的一些产品为例，展示这些计算是如何在实际应用中发挥作用的。

| 流量数据分析

做内容营销，如何判断效果？在哪些地方需要改进？有哪些地方需要发扬？这就要用到流量分析工具，深入挖掘流量数字足迹，细致解析其浏览历史、搜索模式、购物行为以及社交媒体互动等多维在线活动，从而精准描绘出用户的兴趣图谱和需求轮廓！这里的流量数据分析，其计算点着重在统计层面。

市面上的数据分析领域有多个领先品牌和产品，它们提供了强大的工具和平台，帮助企业收集、分析和应用流量数据。比如Google Analytics （GA），作为全球最流行的网站分析服务之一，提供丰富的用户行为数据，帮助企业了解用户如何与网站互动。GA 能够分析多个维度的数据，包括但不限于：

• 用户维度：用户的地理位置、语言、浏览器类型、操作系统、服务提供商和屏幕分辨率等。
• 会话维度：会话持续时间、访问次数、用户是新访客还是回访客等。
• 流量来源维度：用户是通过直接访问、搜索引擎、社交媒体、推荐网站还是广告活动来到网站的。
• 用户行为维度：用户在网站上的浏览路径、访问的页面、停留时间、跳出率以及用户事件互动等。
• 转化维度：目标完成情况、电子商务交易、转化路径和转化率等。
• 设备维度：用户使用的设备类型，如手机、平板或桌面电脑，以及相应的品牌和型号等。
• 内容维度：网站上哪些内容或页面最受欢迎，页面浏览量和入口页面等。

要使用GA也非常简单。首先登录谷歌账户并访问GA主页。接着，将GA集成到网站中，创建并配置新的跟踪信息，选择想监测的网站和跟踪类型，包括设置跟踪ID、命名跟踪项目、以及指定要监测的页面。然后，获取相应的跟踪代码并嵌入到网页上，这样就可以基于GA开始搜集数据，等待获取用户多维度的洞察。

基于用户数据分析的结果，我们可以分析哪些内容更受欢或者筛选出可能对特定广告感兴趣的流量来源，从而优化我们的内容及投放策略。当然，GA仅是市场上众多流量分析工具之一。这些工具的根本目的无一例外，都是为了帮助运营者深入洞察用户行为，从而不断优化和加强自己的网站或应用程序的运营效果。

| 目标受众定位

在积累了一段时间的流量之后，我们手中便拥有了一批极为宝贵的数据资源。这些流量可能源自运营者自建的独立站点、电子邮件营销，或者来自于各大社交媒体平台。不论来源于何处，关键在于如何借鉴历史经验，制定策略以迎接新一轮的流量涌入。内容与受众的匹配各有不同，这决定了我们应对流量的策略也应当因势而异。

对于静态流量，即来源和数据分布相对稳定，且类型较为单一的流量：我们可以制定一个朴素内容匹配策略。例如，如果我们发现某一类用户偏好特定的内容，那么在下一次流量到来时，我们就可以针对性地向这些用户推送类似的内容。

然而，对于动态流量，由于其来源和类型可能不断变化，制定一个固定的内容投放方案变得较为复杂。在这种情况下，我们可以利用朴素相似度算法或机器学习模型基于历史数据分析流量与内容之间的匹配度。当新的流量涌入时，我们可以快速为其匹配到预测转化率高的内容，并据此进行定向投放。通过这样的动态策略，我们能够更有效地利用流量，提高转化率。

如果你有一个独立站，想要实现个性化推荐内容的功能，又没有自己的算法研发团队，那么可以考虑使用一些专门的服务。这些服务通常会使用机器学习和人工智能技术，根据用户的行为和偏好，为他们推荐最相关的内容。

例如，阿里云提供了一个名为AIRec的智能推荐服务。为企业提供基于电商、内容、新闻行业算法模板，仅需完成基础的数据对接，即可开启个性化推荐功能。

| 转化效果预测

在自有流量的情况下，确实可以通过相似度模型匹配用户和内容，然后推送高相关性的内容以提高转化率。这种方法通常基于假设用户对与其历史行为相似的内容会有更高的兴趣。然而，当你开始将流量作为一种价值进行售卖时，情况会变得更加复杂。在这种情况下，你不仅要考虑内容的相关性，还要考虑潜在的转化率，因为流量的价值与转化率直接挂钩。这时候就需要通过建模流量与转化的关系，实现转化效果的精准预测了。这里的转化，代表的是能提供商业价值的用户行为，可以表示最浅层的点击，也可以是自定义的转化行为：如浏览、下载、购买等等。

转化效果指标，如点击率（CTR）是一种关键的性能指标，用于衡量用户点击次数与展示次数的比例。在搜索引擎、内容推荐系统和数字广告等领域，CTR的应用极为普遍，它直接反映了搜索结果或广告内容的吸引力，也是企业技术优化和资源投入的重点领域。

随着近年来深度学习技术的飞速发展，多种用于精准预测CTR的深度学习模型应运而生，极大地丰富了这一领域的技术手段。这些CTR预估模型能够对每位用户的每个搜索请求进行个性化分析，预测特定内容的潜在点击概率。通过应用这些先进的预估模型，搜索引擎和推荐系统能够更加智能地调整结果排序，从而显著提高用户体验和业务成果的转化效率。

OpenSearch建模框架

阿里云在这方面做的确实不错，他们家的智能开放搜索 OpenSearch就提供了CTR预估模型的配置，并且简单易用：在上传用户曝光、点击等行为数据后，即可自动化训练专属CTR预估模型。

| 流量价值预估

这里的流量价值，指的是流量值多少钱（出多少钱买这个流量是最合适的）。在程序化购买中，计算广告系统会实时计算广告位的价值，并在毫秒级别的时间内完成竞价，以获得对广告主最有价值的广告展示机会。

在基础场景中，计算流量价值的公式通常是：流量价值 = 预估转化率 × 单个转化的朴素判断出价。

其中：

• 预估转化率是指流量中的一部分最终会采取某种有利于你的商业行为（如购买商品、注册服务、下载应用等）的概率。转化率可以根据历史数据、行业平均值或者通过A/B测试等方式预估出来。
• 单个转化的朴素判断出价是指你愿意为获得一次转化（如一次销售或一个潜在客户）支付的最高金额。这个价格通常基于产品的利润、客户的生命周期价值或其他商业目标。

例如，如果你有一个在线商店，你知道每100个访问者中有2个会进行购买，那么预估转化率是2%。如果你知道每次购买你能赚取50美元的利润，并且你愿意将其中的10美元作为获取这个客户的成本，那么流量价值 = 2% × 10美元 = 0.2美元。这意味着，理论上，你可以为每个访问者支付最多0.2美元的广告费用，而不会亏本。

在进阶场景中，我们想要尽可能地用最少的钱买到某个流量，其较前者的区别在于压低价格（说人话，就是不想花冤枉钱）。其计算流量价值的公式通常是：流量价值 = 预估转化率 × 单个转化的市场评估价。

其中：

• 单个转化的市场评估价是指市场上对于单次转化愿意支付的平均价格。这个价格通常会受到行业竞争、广告平台的定价机制、以及其他广告主出价行为的影响。

例如，如果市场上的竞争者平均愿意为每次转化支付8美元，而你的预估转化率仍然是2%，那么：流量价值 = 2% × 8美元 = 0.16美元。这意味着，在市场竞争条件下，你可能需要调整你的广告出价策略，以确保你的出价既能够在竞争中保持竞争力，又不会超过流量的实际价值。

如果你是一个淘宝商家，你肯定面临商品推广的问题，因为没有曝光，你的商品没人看得到，自然没成交。阿里妈妈提供了各种各样的推广策略，包括：

• 促进曝光：提升店铺及宝贝曝光，支持焦点图定向投放，潜客新客占比高。
• 促进点击：提升进店及商详浏览，支持分人群及资源位手动出价，优化点击率。
• 促进加购：提升店铺及宝贝加购，支持加购收藏控成本智能出价，优化加购收藏率。
• 促进成交：提升店铺及宝贝成交，支持历史购买人群屏蔽，优化点击转化率。

综合运用这些策略，并且持续优化，你可以有效地提升你的淘宝店铺和商品的曝光度、点击率、加购率和成交率。

国内外有很多DSP平台（DemandSidePlatform，需求方平台），他们的核心就是一个基于云端（通过网页端登陆）帮助媒体代理公司进行程序化媒体交易，其竞争力就是使用先进的算法来帮助广告主自动计算并提交最优的广告出价。

| 预算分配

在计算广告中，预算分配通常指的是如何在不同的广告渠道、时间段以及目标受众中分配有限的广告预算，以达到最大化的广告效果。

预算分配通常需要考虑以下几个方面：

• 广告目标：首先要明确广告活动的目标，比如提高品牌知名度、增加网站流量、提升销售额等。不同的目标可能需要不同的预算分配策略。
• 目标受众：了解目标受众的特征和行为习惯，可以帮助广告主更有效地分配预算。比如，年轻人可能更多地使用社交媒体，而年长的消费者可能更多地观看电视广告。
• 渠道选择：不同的广告渠道（如搜索引擎广告、社交媒体广告、电视广告等）有不同的成本和效果。预算分配需要根据渠道的特性和效果来进行。
• 时间分配：在一天中的不同时间段，或者一年中的不同季节，广告的效果也可能有所不同。预算分配需要考虑这些时间因素。
• 性价比：广告主需要评估不同广告投放的回报率（ROI），确保预算被分配到性价比最高的广告上。
• 实时调整：随着广告活动的进行，广告主可以根据广告的实际效果来实时调整预算分配。这通常需要依赖于数据分析和机器学习算法来实现。

在实践中，预算分配是一个动态的优化过程，涉及到大量的数据分析和决策制定。广告技术平台通常会提供自动化工具和算法来帮助广告主进行预算分配，以实现广告预算的最大化利用。

| 欺诈识别

随着互联网的发展，数字广告市场迅速增长，广告主和平台投入巨大的预算用于在线广告。然而，这也吸引了欺诈者利用各种手段来从中非法获利。欺诈者可能会伪造广告展示、点击或转化，造成广告主的预算被浪费在无效的流量上。欺诈行为方式多样，包括但不限于：

• 点击欺诈（Click Fraud）：使用自动化脚本或雇佣“点击农场”来伪造点击行为。
• 展示欺诈（Impression Fraud）：通过各种手段伪造广告展示次数，比如堆叠广告或使用1x1像素的隐藏广告。
• 转化欺诈（Conversion Fraud）：通过伪造注册、下载或购买行为来模拟真实用户转化。
• 流量欺诈（Traffic Fraud）：通过僵尸网络（botnets）或伪装的设备来生成虚假流量。

因此，现在很多广告主一方面分配预算交给DSP平台去代投广告，一方面也需要防着交付的DSP平台伪造转化，他们往往会找第三方欺诈识别机构做流量鉴定，防止自己被骗。这些产品和服务通常通过高级的数据分析、机器学习算法和实时监控系统来帮助广告主识别和防范欺诈行为。

AppsFlyer就有提供广告欺诈防护服务，其推出业内首个 CPA 防作弊工具，将应用内作弊与安装作弊进行了区分，并呈现实时拦截的应用内作弊和归因后作弊，帮助营销人员轻松识别应用内作弊活动，以海量数据、机器学习以及行为分析为基础，探测到各种已知和新生的点击/激活作弊，包括自动化脚本/程序（bots）以及行为异常等。

| 程序化创意

程序化创意（Programmatic Creative）是指由数据和算法驱动，实现海量创意的批量生产，对广告创意内容进行智能制作和创意优化，一般应用为创意制作工具。这个概念虽然可能不为大众所熟知，但你可以将其看作是当前非常热门的AIGC（人工智能生成内容）领域的一个特定应用，主打的就是一个快速高效，千人千面。

淘宝平台每日吸引数亿用户登录，每位用户所见内容各异。传统上，即便是生产百万级别的广告素材，也需耗费大量时间、人力和资源。程序化创意技术为此难题提供了解决方案：用户仅需上传初始主图，并进行简单设置，便能在数小时内自动生成高达百万的个性化Banner和其他广告素材。这项技术极大地缩短了创意生产周期——原本需要100名设计师耗费数月才能完成的任务，现在仅需一两个小时即可轻松完成。创意生产工具化，将替代低阶设计师的价值。

通过程序化创意，我们能够实现“换汤不换药”的同时，将传统的“一种创意面向所有人”的模式转化为“千变万化的创意对应每个人”，轻松实现海量创意测试。在这里，“创意”就像是不断变化的汤，而“产品”则是始终如一的药方。通过程序化创意技术制作的N多素材进行了广告投放后，我们就能知道哪些创意是更容易出转化的，知道客户更喜欢什么创意，这些记录可以用于指导后期的投放优化。

KuaiPlay的案例宣传图

国内的筷子科技（Kuaizi Technology）有一款产品叫做KuaiPlay，宣称可以通过元素复用来加速海量素材生成。

• 多尺寸：多尺寸广告在线制作，一次设计，自动生成多种规格广告创意。
• 多版本：独创创意元件编辑工具，批量上传和编辑创意元素，组合创意快速生成。

| 动态创意优化

动态创意优化（Dynamic Creative Optimization）是通过实时的效果反馈来调整广告素材等元素，比如标题、文案、按钮等，来优化广告KPI指标，通过给定的规则自动动态组合多种元素，以匹配不同的投放环境，一瞬间为不同细分群体、场景定制投放不同的创意内容。创意效果数据化，将替代部分广告优化师的价值。

假设你有N个广告创意，分为A、B、C、D四组，每组有不同的主图和其他创意元素。通过程序化创意平台，你可以获得每个广告的多种属性，如颜色、文案、图片内容等，以及用户属性的维度，如年龄、性别、地域等。投放两周后，你将获得每个广告创意的表现数据，如展示次数、点击率、转化率等。使用动态创意优化技术，通过洞察哪些创意更匹配哪些用户，从而动态优化投放策略，实现更优质的内容个性化服务，从而提高整体广告投放效果。

| 动态商品广告

动态商品广告，DPA（Dynamic Product Ads），其根据用户在广告主侧的兴趣行为数据，并结合广告主提供的商品库信息动态地向用户展示最契合的商品内容，提升转化效果。商品广告智能化，将替代部分传统消费者洞察服务的价值。

这种广告形式的“动态”特性体现在以下几个方面：

• 动态内容：根据用户的行为数据来定制个性化的广告内容。例如，如果两个用户都有购买冰箱的意图，但一个偏好双开门冰箱，另一个偏好单开门冰箱，那么他们将看到不同的广告内容。同一个用户如果在网购习惯上发生变化，看到的广告内容也会相应调整。
• 动态落地页：用户点击广告后看到的落地页是动态生成的，可能是商品的详细介绍页，也可能是展示同类商品的聚合页，或者是展示搭售商品的页面。这些落地页是基于用户的兴趣偏好和商品库通过算法生成的。
• 动态用户群体：不再事先定义一个固定的目标受众群体，而是将每天访问商品的用户视为潜在的动态受众，这个群体是持续变化的。

| 结语

本篇主要介绍了计算广告领域的关键链路，从用户行为分析到实时竞价，从内容个性化到广告效果追踪，随着技术的不断进步，计算广告正变得日益智能化，它不仅仅是数字营销的未来，更是现在正在发生的革命。

计算广告链路不断催生出新的产品服务和工具。作为广告从业者，要关注并筛选适合自己业务需求的工具，尽量通过工具来节省时间成本，实现赋能提效。而对于科技营销的公司来说，有人说“程序化创意领域里第二名就是最后一名”。在AIGC技术风头正劲的今天，各大科技营销公司纷纷投身于AI+创意、AI+投放的竞争中，无人愿意落于人后，谁能够紧抓风口迅速实现商业化，谁就能在市场中占据主导地位。