今年美国广告程序化购买支出将超252亿美元


今年美国广告程序化购买支出将超252亿美元
2016.09.29 11:56:16 来源: 199IT 作者:199IT ( 0 条评论 )
 

199IT原创编译

美国广告程序化购买支出超出预期,未来几年都将保持两位数的增速。根据eMarketer的最新预测,今年美国广告程序化购买支出将达到252.3亿美元。今年广告程序化购买将占美国展示广告支出的73.0%。

1        

一直到2018年Facebook都将保持其在美国展示广告程序化购买市场的主导地位,今年Facebook广告程序化购买收入将达到111.0亿美元,占美国展示广告程序化购买市场的43.7%。今年谷歌广告程序化购买收入23.9亿美元,占美国广告程序化购买市场的9.4%,排在第二位。

eMarketer高级分析师Lauren Fisher表示“随着营销人员越来越倚重‘以受众为中心’的方法购买展示广告,广告程序化购买也变得越来越受欢迎。发布方也更加适应程序化购买技术。这些都加速了移动和其他广告的程序化购买。”

一直到2018年,移动都将是广告程序化购买增长的主要动力。今年移动广告程序化购买支出将增长65.7%,达到177.0亿美元,远超过PC广告程序化购买支出水平。PC广告程序化购买也在增长,但是增速正在降低。到明年,移动将占广告程序化购买支出的3/4,而PC广告程序化购买支出仅占1/4。

2        

视频也是广告程序化购买增长的动力之一。今年视频广告程序化购买支出将达到61.8亿美元,占网络视频广告支出的60.0%。更好地定位和测量能力,以及广告欺诈等问题的解决,将推动视频广告程序化购买继续增长。

Fisher补充说“随着科技发展,品牌广告商可以更轻松、更安全地投放网络视频广告,程序化购买将成为视频广告的最佳选择。”

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值