魏家东/文，《数字营销战役》作者，微信公众号：weijiadong2013或搜索“魏家东”
前段时间微软小冰在微博上被诸多大V骚扰，东哥也参与其中，这个聊天机器人从微信到微博每一次亮相都引起轩然大波，除了噱头之外，对信息的匹配处理的能力还是让很多人欣喜的，我们有理由相信未来会有更多机器人出现，他们将改变我们的生活，比如美联社推出的可以写新闻的机器人，也着实引发大家的兴趣。今天引起东哥兴趣，不是小冰，也不是写稿机器人，我知道小冰再骚扰她也跟你不会有任何关系，写稿机器人还很难取代自媒体人，不过最近关于DSP机器学习技术确实吸引了我，主要原因是广告业需要这样的技术提升效果丶效率，广告主希望更加精准的营销。
DSP作为精准广告技术，在中国快速被广告公司与所接受。最近得知Avazu(艾维邑动)发出声明，将他们自主开发的移动DSP产品中机器学习的两项技术以及在广告领域中的应用。Avazu作为业内知名移动DSP平台研发专家丶中国互联网全球化推手丶集PC和移动互联网广告全球投放丶全球专业移动游戏运营及发行为一体，推动DSP技术开放其意义巨大。
DSP在中国发展至今很多人是抱着积极的态度去探索尝试，不过在各大广告主中，DSP广告投入还只是大预算的一小部分，DSP虽然从买位置变成了买用户，但是在投放时仍然需要人工优化，当人工优化行为过重时，其效果也随着优化者的能力有所不同。我个人一直担心的也正是如此，如何解决因为人工操作产生的效果差异问题，那就会大大提升DSP的价值，当我看到Avazu关于《DSP机器技术学习手册》时，还是眼前一亮的，不知道未来如何，但是在当下其技术的理念与观点是先进与前瞻的，同时他们把这个专利技术开放出来，更多广告公司丶广告主可以使用上，让精准更精准！
我来剖析一下这个让我刮目相看的DSP专利技术，主要有两个关键点：
第一是广告优化：做过网络广告投放，尤其是DSP类广告的客户都会了解，如何减少投放费用增加效果，这个就是优化的目的。广告点击率(CTR)和转化率(CR)代表了广告投放的效果，如何提高CTR和CR是每个广告主都十分关心的问题。Avazu通过机器学习算法，自动地为实时流量预估CTR，广告主只需简单的将优化目标设置为期望CTR，DSP投放引擎即可为广告主购买相应的优质流量，完成这一任务。如广告主设置优化目标为CPC，则投放引擎通过将CPC转化为期望CPM(CPM = CTR * 1000 * CPC)，购买对应价格的流量。所以机器学习预测越准，广告优化效果就越好。
第二是机器学习：机器学习是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。由于互联网行业的数据规模已超过人工分析能力之所及，机器学习技术几乎成为每家互联网公司的标配，在搜索排序丶商品排序丶点击率预估反作弊实时竞价（RTB）等各种领域有着广泛的应用。
简单的来说就是用了超牛X的技术，用机器学习丶分析广告数据，可以根据设定的目标自动优化，网络广告是以最终效果为第一衡量标准，每一次投放都有严格的考核，广告主希望放大广告价值，机器学习技术会为DSP投放增加很多可能。个人觉得Avazu的这个技术有几个亮点：
1丶更精准：精准首先是必然，本身DSP的出现就是让精准广告上升一个阶段，但是机器学习更加优化了广告的精准性，它通过分析海量数据，在不同数据点之间寻找关联性，从而进行预判，尤其在大数据时代，仅靠人工完成精准性可想而知；
2丶更省钱：减少广告费用且效果更好，这应该是众多广告主的追求了。不过目前很多广告的投放确实是在浪费钱。广告效果一般是通过时间丶地域丶访问者行为三个维度综合考核标准，然后是基于广告“维度”性全方位分析广告来源流量统计，形成原始数据数据视觉化数据行为化数据深入挖掘的数据分析模式，但人工优化算法只能实现广告效果的单一维度，这样广告费就有50%已经浪费了；
3丶更效率：机器学习的目的是节省人力，人工行为不仅占用人力成本，同时对广告优化丶数据分析等等处理难免有疏漏之处，尤其面对海量数据时，其分析力就大打折扣，面对此一个优秀的机器学习技术就很重要。
苹果的siri丶微软的小冰等应用，相信使用过的很多人都深有体会，其强大的信息处理及反馈能力应该让人惊喜连连。Avazu开放的DSP系统机器学习专利技术是不是广告领域里的“siri”丶“小冰”，我们还需拭目以待。未来的世界，我们将和更多机器技术丶智能设备相伴，让我们的生活丶工作更加高效便捷！
开放DSP机器学习专利技术，它是搅局者，还是引领者？
你说呢？
魏家东/文 (微信公众号：weijiadong2013或搜索“魏家东”，欢迎大家在搜狐新闻客户端丶今日头条客户端订阅“魏家东”的自媒体。)
本站声明:网站内容来源于派代网,如有侵权,请联系我们,我们将及时处理。致敬派代网！
主题测试文章，只做测试使用。发布者：佰搜SEM，转转请注明出处：https://www.geoaiseo.com/1377.html
