Oath 首席科學家來台!Niklas Karlsson 親自解析 AI 行銷大腦

評論
評論
▲Oath 首席科學家 Niklas Karlsson 來台

Oath 首席科學家 Niklas Karlsson 來台參加今年 Meet Taipe 與 Digi Asia 合辦的講座,會後也接受了短暫的訪談,向我們分享 Oath 廣告技術的 AI 引擎 AdLearn 以及程式化行銷的發展史。

Niklas Karlsson 本人可是來頭不小,不僅已有 30 年的技術開發經驗,還分別拿了工程物理學和統計與應用機率的碩士,博士讀的則是動態控制系統與機器人,畢業後為自動機器人開發 AI 解決方案,後來將 AI 技術應用到線上廣告的優化方案,在數位廣告平台領域投入了 13 年。

對於 AdLearm 這個 AI 引擎的發展史,Niklas 說從 1998 年就已發表,當時技術還很原始,和現在的技術可為天壤之別。接著到了 2006 年面對第一個挑戰,就是規模化,沒多久線上廣告競價購買的模式出現,AdLearn 也開始從錯誤中學習,快速跟上規模化腳步。到了 2009 年,直至現在依然最受歡迎,能找出高轉換受眾的 Predictive Audience 功能第一版釋出。

最後則是去年,Verizon 的收購促成 Yahoo、AOL 及 Verizon 自己三家公司資源整合,也讓 AI 獲得廣大的數據資料學習,造就了競爭優勢。

Niklas 用一個簡單的圖表來闡述 AI 遵循的基本概念:橫軸是廣告曝光(impression)的成本,縱軸則是事件比率(看目的不同,通常是轉換率),中間的斜線就是獲得相應價值客戶的分界,往上就是轉換率特別好的用戶,往下就是不符合效益的用戶,而根據廣告主的目標可以調整此分界的斜率。

以 AdLearn 來說,就可分成三大部分,分別是轉換率、控制以及溝通兩個繼統的部件。Niklas 舉例,人類約 0.3 秒眨一次眼睛,同時間內 AdLearn 已可處理約 10 萬個競價機會,這就是程式化廣告與人工下廣告間的差距。

AdLearn 在第一部分會先找出潛在客戶並估算轉換率,接著第二部分用到 Predictive Audience 的功能,針對用戶的標籤並依照轉換率高低替用戶分層,讓廣告主決定要獲取哪些層級的用戶。

到了第三部分,就是根據市場實際狀況作微調,比如不同節日、地區、族群、時段等等影響因素調整強度。這部分就如同車子的巡航系統,欲維持定速上坡就要加強力道,下坡就要放輕力道。

Niklas 分享,目前在成果利潤不變的狀況下, AdLearn 的用戶在 24 小時內的成本都有降低,每小時的點擊數也皆有增加。

不過 AI 行銷優秀新創輩出,比如在台灣就有 Appier 這樣的新星,到底 AdLearn 有何特別之處?

談到 AdLearm 的優勢,Niklas 認為除了深耕廣告領域 20 年的經驗與豐厚且廣大的數據量,他們技術團隊成員更是來自統計、物理、機械、營運等多樣領域,在特別需要知識廣度的 AI 領域,這些人才可以互補,而新創規模小,人才大多為工程師,重複性高,做的都是同樣的事。Niklas 認為這一點對線上廣告領域也格外重要。

「這是一個有趣的時代,」Niklas 認為「20 年前我們想像力彷彿無限,限制在於技術;AI 時代技術反而有無限可能,而想像力才成了限制。」

延伸閱讀:

相關文章

評論