漫談 DSP 自動化購買概念與可能的成效關係

研究過幾間不同的DSP廠商,特別是強調「自動化購買」機制的國際大廠。在研究前,我一直認為廣告操作必須建立在一半工人智慧、一半人工智慧上,不然有些變數並非純粹用電腦計算,很難做到維持成效與轉換的成果。
評論
評論

研究過幾間不同的 DSP 廠商,特別是強調「自動化購買」機制的國際大廠。在研究前,我一直認為廣告操作必須建立在一半工人智慧、一半人工智慧上,不然有些變數並非純粹用電腦計算,很難做到維持成效與轉換的成果。

因為,左右廣告能不能被點擊,有兩大要素,分別是「圖像素材」與「文案溝通」,這兩點必須看操作者本身對於素材的敏銳度來左右轉換優化好壞。

再繼續談下去前,先介紹一下「自動化購買」到底是一個什麼概念。從流程來介紹的話,DSP 業者會提供廠商一段 Code,請廠商在自家的全站上,安裝該 Code,裝下去之後,業者會進行幾件事情:

  1. 內容分析
  2. 行為分析
  3. 素材分析
  4. 受眾分析
  5. 策略分析

這五件事情,全都是自動化的進行。怎麼做?內容分析就是用機器人去爬全站的內容,抓下來之後建立各種索引,並比對使用者在各個頁面的行為。特別說明一下行 為這件事情。行為分析的脈絡,通常是建立在幾種「假設」的狀態下,例如:假設「使用者看了 A 商品後,又看了 B 商品,同時看了 C 商品,此時把 A 商品加到購物 車的比例會提高。」假設能否成立,全看使用者的行為脈絡而定。

使用者行為在分析時,一開始是很模糊的,假設也會非常混亂。好比我們從各種行為中,先定義出一種假設,然後從眾多的使用者之中,開始逐一比對行為是否接 近。如果接近,這時再來針對該假設之後的變數去計算。計算使用者產生的行為有無符合預測的前往結帳,另外,沒有結帳的理由是什麼?光這邊,又是一種假設。

因此,在行為分析的過程中,會存在無數種假設與猜想。每個假設與猜想,都會在各種行為資料被記錄下來之後,逐一去比對與驗證。我們先預設某種轉換成效高的 行為假設為 100%,然後來看看有多少人完全符合 100%,再從這 100% 裡面去找出那些接近 90%、80%、70% 的人,其行為又產生了多少變異。從變異中,推出另外一種假設模型。反覆進行此事,透過電腦不斷去猜測與分析,也就是所謂機器學習的核心要素。

這背後要計算的資料之龐大,一般人難以想像。一天存 1TB 的資料都不算多了,更何況還得把這資料清理、篩選、分類、存入、解讀、置入模型之中。而這後面搭配的則是無數個建立出來,因應不同網站、不同型態服務所生的使用者行為分析猜想。從假設猜想到變成具有精準度的模型,通常曠日費時,很吃運算效能,也非常 考驗資料庫人員在設計資料結構時的思維。當然,運用什麼更有效的演算法來運算,這也是一大挑戰。

再來則是素材分析。脈絡是這樣,這些大型 DSP 業者過去不外乎就是所謂的網路廣告代操公司,他們可能有豐富的數位廣告操作經驗,知道哪些廣告素材比較容易 引起轉換,知道哪類型的溝通文案比較容易引起點擊,在這之中,找到素材製作的公約數。也就是我們常講的「素材製作範本」,從素材製作範本中,去做各種交互 的組合。例如 A 圖+A 文變成 A 圖+B 文,這種組合,大量重複的自動在服務平台端生成,再實際投入應用之中。

素材左右廣告是不是能被點的關鍵,因此機器學習會有分兩種面向,剛剛講的使用者行為是一個面向,另一個面向則是圖像辨識技術。用圖像來比對各種過去做過比 較有效的素材範本,然後將該圖像重置為指定範本的樣態,再進行投放。投放後,學習該素材的各種表現效果是否如預期目標,不是的話,則重新套用不同的範本, 直到各種範本被用完,再來找更有效的方法,例如電腦沒辦法提昇該廣告成效,那就只能讓人來解決問題,這過程,又一次給予電腦新的學習樣本。

每個點擊,伴隨而來的是「誰點擊?什麼樣的人點擊了?他們可能是誰?他們曾經在哪些網站做過哪些事情?他們做的那些事情得到什麼效果?他們正在哪邊?」各類堆砌出來的問題,其實都是在反覆不停的「定義受眾」。網路上的受眾相對模糊,因為透過 cookie 的取得,用各種交差分析,以及運用不同假設模型,逐步 地去定義出該人的輪廓與面貌,從中反推回去貼標籤 (tagging)。

因為受眾資料的取得來自於 Cookie,因此我們無法清楚理解受眾本身到底具體的真實面貌,要勾勒出受眾,得透過眾多不同的網站,依照其瀏覽行為與習慣, 從中推測出該受眾的興趣、好惡與樣態。這是所有分析機制中最為負責又難精準定義之處,可卻影響著廣告成效好與不好的關鍵要素。畢竟現在廣告主買的是「受 眾」而非「版位」,受眾要能被定義出來,全靠各種不同的假設定義出來。

策略分析則是因應內容、使用者行為。廣告素材、受眾輪廓等,開始在數十、數百種廣大的投放機制之中,自動讓廣告散播到所有聯播的平台上,因應各類不同的廣 告回饋成效,即時反饋回到系統之中,再從系統自動決定不同的策略,讓廣告可以逐漸的往成效最好的區塊集中。這過程中,會有反覆無數次的嘗試,嘗試哪些人在 哪些網站看到廣告比較會有效過,透過演算法不停地去調整與修正廣告呈現的時機與內容。

理解上述所說的,這才是那段 Code 背後所做的事情。因此,廣告主可以不需要準備素材、不需挑選受眾、不需去想媒體規劃、不需去做策略制定、不需管理各種 參數,只需要做好:「設定清楚 KPI、設定出價、設定預算」即可完成大部分廣告投放的工作。聽起來似乎對廣告主非常有利,讓廣告的投放變得簡單直覺,只要 出錢就好,但問題也在這邊。

電腦能算的有其極限。大部分「自動化購買」會有效,主要都是透過學習廣告主網站上的各種分析資料後,嘗試著去自動化投放廣告、自動化產生素材、自動化調整 素材、自動化改善受眾,這些自動化,沒有辦法針對「廣大無邊無際的受眾去做優化」,換個角度講,因為分母變大,分子太小,很難去精算優化的依據,因此大部 分自動化購買的投放策略都是採取「小眾、分眾」的方式進行。

預算太高,或是出價過高時,自動化購買本來能夠到達廣告主的 KPI,有可能就會無法達到。不是自動化購買變爛,而是同時面對過大的使用者族群時,分母瞬間 變太大,變數變太多,廣告的變數又更多,而這一切全部都要靠即時演算與即時出價在各個不同 AD Exchange 之間快速交換,事實上有其限制與難度在。

不論如何,自動化購買之於廣告技術的發展與應用,已經到了相對成熟度,特別是對於一些向性較高的廣告主,可為其帶來的成效,多多少少能維持一定水平,取代掉不少人工操作的成本與困擾,至於針對大預算、大範圍廣告投放的廣告主而言,短時間內還是得仰賴專業操作人員才有辦法確保成效之間的好壞不會差異太大。

《延伸閱讀》

電通安吉斯積極佈局,Amnet 再添一強大 DSP,瞄準台灣程序化購買的未來!

大數據:談 DMP 與廣告聯播網間的關係

Yahoo 台灣前董事總經理領軍,adGeek 與矽谷 DSP 合作加入數位行銷大戰

【硬塞科技字典】什麼是 DSP 需求方平台/ SSP 供應方平台/DMP 數據管理平台?

【硬塞科技字典】什麼是 Ad Exchange


新國科會主委吳政忠:部會協力串聯,打造不只科技部的科技,回應社會多元需求

國家科學及技術委員會揭牌及主任委員布達儀式 7 月 27 日於科技大樓舉行,原科技部部長吳政忠出任首任主任委員,承接過去使命再提出四點精進方向,期待透過跨部會協力,布局新興科技與產業。
評論
Photo Credit:TNL Brand Studio
評論

科技部改制為「國家科學及技術委員會」(以下稱「新國科會」),7 月 27 日於科技大樓舉行揭牌及主任委員布達儀式,與會貴賓不只涵蓋產官學界,總統蔡英文及行政院長蘇貞昌也親臨會場,共同見證我國科研事務推動最高權責機關成立,為政府組織改造立下重要的里程碑。

Photo Credit:TNL Brand Studio

新國科會打造不只是科技部的科技,建立科技與臺灣社會的多元聯繫

臺灣的科技不應該只有科技部,而是還有經濟部、衛福部等所有部會在一起,但是用科技部的名稱出去國外,好像就變成全臺灣的科技都是科技部的。所以我說,科技不會只有科技部的科技,應該是所有部會的總合。

新國科會首任主委吳政忠在致詞開頭即強調「部會合作」的組織核心,表示「科技不只是科技,科技與經濟、社會、環境等面相都有密切的關係」,也因此不應侷限於某個部分,應當是多個部會、學術界、產業界等攜手合作推動。

有別於過去科技部與行政院科技會報辦公室以合作關係來協調部會,未來新國科會改以委員會的組織形式運行,透過每月主要部會的首長共同商議策略方向,能夠整合部會資源,協作共達目標,此舉不只立下我國科技發展全新的里程碑,也讓臺灣能夠更靈敏的面對國際競爭。

Photo Credit:TNL Brand Studio
新國科會主委 吳政忠。

新國科會前身是 1959 年行政院國家科學委員會,又於 2014 年改制為科技部,過去肩負推動全國整體科技發展、支援學術基礎研究,以及發展科學園區等三大使命,在歷任部長的努力下,更將創新創業加入推動目標。如今的新國科會不只承接過去使命,主任委員吳政忠更提出以下四點未來新國科會所精進的方向:

一、跨部會協力,布局新興科技與產業
儘管臺灣小、科技預算不如國外,但臺灣部會之間高效率、精準連結的合作模式,將成為與國外競爭時的最大優勢,而「跨部會」溝通不只是未來新國科會的努力目標,也是新國科會最核心的思考架構。

二、基礎學術研究奠基
回顧過去兩年臺灣新冠疫情的防疫成果,無論在病毒醫學還是疫苗研發領域,基礎科學研究一直都是技術開發的堅強後盾;所以在臺灣邁向國際頂尖的路上,無論半導體、太空、還是人工智慧,科技的基礎研究與國際互動都將是新國科會注重的發展方向。

三、打造精緻多元的生活科學園區
過去半導體產業已替臺灣打下堅實的基礎,科技園區的產值從 2.7 兆成長到去(2021)年 3.7 兆,但除了半導體,其他的產業也需要布局,尤其是精準健康、智慧農醫、電動車、太空科技、低軌衛星等「接近生活」的重點產業。

四、實踐科技的人文社會價值
隨著科技與生活拉近距離,未來的科技發展必然需要與社會需求、環境永續連結,回應外在社會環境的變化;此外,科技人才培育、加強臺灣女性在科技面的投入比例,都將是未來新國科會欲強化的目標。

Photo Credit:TNL Brand Studio

進一步探究,就會發現上述新國科會的策略方針並非憑空發想,而是源自對產業發展的細微觀察與豐富的知識、經驗的珍貴結晶。早在吳政忠任職行政院科技顧問組副執行秘書時,就已觀察到「當科技更接近生活,產品價值就會大幅度的翻倍成長」的現象,再回顧臺灣善於代工製造零件的發展歷史,才萌生「將臺灣強而有力的製造技術與創新想法整合」的初步想法。

但是「整合」一詞的背後,需要的是基礎研究、應用研究,產業實務之間的環環相扣,過程不只涉及公私跨部門、跨領域的協調,也是一個漫長轉換的過程,並非一蹴可及。最後,在數年醞釀及無數人的共同努力下,儘管過程困難重重,以「部會合作」思考為核心的組織架構「新國科會」終於順利誕生,讓整體國家的科技發展得以提升至行政院層級的高度,向下整合上中游的基礎研究、下游的應用研究及產業實務的連接,創造更多的商機與價值。

Photo Credit:TNL Brand Studio

新國科會的挑戰與期許,後疫情時代的科技人文關懷

如今全球進入後疫情時代,國際關係變動不定,更面臨供應鏈重組、數位轉型等產業挑戰,科技作為國家發展重要的中堅力量,勢必需要更快速的布局因應,在變動中搶得先機。但除了研究與創新,科技與人文社會的結合也是新國科會的一大核心。

隨著人工智慧、太空等科技發展,生活中科技將無所不在,因此未來傳統產業必然將被完全翻轉,此時人文社會科學就扮演嫁接技術與生活文化的重要橋樑,彰顯科學研究成果對人類福祉的巨大貢獻。但這一切的前提是科技與社會必須主動伸手,彼此接觸、相互了解,攜手促進社會總體的福祉發展。新國科會成立之日,同時也是「國科會職場互助教保服務中心 [ 註 ] 」揭牌日,便能看見國科會對人文的用心,除了前述四大重點外,對於女性人才的培育、原住民教育的深耕、環境永續,都將是國科會的重點目標,如何透過科技連結社會的需求,正是新國科會追求的核心,因此新國科會不只是部會整合、資源分配與未來展望而已,更是將科技應用在民間的推動者,同時成為科技與人文交流的平台,最大化科技對總體社會福祉的貢獻。

國科會科技辦公室 廣告


[ 註 ] :國科會職場互助教保服務中心於 110 年 8 月開辦,位於科技大樓 1 樓,是臺灣公共托育協會承接的第一間職場教保中心。以平價、優質、非營利、社區化之方向營運,希望透過政府與公益法人團體協力的方式,結合民間團體資源,提供孩子優質的教保品質,減輕社區家庭照顧負擔,提升教保人員工作環境與權益。資料來源:財團法人彭婉如文教基金會