京公网安备 11010802034615号
经营许可证编号:京B2-20210330
计算广告:大数据变现的成功实践
近两年,大数据技术在越来越多的行业发挥了作用,计算广告是其中最成熟、市场规模最大的行业之一。将用户行为数据转化为可衡量的商业价值,在线广告创造了互联网行业大部分的营收。如何利用手中的大数据获取更大的利益也广告主和广告商所共同关心的问题。
9月19日,“计算力量改变世界”沙龙在北京科技寺举行。资深广告技术专家刘鹏、汽车之家广告算法经理王超、广告家Pro.cn产品经理李雪莱对这一问题进行了解答,就广告行业发展、广告技术和场景化营销进行了分享,并与数十位广告从业者就程序化购买的挑战和机遇进行了探讨。
网络广告高速发展 程序化购买潜力巨大
互联网广告兼具品牌和效果量方面的功能,更是具备传统广告所缺乏的大量投送和效果优化能力。最近几年的数据显示,网络广告的市场规模正在以惊人的速度发展。
2007年-2013年中美网络/电视广告市场规模折线图 (单位:亿美元)
数据来源:《计算广告》刘鹏 王超著
随着需求优化效果效果的进一步加强,普通的竞价广告模式已经不了市场需求的发展,以实时竞价为核心的程序化交易广告应运而生。资深广告技术专家刘鹏在“计算力量改变世界”沙龙上表示,面对千万网民反馈形成的快速变化的数据空间,程序化购买应用了大量信息检索、机器学习等计算分析技术,通过这些计算分析技术组成的计算平台,能实现实时判断消费者当下场景的潜在需求,然后推送基于该需要的广告内容。
基于大数据技术的程序化购买,做到深入挖掘用户需求和痛点,不仅实现千人千面的广告投放,更促使消费者主动选择广告主的解决方案。而这也吸引越来越多的媒体、网络入口也开始不断的将资源与程序化购买平台进行深度结合,以实现效率和效益的最大化。据艾瑞咨询发布的《中国程序化购买行业报告》显示,2015年中国的程序化购买市场规模有望达到100亿元。而从零起步到达到这一规模,仅仅使用了3年的时间。
刘鹏认为,计算分析技术已经开始改变甚至颠覆传统的广告营销方式,但是当前依然只是程序化购买的初期,各种计算技术、分析,还存在着巨大的提升价值,这让程序化购买在未来具有不可估量价值的同时,也对提供程序化购买服务的企业带来了不小的技术实力挑战。
DSP的未来在场景化营销 数据和技术是重要驱动
通过实时竞价的方式,按照定制化的人群标签购买广告,这样的产品即为需求方平台(Demand Slide Platform,DSP)。刘鹏认为目前各家DSP的差异并不明显,未来越深耕的平台机会越大。
对此,广告家Pro.cn产品经理李雪莱很是认同,他说,庞大而实时的大数据信息,结合先进科学的计算分析技术是决定程序化购买能否不断创造价值的关键。
李雪莱进一步表示,拥有数十万WAP、网吧、网站、App、软件以及机场、校园、咖啡厅、酒吧、酒店、餐饮等场景网络的广告家Pro.cn,独有场景媒体和场景化数据,通过不断完善机器学习、多维度信息检索等计算分析技术,能够良好分析出目标用户营销价值,再根据人群、场景、时间段进行多维度匹配,由此为广大企业和品牌广告主提供快速、高效的场景营销,实现将广告与目标受众精确匹配。
据了解,广告家Pron.cn通过AdPro场景营销自助平台(DSP)、DataPro场景数据服务平台(DMP)的完整场景营销服务生态,目前可触达独立用户高达1.5亿,日流量PV更是超过5.5亿。而广告家Pro.cn最新的DSP 3.0也将于10月推出,新产品特有场景轨迹技术,让广告主可以自由选择覆盖场景范围。
程序化购买有两大最为核心的指标,一是庞大而实时的数据库作为支撑,二是先进科学的计算分析技术。随着市场的趋向成熟,计算技术的竞争比重会越来越大。除了基本的机器学习,包括近来兴起的深度学习,信息检索、博弈论,以及强化学习的等诸多计算技术和理论,都会成为提升程序化购买应用范围和竞争力的组成部分。
届时,程序化购买也将开始新的一轮优胜劣汰,并推动市场整体实现从数据到计算技术竞争,再到数据竞争的螺旋式增长。“广告发展驱动力就是数据利用的广度和深度,当数据利用无法满足广告时,就会推动技术和计算的提升。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07