
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
Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18