洗牌加速,程序化购买将步入人工智能时代
当要不要投程序化已经不再是问题时,广告主又开始面临一个新的选择:预算该交给哪个平台。
“媒体资源差不多、购买方式都支持、都对接第三方,技术能力也看不出差别,选哪家好呢?”
很多时候,这个问题的答案其实只有一个:谁的服务费低选谁。
“国内做程序化的公司有上百家,鱼龙混杂,但广告主很多时候却看不出区别”,对于技术黑箱导致的行业乱象,品友互动创始人兼CEO黄晓南很是无奈。作为国内最早专注于程序化购买的公司,品友拥有国内近3/5的品牌程序化购买份额。
“人工智能的逻辑会为广告主提供新的选择标准,而不具备这一能力的公司也将出局”。坚信程序化购买将向规模化、平台化发展的黄晓南,对于程序化购买下半场的走向,给出了一个清晰的答案。
人工智能的概念不新鲜,但却是实现程序化的最佳路径
虽然人工智能在国内掀起大规模讨论只有一两年,但它其实已经是个年近70的老人了。
1950年代,人工智能的概念就已经出现,当时的人们就希望机器能像人脑一样思考;1963年,IBM的深蓝首次与国际象棋大师人机对抗,遗憾落败;1980年代,人工智能的核心技术——机器学习成为主流;1997年,深蓝首次击败世界排名第一的棋手,轰动全球;1999年,微软的美国研究院已经在研究语音识别和机器学习;到了今天,谷歌的AlphaGo不仅屡屡击败世界排名第一的围棋选手,IBM的认知机器人Watson也是所向披靡,不仅能诊断癌症还能制作高定礼服,触角延伸到医疗、金融、时尚等多个领域。
1997年IBM深蓝机器人击败俄罗斯象棋选手Garry Kasparov
而程序化购买作为基于自动化系统和数据进行的广告投放,在诞生之初其实就具备人工智能的基因。“人工智能是程序化购买出现时就存在的逻辑,只是现在有了实现的条件。因为有足够大量的数据做训练集、服务的广告主够多,反馈也够丰富,之前的模型经过多年的训练更加聪明、完善了。”对于很多人持有的人工智能将代替程序化购买的误解,黄晓南做出了纠正。
人工智能的价值在于它能让计算机具备自学习以及建模的能力,并作出合理的预测。在程序化领域,就是机器自动分析用户的行为数据、实时做出投放决策,并根据之前的投放反馈优化模型并进行新一轮的决策,形成一个自洽、不断提效的闭环。“程序化是个结果,人工智能是手段。基于人工智能实现的程序化购买跟基于经验的程序化购买完全是两个概念。”
实时交易和决策,让程序化购买成为人工智能最大的战场
程序化简单说来就是用程序实现营销或媒介策略。作为对实时决策和实时交易要求最高的行业之一,程序化购买将和金融交易一样,将成为人工智能最早的试验田。
人工智能的逻辑分解下来包括三个环节,一是它能对大量的数据进行加工,把无序的数据转变为有用的信息;二是它能基于这些信息进行实时的决策;三,它能用决策后的反馈优化自身的模型。这其中,相比现在的程序化购买,基于人工智能的程序化购买最突出的优势在于它能实时交易和决策,并自行优化。
黄晓南认为之前程序化购买不提人工智能,主要原因是条件不成熟。它现在之所以能落地,原因之一是数字广告实现了自动交易模式,这是计算机做决策的前提;二是现在数据足够多,“未来程序化广告中的每秒响应次数标准将升级为每秒决策次数”。
以秒为单位进行决策并非纸上谈兵,Watson在快速浏览过病人所有病例后10秒内就能打印出治疗方案,还能在参加益智问答节目《危险边缘》时通过“跳过不答”的策略节省时间,这都是实时决策的佐证。可见,在运用认知技术处理大量自然语言并判断多重语境后,机器完全能像人一样趋利避害。
IBM的认知机器人Watson参加《危险边缘》益智问答节目
快速决策的重要性,我们在亚马逊创始人Jeff Bezos今年写给股东的年度公开里也能一窥究竟。信中他不仅称人工智能将是公司未来的驱动力,还特别强调亚马逊应建立起「高速决策能力」,即在有限的信息中快速行动。数字营销领域,程序化广告将是人工智能最适合的应用场景,据黄晓南介绍,借助人工智能,品友帮全国最大的一家在线旅游网站在2个月时间将广告效果提升了两倍,广告消耗额提升30倍,从最初的5000翻到15万。全流程都是机器自动分析和优化,广告主只需要明确KPI和策略并与品友对接数据即可。
数据量、算法和团队,是实现人工智能的核心要素
实现人工智能,有三个基本条件,一是要有海量数据;二要有通过算法对数据进行加工的能力;三是利用有用信息做决策。不过,人工智能的竞争归根到底其实还是数据和算法的竞争。
数据量的作用类似我们通常说的阅人无数,识人有术。为了战胜人类,深蓝输入了百年来优秀棋手的两百多万对局; AlphaGo在对战前,DeepMind会从摘选3000万步棋来训练它,它还会跟自己进行数百万次高水平的自我训练。不管是深蓝、AlphaGo还是Watson, 它们能实现快速决策的前提就是输入了足够多的数据,通过自然语言识别、图像识别等深度学习技术,优选答案并快速反馈。
AlphaGo用来自我训练的棋谱
当两家程序化公司技术实力不分伯仲时,衡量数据量的标准就是服务客户的多寡以及服务时长,客户越多、服务时间越长,用来自我学习的数据就越丰富。人工智能算法通过对各类大数据的分析学习所获得的改进和汲取的知识与洞察,可能是程序化购买下半场最大的竞争标的。
数据的来源包括两个方面,一是平台自有数据;二是合作方共享的数据。例如品友的数据既包括自己多年积累的数据,也有通过投资线下数据服务商芝麻科技、与电信运营商等合作获取的数据。对于数据,黄晓南认为有两点尤其重要,一是数据量够大,成规模;二是数据要活,即它是实时获取的最新的用户行为数据。
不过,不管数据量有多大,没有工程师、服务器和算法,人工智能也是空中楼阁。为了让Watson可以自我修改、不断学习,IBM雇用了一批顶尖的语言学家、心理学家、社会学家及编程人员,可以说人机结合才是Watson最重要的卖点。
品友在去年底单独成立了与人工智能逻辑相符的效果事业部,专门服务预算上不封顶,只看ROI的在线交易型客户。通过将BI的算法工程师全都分配到这个团队,该事业部的业务相比初创时翻了5倍。此外,它还在公司内部培养一大批精通深度学习的工程师和研究人员。
“广告主最关注的就是效果,效果之上,重要的维度就是规模,而人工智能一定是在规模化基础上才能发挥作用的。”在黄晓南看来,中小型、以媒体购买而非数据和算法驱动的程序化购买平台接下来必将淘汰。国外的程序化生态整合已经开始,不少DSP公司纷纷卖身,投资机构也侧重全产业链布局,这是行业提效增速的信号,也是不可逆的方向。而会不会出局的第一个坎儿,就是能不能实现人工智能。