Nanigans Alex Chu : 尖端机器学习算法商业化，助力出海广告主快速获利
Nanigans 出品
简介
Nanigans 是专注于优化 ROI 效果的软件服务公司，为全球广告主提供 Facebook 智能广告回收优化服务，同时客户公司内部优化师团队还可获得全球顶尖的投放顾问支持。2018 年经由 Nanigans 投放优化的广告已达到 8.5 亿美金。
引言
Casual Connect 全球游戏开发者大会于 2005 年首次举办，已经拥有超过 10 年的历史，每年举办四场，举办地点涵盖美洲、欧洲和亚洲，平均每年吸引超过 20 个国家的 7500 位游戏行业精英和 5 万名观众参会。
以往 Casual Connect 亚洲站都在新加坡或香港举办，随着粤港澳大湾区在全球游戏产业中的地位和话语权越来越显著，创梦天地和 CGA 首次携手将这一行业盛会引入内地，落户深圳。Nanigans 大中华区总监 Alex Chu 受邀发表主题演讲。
分享嘉宾
Nanigans 大中华区总监-Alex Chu
Alex Chu
毕业于美国纽约大学科技管理学系，曾任职于美国知名媒体集团观察者媒体集团(Observer Media Group)与中国 TOP 3 线上广告投放公司多盟(Domob Media）。具有 7+ 年全球知名品牌线上广告推广实操经验与广告优化投放经验。目前在 Nanigans 中国区大中华区总监，全权负责大中华区广告商出海广告效果提升业务。
演讲原文
广告效果优化，主要分两类。
一类叫数量型优化，是靠增加人力投入完成的；另一类叫效率型优化，依靠技术水平的提高来完成。
过去这些年的广告投放优化方式，都属于数量型优化，让人力去进行一个一个渠道的效果调控，针对这一个渠道的操作模式，钻研到精，效率和产量肯定会大幅提升。
但是他有问题，就是资本的边际收益是递减的。投资增加到一定程度，它对广告回收增长产生的效果就逐渐小了。就好比一个富有经验的优化师已经精通配备了一个渠道了，每一天调整一组广告 100 次，如果这时候你再配给他更多的广告进行管理，他对于时间的分配将会转移至新广告上，那么原有的累计数据与内容对于公司的价值将会越來越低，直到趋近于零。
因此虽然这几年游戏公司依然在针对广告优化师加大投入，但是广告投放结果依然逐步在较低。想要改变这种状况，就要改变增长模式，从原本的堆人数的数量型增长，变成技术型的效率型增长，也就是从资本积累转向技术创新。
技术创新，包含使用机器学习的方式，帮助广告商控制全盘广告，用人类的思考模式开始进行设定，用技术手段去执行，达到效率最大化，这才是可以实际帮助企业进行增长的主要提升模式。
Nanigans，我们是 Facebook 的广告投放合作伙伴。当我们的广告商，在经由 Nangians 进行投放的时候，我们会像特斯拉的 AutoPilot 一样原理，追踪我们可以获得的数据。特斯拉是追踪每一个行车的轨迹，映射出周围哪一些车辆即将做出的反应，进而规避车祸；而 Nanigans 是追踪每一则广告的投放轨迹与周期，去映射每一个用户的需求层次，然后进行判别特定广告对于特定用户是否有效，接着进行针对未来的预测并且优化。
目标用户针对我们投放出去的广告本身，每一次点击，安装，转化，购买，我们都会将数据累计收集起来，找出其中的规律。就像是如果用户将 1000 个核心付费用户，高 ARPU 值用户上传至 Facebook 中，Nanigans 可以藉由 API 接口快速进行用户画像比对，确认这 1000 个核心用户中，其中有 800 個用户是喜欢纽约时报，545 个用户曾经去过杜拜，701 個用户甚至是否结婚。
我们机器学习算法，称为多维度分层架构组织（Multi-layer Constructor Layout） 这个架构的原理，是将每一个层级(Layer)的数据进行储存并且归类，按照这个归类的数据，去逐步预测未来高花费者的用户轨迹。
当任何广告商在 Facebook 上打的点位被触发时，我们就会把这一些行为进行分层监控。举例来说：在 A 广告下，出现了 300 购买，我们将会使用 Facebook 原生数据，经由他们打出的兴趣或者行为标签，找出这 300 次购买用户中，有其中的 60 个用户有同时喜欢看玩 Candy Crush，有 20 个用户曾经去过巴黎，有 75 个用户结过婚，有 92 个人喜欢过 Lidia Hertz。
每一个购买行为出现时，相对应的就有该单位购买成本的(CPA）的出现，我们将每一个单位购买行为匹配到我们以上分享出的 Layer 层级，就可以知道每一个多层次的 Layer，分别导出的 CPA 是多少。
我们会把 Candy Crush, 巴黎，结婚等三个数据层级，对应到 60, 20, 75 的数据，然后进行一个垂直式的的层级穿透，找出其实针对广告商而言，最有价值的广告用户其实是 Candy Crush + 结过婚 + 喜欢 Lidia Hertz 的男士，然后使用 Bidding 6.5 美元，预算 700 美元一天，可以达到最有效率的广告投放。
当你的数据量越大，Nanigans 的算法系统将可以逐步找出分层规律，并且预测在这个分层规律下，应该要进行的广告竞价方式为何。
我们以技术的手段，收集数据，并且找出规律，预测下一个广告投放内容与节点发生最高的地方，然后精准打击。这可能是传统广告投放方法，以人力，永远不可能达到的事情。
其实这种机器学习演算法的运用，在生活中已经非常的广泛。
举例来说，特斯拉的 AutoPilot 推出至今仅仅三年，就已经行驶将近 20 亿公里，这些公里数让特斯拉的 AutoPilot 拥有了大量的数据与精确的判断力。
此时此刻，AutoPilot 模式正在藉由数据规律形成算法，以机器学习模拟，判别更复杂的人类行为。
例如转弯时，车子旁边的自行车的速率与骑行轨迹，高速公路加速时，前方车辆由于车速过快确需要下交流道的突发行为等等，很高效的规避了可能发生的交通事故。
这些看似智能算法的演算机制，一切都是源自于数据。AutoPilot 可以将每一个车在该车道的加速度进行识别，将人类经过马路时的速率与手势进行识别，将前方车辆的下一步意向进行识别，接着把这一些识别的数据进行判断衍伸。
其实机器学习的基本原理，在任何行业都是相通的。都是使用数据，进行数据分层与叠加，找出规律，并且转化这个规律，进行一个针对于未来行为的预测。
机器学习，Machine Learning，并不是仅仅是一个概念，而是正在改变我们商业模式的一个重要技术。在广告行业中，我们相信机器学习的使用，将会决定一个企业是否可以在数据时代，拥有最前沿技术的支持，领先对手，获得最高收益。
了
解
更
多
请猛戳右边二维码
Naniagns官方网站
合作信息
深度了解：
www.nanigans.com
立即联系：
sales@nanigans.com
市场合作：
azhang@nanigans.com