技术变革背景下中国计算广告的发展趋势 | 学术前沿

热点资讯▕  知识分享▕  专业解读

☂ 订阅NewMediaLab ☂

广东省新媒体与品牌传播创新应用重点实验室

本文收录于：《山西大学学报（哲学社会科学版）》2022年第5期

段淳林

近年来，在互联网、人工智能、大数据等技术的驱动下，无论是广告主还是营销人员，整个广告行业对数据和技术的关注度均显著提升。根据中关村互动营销实验室发布的《2021中国互联网广告数据报告》统计，2021年我国内地互联网广告实现了5435亿元人民币的广告收入( 不含港澳台地区) 。其中，阿里巴巴、字节跳动广告收入规模均超过1000亿元，互联网广告在营销活动中的地位日益凸显。在互联网广告规模稳定增长的环境下，我国互联网企业的流量运营竞争已转化为存量竞争，以客户为导向的提高留存率、活跃度和提升新客户的转化率逐渐成为广告主营销目标的核心。与此同时，用户需求发生巨大的变化，企业数字化转型加速，区块链、VＲ/AＲ、5G、大数据、人工智能、3D 引擎等新技术，形成了数字创造、数字资产、数字市场、数字货币、数字消费的新模式。在此背景下，计算广告应运而生并不断涌现出新的发展特征和趋势。

一、

文献综述

计算广告这一概念最早由雅虎研究院资深研究员兼副总裁 Andrei Broder 提出。他指出，计算广告的核心挑战是在指定文意( context) 中实现特定用户与合适广告间的“最佳匹配”。换句话说，计算广告的目标与传统广告的目标一样，都是通过创建和管理接触点来实现更有效的广告资源分配，并通过增强广告相关性和个性化来提高广告效果。

随后，学界和业界逐渐将视野投向这一热门议题。2011 年，斯坦福大学开设了计算广告的研究生课程。2014 年，美国广告学会提及了计算广告对于广告教育的影响。2017 年，美国广告学会组织了名为“走向一个名为计算广告的新学科”的会议，IEEE Intelligent System 也推出了一期计算广告专刊，从技术角度探讨计算广告的应用性问题。

随着业界应用的发展和学界概念的确立，以及程序化广告、智能广告等在中国本土化的发展，计算广告也逐渐步入中国广告界的学术视野。2011 年，周傲英等学者首次在国内发表有关计算广告的研究论文，对计算广告的演化过程、组成部分、关键技术和平台等进行了较为全面的梳理。该论文指出，计算广告是一种广告投放机制，它根据给定的用户和网页内容进行计算，找到与之最匹配的广告并进行精准定向投放。该时期的学者对计算广告的认识还停留在广告投放或广告形式层面，并未认识到计算广告对于广告产业链的全局性变革。

此后，李海容从学术视角出发，将计算广告定义为“以用户为中心、数据为驱动、算法为中介的品牌传播”。刘鹏从业界的视角审视计算广告，认为“计算广告的核心问题，是为一系列环境和用户的组合找到最合适的广告投放策略以优化整体广告活动利润”。通过对各个学者观点的总结，笔者认为，计算广告是以数据为基础、以算法为手段、以用户为中心的智能营销方式，它在数据实时高效的计算下，进行用户场景画像，并快速投放、精准匹配及优化用户一系列需求。计算广告的逻辑起点是计算，其本质是可以提升互联网广告的投放效率，实现平台，广告主及用户的价值，精准匹配在不同场景中的用户需求及体验，其基于算法推荐的对不同广告营销内容的创意，场景匹配，用户洞察，媒体分发，效果评估等细粒度的精准计算，大大提高了计算广告全流程的附加值。

随着信息传播方式经历了从单向线性传播到双向互动再到智能服务的变化，与数字媒体平台属性保持一致流变路径的计算广告，也经历了以下三个发展阶段。Web1.0 时代的计算广告是基于人口统计学定向的。这一时期的广告有固定的广告形态与运作机制，存在于以 HTML 网页为标志的数字媒体平台，本质上是一种由差异化广告内容而形成的聚众传播。进入以社会化数字媒体平台为标志的Web2. 0 时代，计算广告是基于用户标签定向的。这一时期，广告的关键是智能算法推荐下的多维互动，但这还不足以支撑广告主实现广告计划的智能决策。随着互联网的全面移动化以及大数据等技术的飞速发展，计算广告进入大数据驱动阶段。这一阶段的计算广告基于数据导航定向，使得广告主能够直面目标消费者，形成从需求到效果的营销闭环。此后，广告进入智能决策新阶段，广告的运营方式发生诸多新变化。

二、

计算广告的特征

计算广告是以数据为基础、以算法为手段、以用户为中心的智能营销方式，围绕用户、内容、算法、场景以及优化展开，具有以细粒度用户洞察为逻辑起点、以智能化信息内容为重要载体、以智能算法为核心、以场景互动为关键驱动、以优化为品牌资产提供引擎的特征。

（一）以细粒度用户洞察为逻辑起点

在用户层面，细粒度用户洞察奠定了计算广告的逻辑起点。从 DMP 数据定向用户到迭代用户关系资产，再到打造个性化用户旅程，计算广告的细粒度用户洞察逐渐深入。

1． DMP 数据驱动，全链路定向用户

数据驱动是计算广告定向用户的基础，从 DMP数据构建标签、完善画像到全链路洞察需求、定向用户，计算广告实现个性化推荐和精准化决策。首先，借助 DMP 数据管理平台，计算广告能够分类数据并扩充优化，高效构建用户标签。其次，应用 NLP 自然语言处理技术，计算广告不断组合标签及权重，持续完善用户画像。再次，参考品效合一评估指标体系———漏斗模型，计算广告洞察用户需求并进行感性、量化分析。漏斗模型利用大数据精准定位用户以提升品牌声量，同时依据算法的个性化推荐实现渠道引流，并借助精准化投放决策促进购买转化。最后，场景应用以及算法推荐打通用户的全链路数据，推动计算广告实时定向用户，完成细粒度用户洞察。

2.识别用户亲密度，迭代用户关系资产

计算广告通过清晰度量、精准识别用户亲密度，能够阶段性、针对性地进行广告投放，满足用户差异化需求。在这一过程中，FCAPM 用户关系资产模型逐步构建。FCAPM 用户关系资产模型，是指从底层的边缘用户( marginal user) 逐渐升级为被动用户( passive user) 、主 动 用 户 ( active user) 、核 心 用 户( core user) 直至成为顶层的粉丝用户( fans) 的用户关系资产衡量模型。该资产模型通过判断用户亲密度，从而阶段性、针对性地投放广告。例如，针对边缘用户和被动用户，在小红书等社交媒体平台投放相应品牌种草广告，提升品牌感知度; 针对主动用户、核心用户和粉丝用户，借助腾讯广告等平台发布竞价广告，促进购买转化; 随着用户关系资产逐渐深入，在淘宝等电商平台进行直播强转化。

除了纵向挖掘用户关系资产，计算广告也能够横向迭代用户关系资产。在识别 FCAPM 用户关系资产之后，计算广告能够借助相似用户拓展技术精准拓展人群包，从用户覆盖率上探索更广泛的用户关系资产，激活沉淀新型用户，推动新型用户从底层边缘用户升级为顶层粉丝用户，以实现长期复利。

3． 打造精细化、个性化用户旅程

计算广告通过优化线上用户核心接触点，打造精细化、个性化的用户旅程。用户旅程，是指从首次接触直至完成支付并享受产品或服务的期间，用户与企业互动的全过程。用户旅程一般包括意识、考虑、购买、保留以及推荐五个阶段，每个阶段有不同度量指标。从站外渠道的核心接触点开始，计算广告合理设置创意展示量并结合 CTR 衡量展示创意，进而投放 URL 进行追踪测量。随后，在计算广告的发布推送阶段，创新设计落地页并增添创意文案，以观测用户量、跳出率以及访问深度等行为数据。在最终产品转化接触点上，计算广告多通过个性化推荐实现交易强转化。比如，定制维生素 DTC 品牌 Lemon Box，即是以“定制化”为核心特点，通过大数据和算法赋能精细化洞察用户，进而为用户提供个性化的“AI 营养师”，打造个性化营养科学服务体验。为完成“AI 营养师”的精准匹配，品牌组建了营养师团队建立营养学知识图谱，并组建了算法技术团队量化营养学研究的问题，设计出定制的个人营养问卷。在这一模式下，以大量的问卷数据做支撑的 AI 算法能迅速将用户数据与营养学知识图谱相匹配，生成个性化的维生素和营养建议。

（二）以智能化信息内容为重要载体

在内容层面，智能化信息内容成为计算广告的重要载体。从搭建内容中台提升广告效率，到技术赋能广告创意学习生产，再到元素重组生成广告创意内容，计算广告的智能化信息内容不断提质增效。

1． 搭建内容中台提升广告效率

计算广告通过搭建内容中台整合相关内容，精准匹配用户需求，以达到广告内容的精准投放。内容中台的搭建管理是不断循环的过程。首先，通过结构化数据输入和算法技术模型进行数据的分析提取，实现算法输入学习。其次，链接创意团队，整合及生成创意内容。再次，进行素材的一站式管理，形成数字资产方便后续分发; 进而利用人工智能技术实现创意裂变，生成个性化内容。最后，利用算法实现内容的精准分发以及渠道内容的优化，反哺算法数据的自主学习，形成优质内容生成分发的良性循环。

利用算法所打造的 AI 场景智能营销平台链接创意场景、创意文本、智能算法以及用户需求，实现内容创意的精准匹配与投放，实现广告低成本分发与利用。例如，抖音平台自行打造的连续性主题内容或活动，强调内容的风格化和系列化，同时侧重关注量与评论量的数据监测。在关键营销节点，抖音平台会发布广告导向内容，强调内容的精美度和独家性，同时侧重曝光量的数据监测。

2． 技术赋能广告创意学习生产

广告创意的生产流程实现了技术全驱动模式。在创意来源阶段，计算广告可以通过对用户落地页、购买行为等数据的分析洞察消费者心理，进行创意挖掘，而后利用 CVAE、GAN 等技术进行创意的生成。在创意匹配阶段，基于语义匹配等技术进行广告创意投放的图文匹配测试。其后进行创意的样式优选，对数据规模和质量进行分析，遴选出最佳创意。最后进行原始数据去噪、多元数据接入以及GAN 自动生成，对创意数据进行组装渲染，实现广告创意的整体优化与匹配投放。以鹿班智能广告设计平台为例，该系统基于深度学习的智能算法和 AI技术，实现了创意内容的自动化生成和智能化运营闭环。首先，将设计元素等进行结构化拆解，使机器学会按风格组织元素。其次，通过深度学习，实现AI 智能化创意的生产。而后，系统根据用户的行为和偏好进行数据匹配和广告投放。最后，收集 C 端回流数据，进行标签数据的分析洞察，丰富原有素材库，形成闭环。目前鹿班系统已经具备了极强的智能设计能力，包括一键生成海报、智能排版等功能，在降本提效的同时完成了千人千面的展示，实现了广告的智能化生成。

3． 元素重组自动生成广告创意内容

在计算广告时代，内容创意能力从依靠人脑走向人机结合的趋势越来越明显。计算广告通过内容中台中图案、字体、主题等广告元素的重组实现优质广告内容的自动化生成。在机器视觉和语言识别等技术的支持下，广告元素通过算法命令实现智能化文本、图案和影像的生成，再经过交叉组合生成完整的广告内容，而后通过算法协同过滤，实现用户匹配。以筷子科技为例，筷子科技通过智能化生产实现千人千面的广告智能化制作与投放，通过一键生成海报、智能排版创作等功能，实现了广告的智能化生成。

未完待续 

段淳林 | 文字

佘睿 | 编辑

刘晓英 陈晓婷 | 责任编辑

END

往期精彩推荐

安慕希短片《我路过的骄傲》为祖国送上祝福，QQ飞车将“黄河”搬进游戏 | 一周案例

一切为了卖货，抖音内容生态开始调整

洗护用品试水香氛：舒肤佳推出30周年限量版香水丨案例精选