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
广东省大数据与计算广告工程技术研究中心
广东省新媒体与品牌传播创新应用重点实验室出品
第一章
计算广告的兴起与发展背景
一、
计算广告的诞生条件及发展阶段
（一）计算广告的诞生条件
互联网技术的发展与跃升、可计算资源的持续增长、移动设备可获取的便捷 性以及富媒体内容的普及推动人类社会进入了以数据为基础的高度计算化时代。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，它在数据的实时高效计算下，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。计算广告虽然诞生于互联网时代，却与传统的广告发展有着千丝万缕的联系，研究计算广告的发展脉络，需要从广告的发展历史着手研究。
社会计算的缘起与大数据的发展是计算广告诞生的重要条件。社会计算是由社会行为和计算系统交叉融合而成的研究领域，它的研究问题包括利用计算系统助力人类沟通和协作、利用计算技术研究社会运行的规律和发展趋势等。社会计算的发展，为计算广告提供了理论基础和条件。至此，研究者开始具备数据思维， 逐步在社会科学领域使用计算技术，从而实现了社会研究范式的变革。社会计算也逐渐由简单计算升级为复杂网络计算，这让对群体传播的精准研究成为可能， 也为计算广告的发展奠定了基础。
同时，大数据时代已经到来，信息爆炸所带来的海量数据的增加使数据分析方法和思维产生了翻天覆地的转变。大数据并非是一个确切的概念，最初是指因需要处理的信息量过大、已经超出一般电脑在数据处理时所能使用的内存量，工程师们必须改进处理数据的一种工具。传统的社会计算时代的采样分析已经不能 完全适应社会需要，大数据技术所能实现的全量分析成为主流。广告投放过程中产生的海量数据可以被更全面地分析，这种全面分析不仅不以牺牲准确性为代价， 反而在准确性上有了更高的要求。大数据成为人类更深入地认识社会、解决社会问题的方法和技术手段的工具。
社会计算与大数据为计算广告奠定了发展的根基与必要的技术支撑，而广告自身的进化也使广告形式向更精准的计算广告发展。传统意义的媒介产业正在发生变革且边界正在消失，互联网改变了媒介产业，也改变了与之相关的广告行业。
（二）计算广告的发展阶段
互联网广告产生之前，广告行业是媒介产业盈利的重要工具。传统媒介通过售卖广告位的形式与广告主或者品牌方进行合作，为其提供展示产品或服务的机 会。“二次售卖”的模式一直延续至门户网站时代，但在这种投放模式下，广告 投放的效果难以评测，精准度也较低，因此根据用户反馈进行广告投放的改进效 率较低，对人工依赖程度很大。当广告进入互联网在线广告投放模式之后，这一 现象有了较大的改善。
互联网在线广告发展史大致有三个阶段：合约广告、定向广告与竞价广告。在合约广告时代，广告主与媒体即采用合同约定的方式确定某一广告位在某一时 间段为某特定广告主所独占，并且根据双方的要求，确定广告创意和投放策略。但随着需求的变更，广告主逐渐倾向于对不同的受众展示不同的广告，互联网广 告由合约广告向定向广告转变，此时的定向广告仍以合约的方式进行，并遵循千次展示付费（CPM）的计费方式。
随着定向标签的逐渐精准化，广告主对于流量预估有了更高的要求，由此诞生了竞价广告。竞价广告是一种由用户自主投放，自主管理，通过调整价格来进行排名，按照广告效果付费的新型网络广告形式，比如百度搜索页面采用的即是竞价广告。在线广告市场形态也由此发生了变化，广告网络（ADN）开始出现， 联合众多中小媒体与广告主进行谈判，以中介的身份赚取费用。
但随着 ADN 的逐渐增加，市场交易出现了良莠不齐的现象，为广告主发布广告增加了额外的辨别成本，因此互联网广告交易平台（Ad Exchange）应运而 生。ADN 把自己的广告位（相当于股票市场中的股票）登记在 ADX 平台上，由购买广告位的广告主或者代理商自主选择购买，并逐渐走向实时交易。随着在线 广告市场的发展，需求方平台（DSP）和供应方平台（SSP）诞生了，为之后的 在线广告交易提供了极大的便利。
可以看到，在线广告市场形态的变革朝着越来越便捷、实时、高效的方向进化，对广告主和媒体方而言都是生产力的进步，也为计算广告带来了诸多变革。在学科建设方面，计算广告衍生了新学科的建设，实现了跨学科的交融，改变了广告的范式，也在一定程度上成为了人类生活的帮手。计算广告所具有的强大的计算能力在一定程度上拓宽了媒介与媒介产业的内涵，“连接”成为移动互联网时代的关键词，人机智能互动将成为人类生活中必不可少的一部分，计算广告也 因此得以嵌入我们的日常生活中。
二、
计算广告的本质与特征
（一）实时优化性
“实时”是始终贯穿计算广告的特征之一。计算广告1.0 阶段，广告主对广告位的竞价排名是实时生成的；计算广告 2.0 阶段，程序化购买广告基于实时优化的匹配和竞价实现；计算广告 3.0 阶段，不仅投放前的所有操作具有实时优化性，投放后的监测和广告创意的调整也具有实时优化性。计算实时优化性使在线广告投放的效率远高于传统大众媒体广告，成为大数据时代广告主首选的广告投放策略，例如基于CPC（Cost Per Click）发展而来的OCPC（Optimized Cost Per Click）。
百度搜索广告、信息流广告、今日头条智能推荐广告等都是一种新的智能广告投放模式。这类智能平台系统在对消费者数据进行深度挖掘之后，智能实时预估每一次点击的转化率，并在用户场景匹配和竞争环境下智能出价（RTB），强化高转化率流量的获取，弱化低转化率流量的展现，以帮助广告主开工至转化成 本，提升转化量和投放效率。在这种情况下，动态化的实时优化广告营销策略更能够为不同消费者在不同场景下提供合适的内容、形式和渠道的广告。
（二）智能创意性
在广告内容和广告创意方面，计算广告实际上是实现了精准营销，符合广告主将广告精准投放给理想的客户的需求，以节约广告预算。随着技术的迭代优化， 广告主希望可以针对高度细分的用户投放个性化的、合适的广告创意内容，也就是所谓的程序化创意。广告主在线投放广告不仅仅是希望广告在消费者面前显示 出来，更希望消费者能够喜欢自己的广告内容并转化成点击率进而产生购买行为。针对目前追求个性、自我的消费者群体，不仅产品要走向个性化发展的方向，广告创意也需要个性化。程序化创意能够在一定程度上解决计算广告在程序化购买过程中出现的创意枯竭的问题。
所谓程序化创意，是指能够将大量的诸如广告大小、尺寸、颜色、字体等广 告元素进行动态优化，与用户的需求进行动态匹配而生产的创意内容。程序化创意融合了较多的创意元素，将不同的创意元素进行动态重组，体现了计算广告的智能创意性特征。计算广告的内容不再走大众化的统一路线，而是针对个体用户 的画像生产与用户需求高度相关的个性化内容，从而达到广告创意与程序化技术的理想状态。
（三）匹配互动性
计算广告与传统广告的一大区别是计算广告能够高效投放广告。程序化购买利用的是 APP 媒体资源中的长尾流量，RTB 平台把闲置的媒体资源提供给各个 不同的需求方平台（DSP）平台进行匹配与竞价，从而将用户参与行为、广告主流量需求、投放媒介三者进行匹配，实现了以用户为中心的互动传播。需求方平 台（DSP）在人群定向技术、特定算法技术的帮助下，利用大数据绘制受众的个 性化图谱，在相同的广告位为不同受众提供不同的广告，在与用户的交互过程中 实现需求与广告信息的精准匹配。
计算广告不仅要根据用户需求和流量进行精准投放，还需要在投放的同时注意广告内容的匹配性。在计算广告的概念中，计算广告会将特定的广告内容投放给特定的目标群体和区域，主要以文字、图片、视频或动态网页几种形式，进行精准投放。这意味着提高广告的点击率、构建良好的广告产业链必须要增强对消 费者的了解和提升对于“内容”的建设。只有用户与高相关度的内容进行匹配才 能形成良好的互动，达成信息传达的目的。
（四）效果可测性
效果可测性是计算广告的又一个重要特征。以海量数据为基础的计算广告，使动态效果监测成为可能，广告主通过精准的数据分析进行智能决策，也可以利用动态数据进行实时监控，使广告效果的衡量方式更加精确化和精细化。互联网时代的“快”属性使得广告行业需要根据消费者需求转变快速反应，通过实时的效果数据对广告策略和内容进行调整，计算广告和大数据实现了这一点。各类广告效果监测工具收集用户的行为数据，为广告主提供实时的效果数据，使得广告决策更加透明、科学化。此外，从样本数据到整体数据的抓取也使效果数据的准确度有了显著提升。
第二章
计算广告的运营
一、
计算广告的用户驱动与洞察
用户是计算广告产生、发展并不断优化的重要驱动力，计算广告以用户为中心，通过算法技术收集用户的行为数据，并根据这些数据对用户进行深入地画像 建模，以此洞察用户的兴趣点和爱好特征，细分出不同的用户群，从而实现对特定场景下的用户精准投放广告。
（一）用户标签与用户画像
1. 用户标签
用户标签可以看作是某个用户行为特征的符号化及系列化表达，它既可以将不同类型的用户区分开来，又能将有相同兴趣爱好的用户聚集在一起。
用户标签实质上是对用户的行为信息进行拆解和重构。第一是对数据的收集 和整理。结合大数据算法模型以及多种数据源来构建用户的智能标签，使得用户 的标签更趋真实。第二是对数据的二次加工和提取关键词。从大量的数据或信息 中提炼自己所需要的内容，建立标签库。第三是数据输出的结构化。以多层级、 结构化的标签更能刻画出用户的具体形象。最后是标签的管理和维护工作。以一定规则体系化的方式更新用户标签。
完整而准确的标签化数据能够让用户的画像更加立体和饱满，从而为广告的后续流程提供更具针对性的指导和参考。首先，基于用户的兴趣标签有目标地选择用户群体，能大大提高执行效率。其次，用户标签可以帮助广告主识别潜在用 户和既有用户，制定不同的营销策略，覆盖更广泛的用户群。最后，用户标签将 可视化广告效果的测量，推动广告效果与品牌宣传的协同。
2. 用户画像
用户画像是将用户标签以不同的方式结合起来，形成一种关于用户信息的全貌。用户画像既可以是对单个用户的画像，也可以是对群体用户的画像。
获取数据源并分析通常是构建用户画像的第一步。通常用封闭性的分类方式梳理数据，有助于不断补充被遗漏的信息维度，如将客户分为高价值客户、中价值客户和低价值客户。第二步就是对数据的标签和权重进行分析。用户的标签代表了内容，同时还要对标签进行分级与权重。最后就是对数据的建模。以时间、 地点、人物的事件模型的三要素对用户行为进行划分。
凭借其精准挖掘用户数据、需求以及兴趣爱好的优势，用户画像可以帮助广告主迅速确定并瞄准目标用户，将庞大的用户群进行细分和定向，让用户更加集 中和专注，提升广告传播的到达率和有效性。
（二）用户消费心理与行为驱动
用户洞察是对用户需求与情感的深刻理解。计算广告对用户消费心理的洞察与消费行为的驱动应贯穿在用户消费的各个环节，向潜在的消费者分类推送广告， 提供分众化的广告呈现。
消费需求方面，品牌方需要在消费者心智旅程的不同阶段实施不同的计算广告策略，以促进消费行为转化。在信息浏览阶段，用户尚未形成明确的需要，品 牌方需要通过外部广告信息的刺激，与用户建立沟通机制，提升用户的活跃度和留存率。在关键词检索阶段，用户心中已经产生了明确的需要，但未做出购买决 策，品牌方需要通过关键词出现的频率和关联性来判断用户所关心的问题，调整检索结果顺序。在相关联信息搜寻阶段，用户已经形成了购买决策，但仍需商品更全面的信息辅助权衡。品牌方需要关注用户搜索信息的网络接触点，合理展示商品信息，优化用户决策。在放货购物车阶段，用户等待合适的时机完成购买， 品牌方需要刺激消费者促成转化，如披露同期营销数据。
消费情感方面，品牌方需要把握消费者情感赢取其品牌认同，提升消费者品牌粘性。用户在选择、关注或喜欢某物时，会无意识地表露自身情感，浏览速度、 浏览的扩展活动等。品牌方可基于大数据与情感分析技术，通过用户评论语料的提取得到反映用户兴趣喜好和情感特征的情感具体表达，指导实际的生产、传播、 消费和交流，建立与用户之间的情感纽带。
二、
计算广告的内容生产
（一）广告生产的模式
计算广告时代的到来，广告产业愈加智能化，广告内容生产的创意手段、生产流程也产生了革命性的变化。
首先，计算广告生产模式将向智能化、平台化的方向发展。广告智能生产平台以数据为基础，以算法为核心，依托人工智能技术对多源异构数据进行实时获 取和快速解读，实现无意义数据到有价值内容的及时转化，将广告、场景和消费者进行精准匹配。依托数据和算法在智能生产平台上对广告生产流程进行一体化 重构，将带来更加高效灵活的组织管理模式。
其次，计算广告的创意手段将向以算法为核心的人机协同方向发展。人工智能的发展经历了从计算能力主导的“计算智能”，到专家系统和人工神经网络主导的“认知智能”，再到深度学习主导的“感知智能”三个阶段。其依托数据积累、算法和智能硬件，通过机器学习和深度学习，在自然语言处理、情感智能计算和自适应学习领域做出重要突破。多源异构数据能够得到快速获取和处理，极大地丰富了创意基础，提升市场洞察科学性，多元化消费者画像。
最后，在生产流程方面，计算广告将实现核心驱动模式的转变。广告生产流程的推进并不完全依赖上一阶段工作任务的完成，而是以“数据”和“算法”为 核心推力，在生产运作的过程中不断完善。通过对多源异构数据的获取和处理，可以对市场环境和消费者画像进行精准立体洞察。借助机器学习和智能推理可以批量生成多种创意解决方案。结合自然语言生产和自动化影像生产技术产生与各场景各平台相适应的内容。依托 DSP（需求方平台）、SSP（供货方平台）和 AD Exchange，进行 RTB(实时竞价)或者 Non-RTB(非实时竞价)进行广告位进行程序化购买，实现个性化投放。依托智能感应技术和数据挖掘处理能力对广告效果进行精准评估。
图 1：数据和算法驱动的广告生产流程
（二）广告生产的算法逻辑
计算广告创作系统本质是一种信息系统，基本遵循“输入——处理——输出”的计算逻辑，通过与组织和社会环境进行互动，实现价值的创造。
在智能处理方面，计算广告通过机器学习实现程序化创意的生产。机器学习， 即通过算法使得机器能够从大量历史数据中学习规律，从而实现对新的样本做智 能识别或对未来做预测。深度学习有助于智能广告创作系统理解文字、语音和图片等数据所表述的意义。在智能广告创作系统中，深度学习还会向输入端反馈， 使得输入端的信息获取和分析处理的指标更加明确，在系统内部实现算法的自优化。机器学习技术使得智能广告创作系统能够实现批量化创意生产，通过自动化的系统优化，逐步提高产出创意的质量和使用范围。
图 2：智能广告创作系统智能处理模型
在内容生成方面，计算广告可基于生成系统实现语言、图像、语音、影响的 智能生成工作。自然语言生成能够解决生成文本表达的内容，对内容规划输出的 内容进行优化聚合，且根据规则添加语法、语义和语用信息，满足表层生成的需要。智能图像生成指通过向计算机提供概念描述或算法指令，由计算机自动创 建具有美学基础和设计风格的完整图像。智能语音生成能够提取和分析语音信号特征，建立语音模型，并与语言数据库语音进行对比，找到相应的语音模板，为其匹配处理策略，实现人机交互。智能影像生成可以实现噪音生成图像、文本生成图像、图像到图像转换和交互式操控图像生成，是文本生成、图像生成和语 音生成的交叉应用。
图 3：算法指导下的内容生产模型
三、
计算广告的媒介投放
（一）私域流量池投放
私域流量一个基于信任关系建立起来的封闭流量池，在这个流量池中品牌可 以反复多次，完全免费，随时随地触达到自己的用户。私域流量池的常见形式有 微博、微信、QQ、品牌官网、APP 等。
私域流量的核心是真实的用户关系，这要求广告主与用户建立直接且亲近的联系，对于不同的客群，企业需要采取不同的广告投放策略，为以后产生长久的 用户价值打下基础。对于浏览用户，企业需要投放有吸引力的广告，为用户提供 一个尝试产品的机会，以增加获客率。对于购买过企业产品的用户，则需要推动 他们向深度转化、维系强关系。
在获取用户之后，更重要的是让私域流量池“活”起来，社群在私域流量池的构建与激活中是必不可少的，企业利用微信群、小程序、公众号等手段来激活 和维系与用户的关系，不仅能让用户更有参与感，增强用户粘性，还能够调动个体的社交网络，实现用户的“裂变”。KOC具备更加垂直的特点，并且由于其分 享大多是体验式的，说服力更强，可以影响人们的消费意愿，进而产生消费势能， 如小红书、Bilibili 上的旅行、美食、产品攻略，知乎上的行业知识整合，豆瓣上的电影、书籍评价等。
企业在构建私域流量池时可以借力使力，通过引入 KOC 来丰富广告投放形式，提升广告投放效果，进而触达更多的消费者，努力实现双方共同促进、长期 合作的共赢局面。
（二）跨媒介投放
媒介形态的增加，使人们不得不切换屏幕来满足日常需求或者同时在多种屏幕间流转。美国学者研究发现，近 90% 的美国人在看电视的同时使用智能手机、平板电脑或笔记本电脑，一些观众在一个小时的电视节目期间在多个屏幕之间切换达 27 次。高频的跨媒介使用习惯，要求广告以技术、内容、媒介间的协同效应为支撑对媒介选择和使用进行优化整合，从而使广告传播在特定的语境下，特定用户和相应广告内容之间实现“最佳匹配”。
跨媒介传播，是指信息在不同媒介之间的流布与互动，包括相同信息在不同媒介之间的交叉传播与整合以及媒介之间和合作共生。其一是指相同信息在不 同媒体之间的交叉传播与整合；其二是指媒体之间的合作、共生、互动与协调。在同一时期内运用各种媒体，发布内容基本相同的广告。广告传播信息所使用的 不同媒介需要形成协同效应。不同的点在于跨媒介广告在不同的媒介与平台间并非重复投放相同的广告内容，而是利用不同媒介的优势围绕品牌核心内容，以多 种维度去传递品牌故事。同时追踪消费者线上不同平台或线下消费行为的行为轨迹，整合多元数据，将消费者碎片化的行为拼凑出完整的镜像图画，从而能为消费者提供更加精确的服务。
（三）垂直平台投放
垂直型平台是指将注意力集中在某些特定的领域或某种特定的需求，具有高度专业化和精准性。垂直型平台的广告投放是指广告发布者体利用平台为不同行 业的广告客户提供针对其特定目标客户群的细分广告服务。垂直型平台的广告投放方式中社交营销是其突出特点，并通过跨平台联动和打造平台营销闭环来达到 更好的广告传播效果。
在垂直型平台中，用户的每一个关注、点赞、评论、浏览、搜索、点击的行为，都能被平台后台记录在案，为平台的人群定向技术提供了数据基础，获得尽可能精准的用户画像，以此实现针对特定用户的精准定向投放。此外，CTR（点击率）、RTR（阅读率）等都是平台能够提供给合作方品牌主的计算广告衡量指标数据，帮助品牌主在完整的评估体系下分析广告传播的效果，以追求在平台上实现更好的品牌营销和广告效果。
专门化的内容使得与综合性大平台相比，垂直型平台的平台属性、用户人群等与广告主的需求高度匹配。尤其借助于不断发展的计算广告技术体系，用户定位会更加更精准，细化，在广告投放的过程中能够更好地将广告传播落到实处，取得更好的广告效果。
（四）综合平台投放
综合性平台的全域投放核心特点是全数据、全媒体、全渠道、全链路。面对庞大的受众群体，海量的用户数据，丰富多样的媒体资源，综合型平台的广告投放需要依托一定的技术手段来完成广告主、媒体资源和目标消费者三者之间的精准匹配。
全数据是指以数据为核心，使用海量的、全域的、全量的消费者数据进行分析；全媒体是消费者跟品牌内容接触的触点；全渠道是消费者跟品牌货品接触的触点；全链路指是消费者从有认知开始出发到交易完成的整个过程。所以全域投放是通过算法技术，让消费者在不同的触点，精准匹配到推广信息，使消费者完 成从认知到交易完成的一个行为闭环。
以 BAT 为代表的互联网综合型大平台，掌握了市场大部分的流量，数据量大而全。它们以数据驱动发展，布局了各家的数据生态，拥有完整闭环的广告生态系统，更是掌握了一手庞大的用户网络行为数据，建立了稳定高技术的 DMP 平台。比如，中国最大的电商平台阿里巴巴掌握了大量用户交易数据，建立了淘宝指数、阿里妈妈，收购了数字营销平台易传媒；中国最大的搜索公司百度，积累了海量网民的搜索数据，建立了百度 DMP、百度思南等自有广告平台；中国最大的社交网络公司腾讯，集合社交大数据流量，建立了腾讯社交广告平台、广点通等完整的数据服务平台。基于自有平台的覆盖化，帮助品牌主完成人群定向、 程序化交易、定制化推荐等技术的支撑。
段淳林 | 文字
王璐卿 | 编辑
陈沐纯 | 责任编辑
END
从愚人节到清明节，看品牌如何花式玩转节日营销 | 一周案例
段淳林教授受聘“粤港澳大湾区国际传播研究中心”顾问教授并发表主题演讲｜实验室动态
三星堆是外星文明吗？看3000年国宝如何花式出圈 | 案例精选
热门跟贴