汇集移动广告行业热点资讯和变现指南，激发移动应用广告变现增长无限可能！
机器学习已经存在很长时间了。它于1959年被首次提出，当时该技术被用于检测语音模式和声纳信号。如今，差不多一个世纪过去了，从物理学领域到农业领域，其应用仍在不断拓展。而它最为适配的领域之一便是市场营销。
我们与Moloco公司的产品管理总监拉胡尔・维尔马(Rahul Verma)进行了交流，探讨了机器学习与人工智能之间的区别、最佳实践做法等诸多内容。
您能先介绍一下自己，并讲讲您在Moloco公司担任的职务以及职责范围吗?
“感谢介绍，很高兴今天能在这里和大家交流。我叫拉胡尔・维尔马，是Moloco公司的产品管理总监。我有幸在科技行业工作了20多年，曾在微软(Microsoft)和元宇宙(Meta)等公司负责构建广告技术和机器学习方面的能力。
随着行业的发展，我越来越被广告技术与机器学习的交叉领域所吸引。在过去的八年里，我一直致力于此，不断寻找通过利用数据和算法来推动创新并取得成果的机会。就在那段时间，我加入了Moloco公司。当时，公司正处于高速发展阶段。我主导了一些举措，通过机器学习和注重隐私保护的解决方案来提升我们平台为广告商提供服务的性能。”
机器学习和人工智能这两个术语经常被混用。您是如何理解它们之间的区别的?
“我认为人工智能(AI)是一个宽泛的统称。它指的是能够在推理、学习和做决策等方面模拟人类以在现实世界中执行任务的智能系统，其中就包括机器学习。
机器学习系统的关键特性在于它能够基于数据集做出决策，从而识别模式、进行预测，而且最重要的是能够自我学习并不断改进。”
机器学习成为数字和程序化广告的一部分已经将近十年了。为什么机器学习如此适合广告商呢?Moloco公司又是如何利用它的?
“机器学习从根本上改变了广告行业。在21世纪初，它还只是谷歌(Google)和元宇宙(Meta)等大型科技公司的专属。然而，在接下来的十年里，随着云计算的应用，更多公司能够使用机器学习了――云计算使得获取先进机器学习所需的强大计算能力变得大众化。通过实现广告技术栈各个环节的自动化，包括定向投放、出价和优化等，机器学习让广告商能够腾出精力专注于他们的营销策略。尽管如此，要在广告技术所要求的低延迟条件下构建并运行模型，需要极高的技能和基础设施。
在程序化广告中，需求方平台(DSP)需要处理数十亿的出价请求，以便根据众多信号来判断哪些出价是值得的以及出价多少。要想取得成功，机器学习模型需要能够实时做出预测，而在开放互联网环境下，这一挑战更加严峻。
正如我们的首席商务官苏尼尔・雷扬(Sunil Rayan)上个月所讨论的，开放互联网是一个庞大且在很大程度上尚未被充分利用的机会。它是一个日益庞大且复杂的生态系统，广告商需要应对诸如欺诈、首价拍卖、隐私法规等诸多障碍。要克服这些挑战，都需要先进的机器学习模型。这正是Moloco公司成立的初衷――从一开始，我们就基于可运行的机器学习来开展业务，它能够实现大规模的实时自主决策。我们首要的投资领域一直是聘请世界级的机器学习工程师来开发和优化我们的算法，并使其在极低延迟下运行。这项投资使我们能够帮助移动应用开发者以合适的价格从所有主要交易伙伴的数十亿出价请求中获取高质量用户。
我们专注于通过先进的机器学习助力我们的广告商取得成功。他们成功了，我们也就成功了。”
对于那些希望利用机器学习的人，您有什么建议?您会推荐哪些最佳实践做法来充分发挥其作用?
“说实话，‘机器学习’已经成了一个热门词汇。这对于广告商来说可能会非常令人不知所措且颇具挑战性，他们很难区分不同解决方案的能力以及哪些对自己最有用。我为广告商推荐三项关键实践做法来充分发挥机器学习的作用：
1)要求对产品进行深入了解，而不是只看表面的产品介绍;
2)确保实时传递全面的第一方数据;
3)愿意与不同的合作伙伴进行测试。
并非所有的机器学习都是一样的，你需要与不同的合作伙伴进行测试，以选择能使成果最大化且最符合你长期商业目标的平台。
每个人都说自己在做机器学习，但并非所有的机器学习都相同。为了找到能解决独特挑战的解决方案，广告商需要深入了解其背后的情况。这包括询问关于机器学习技术、基础设施以及他们的模型有何独特之处等问题。
其次，广告技术生态系统在不断演变，最重要的是你要如何适应。为了解决实时问题并有效触达用户，你需要实时数据。对于广告商来说，这意味着要与合作伙伴共享实时数据，并要求透明度和获取相关洞察，这样你就可以将这些经验应用到整体商业策略中。
最后，由于并非所有的机器学习都是一样的，你需要与不同的合作伙伴进行测试，以选择能使成果最大化且最符合你长期商业目标的平台。”
您看到广告商在涉足机器学习时犯过的最大错误有哪些?
“纵观我们所有的广告商，我们发现了两个常见错误：
期望不同目标有相同的启动期。实际上，不同的出价类型根据可用于模型训练的数据情况，需要不同的学习周期。对于像广告支出回报率(ROAS)这类更深层次漏斗目标，模型的启动需要更长时间，因为可用于训练的数据变得更加稀疏。举个一般的例子，可能需要1000次安装才能获得5次用户在应用内的操作，这意味着这些在应用内的操作需要更多时间来让模型学习。简而言之，广告商在启动广告活动之前有正确的预期是很重要的。
不共享实时的第一方数据。正如我们之前所讨论的，数据对性能至关重要，因为模型的好坏取决于它所依据训练的数据。如果不共享全面可靠的第一方数据，广告商就无法充分利用机器学习的全部优势。”
在您看来，谁在以一种令人兴奋的方式使用机器学习?
“Adobe是众多借助机器学习推动业务发展的参与者之一。其Sensei解决方案为创意专业人士自动化了耗时的任务。它通过预测分析和个性化功能增强了Adobe的创意云套件及其他产品。最近，Adobe通过生成式填充(Generative Fill)将生成式人工智能的强大功能融入到设计中，这加快了工作流程，并通过让用户使用简单的文本提示就能创建和编辑设计，降低了准入门槛。”
对于机器学习及其应用的未来，您最期待的是什么?
“适应隐私规则和法规是一个巨大的机会。在苹果应用追踪透明度(ATT)政策实施后的世界里，用户数据更难获取了，所以广告成功将取决于能够发现并利用额外信号来做出准确预测的大型模型。为了应对这些不利因素，Moloco公司正在与我们的生态系统合作伙伴密切合作，以使我们的能力适应以隐私为首的框架，如SKAN(苹果的归因框架)和安卓隐私沙盒。”
您对机器学习的未来有任何担忧吗?担忧的是什么?
“另一方面，数据和隐私是一个日益受到关注的领域;然而，这正是先进机器学习能够发挥作用的地方。机器学习模型将需要适应使用更少的用户级信号，并通过上下文或活动数据来弥补这种缺失。只有先进的机器学习模型才能成功适应。毫无疑问，机器学习只会变得更加强大且更有用。正确利用它将取决于广告商明确界定他们的目标、测试各种合作伙伴并提取可应用于其整体商业的洞察。”
填空题。“在移动营销方面，押注于______。”
“在先进机器学习技术上投入时间和资源的公司。”
芒果联盟，一站式移动流量变现专家，专注APP、小程序、H5等移动应用流量高价值广告变现，免费接入，全程服务，通过“技术+运营”双核能力，帮助开发者提升至少20%的广告变现收益，立即注册，测算你的移动应用广告收益！
相关阅读：
平台商务（黑加仑）
平台商务（火龙果）
免责声明:本站文章来源于互联网，文章为作者独立观点，不代表本站立场。如有侵权，请联系我们。
