上次写过一篇文章,介绍了我们在独立站电商领域营销自动化的一些探索。文章发出以后,在星球里引起了热烈讨论,大家纷纷探讨,如今几十万的优化师大军,有多少工作将来可以被机器所替代呢?
说到广告投放的自动化,其实独立站电商并不是算典型行业。从转化路径上看,独立站的电商是从广告直接点击到落地页完成转化,然而对移动互联网的多数行业来说,转化都是承载于APP上的,因此,要探讨更普遍的自动投放,先要对行业做一个梳理。
从转化流程来看,目前的广告客户可以分成三类:独立站电商是一类,用表单收集线索的客户是一类,而最大的一类,是业务落地在APP中的各行业,这里我们统称为“网服”。当然,我们说的网服,与各平台客户分类的网服不是一个概念:只要是转化流程先以下载APP为目标,甭管他是电商、游戏还是旅游,我们都叫网服。从技术角度看,网服类客户的自动投放问题,应该在方案上一致性很强。
一直想找做网服行业自动投放的团队交流一下,可是或许是产品难度大,没有遇到合适的。直到上个月,我见了个老朋友乘风,他跟我说,他们在做网服行业的自动投放,而且产品“达尔文智投大师”已经上线了!这位乘风老兄,曾经是字节早期的核心算法工程师,在推荐和广告系统方面有很深的心得。抱着好奇心和学习态度,我跟他就网服行业自动投放的问题和技术,进行了深入的探讨,收获甚多。下面把我们交流的核心内容整理一下,希望对大家有所启发。
北冥乘海生(以下简称“北”):关于广告的自动投放,我们在独立站电商有过一些探索,效果还不错,但是感觉经验并不能完全拓展到网服行业,你们是怎样定义这个问题的呢?
乘风(以下简称“乘”):这个问题其实我们思考过很久,最后发现,客户在日常优化中的工作围绕“广告计划”和“素材”进行,不过,这些只是平台设定的结构。而客户真正需要的,是一个既定的商业目标,于是,我们把这个营销目标抽象成”任务”,而自动投放的问题,就是在这个目标下的一系列策略,包括评估素材,创建、调整、暂停广告计划,执行设置出价、调整预算等。
北:也就是说,产品的基本框架,是客户设定好优化目标、上传素材,然后一键开始跑。从电商行业看,可以把后链路的数据收集起来,算清楚运费、退货率,然后在准确的利润评估下调整投放策略。那么对网服行业,你们是怎么做的呢?
乘:网服行业的自动投放,有好做的地方,也有不好做的地方。先说好做的地方:网服客户转化流程一致,一般来说冷启动预算较充足,利于标准化和智能化;不好做的地方:由于真实业务场景在APP中,一般来说后链路数据拿不到,很难像电商那样通过精细化利润评估来优化广告投放。因此,我认为网服行业的自动投放,关键是要在投放过程中的核心优化能力上做文章。
北:明白。你这里说的“核心优化能力”,主要指的是什么?
乘:其实就是优化师日常操作的一些关键步骤,我们这些关键步骤放在一个大的流程框架中,大概可以分成这么三块:一、计划创编;二、计划的状态判定;三、投放的策略调整。这几块,有些是重复性劳动比较多,有些要靠数据建模来完成决策。但是可以肯定地说,都存在被自动化代替或者大大减轻工作量的机会。
北:咱们一步一步聊。先说说“计划创编”这一步,我理解以前优化师这这里的工作特别庞杂,你们的自动化投放是怎么搞的?
乘:是的,这一步体力话特别多,我们的产品,主要是解决其中两个关键问题:一是素材质量的评估。优化师都知道,素材对投放效果的影响特别大,而一些低质量的素材,可能会大量浪费广告。因此,我们会在客户上传了准备好的一组素材以后。自动给出素材质量的评估,对低质量的视频素材进行过滤。
北:这个素材质量,是怎么评估的呢?
乘:主要是利用素材本身的特征建模打分。
要评估一个视频素材的质量,可以从视频、文案、BGM中抽取一些有效特征。比如,视频,可以提取长度、码率、颜色丰富度、亮度等;文案,可以利用OCR提取关键帧的文字大小和位置;BGM,可以提取音量、节拍数、节拍BPM值、和弦变化率、不同和弦占和弦总数比例等特征。另外,我们还会采用一些语义特征,例如关键帧是否包含人脸、关键帧的场景分类等。
目前,我们用的模型是Boosting算法,这个方法精度高,可以灵活处理各种类型数据。
应用了素材质量评估模型后,实践中可以过滤掉20%的低质量素材,同时可以对高质量素材进行重点测试。
北:确实,人判断素材质量带有很多主观经验,通过数据驱动的方法,相信随着业务量的增长,模型的判断能力会越来越强。
乘:另一个问题,是批量创建计划。对广告素材、标题、定向条件等组合搭配,批量创建多条广告计划,可以博取起量的概率。以前,这是优化师工作中比较繁重的重复性工作,也是最容易被机器替代的部分。
当然,机器能做的,并不仅仅是创建计划,更关键是用数据找到最优组合。
这里面有个问题:假设有m条素材,n个标题,p个定向,q个创意分类,把他们排列组合后,会生成m* n * p * q条计划,这实在太多了!为了缓解这个问题,我们按定向分组,并且可以设定每个广告组内的计划数:同一个组内的所有计划,定向一致,但素材不同。这样,既保证了计划的多样性,又大大减少了其数量,达到了效果的提升。
北:所以到这一步,由“任务”分解为“广告计划”的工作,就基本完成了。我对计划创建以后的优化策略更感兴趣,这方面能不能展开说说?
乘:其实这里面有一个步骤,对优化师来说是隐含的,那就是判断一条计划的状态:是尚未起量、正在起量、稳定投放还是已经开始衰退。对不能起量和已经衰退的计划,及时关停;对起量且ROI符合要求的计划,进行提价、复制等扩量操作。
状态判定模型,会用到依赖广告主行业、广告素材和热门素材相似度、产品与热门产品相似度,以及广告的投放、播放、互动与负面指标。其中,投放指标包括点击率、转化率、CPC、CPM等;播放指标包括3秒播放率,完播率等;互动指标包括评论数、点赞数、分享数等;负面指标主要包括举报数、投诉数等。将这些指标特征输入DNN模型,最后一层的输出就是计划状态。
北:确定计划的状态以后,是不是主要通过调价的方式来加大或降低投入呢?
乘:对,在通过模型判断了某条计划的状态以后,我们主要采用调整出价的方式来控制加减量。这个调整出价的方法,目前我们是通过调研一些高级优化师的成熟经验,总结出一些专家规则来执行的。将来实盘的数据积累到一定量级,我们也会把这部分用建模的方法来替代。
北:所以在理想情况下,客户上传基础素材,你们的产品会帮他评估素材质量、自己动批量创建计划,然后通过判断计划的状态,来决定如何调整出价。现在,已经产品化到什么程度了?
乘:我们的产品已经上线了,像下图那样,客户只需要设定好“任务”层面的宏观目标,上传素材以后,就可以自动投放了。目前,我们主要支持巨量平台,但是很快会拓展到市场上常用的其他平台。这个产品已经服务了一些客户,积累了相当的数据,相应的模型优化也在逐渐进行,现在已经可以对外提供比较成熟的服务了。我们产品的后台是https://darwin.ztouch.co/login (可以点击文章末尾原文链接查看),网服行业做增长的朋友,可以联系我们开通试用。
北:这么看起来,您前面介绍的产品框架和方法论,应该是可行的。那么实际使用的效果怎么样?
乘:出于商业协议的原因,我们服务多数客户目前还不能公开。但也有一些数据,我可以分享,比如我们服务的一个小说类客户,同时采用智投大师的自动投放和人工投放,从下面的数据来看,自动投放的消耗能力和转化成本,比起人工都有比较显著的提升。这个结果应该后续还有很大的优化空间,但是至少说明,自动广告投放在网服行业是完全可行的方向!
北:谢谢您的详细介绍,网服行业是互联网广告的预算主体,也是优化师投入大量精力的行业。相信会有越来越多像智投大师这样,积极探索自动优化方案的产品出现。而且,我个人也坚信,人工智能一定能够替代广告优化过程中的大部分劳动,把人类解放出来,聚焦在更具创造性的工作上。
以上,是我跟智投大师创始人交流的内容,在方法的收获以外,我也隐隐感受到:在任何一个领域,用智能化的方法替代人工,都跟AlphaGo一样,在长期的蛰伏以后突然迎来拐点。而广告投放的自动化,在找到了人与机器合理的边界,设计出相应的产品框架后,随着数据的快速积累,爆发的日子就不远了。