技术就是生产力 关于ASM投放人工智能有话说！

　　同样的内容推送给不同的人，结果大不相同。再比如喜欢玩游戏的，你推送一个更好玩的游戏给他一定更高效。包括FEED流广告、DSP短信推送，这些内容与方法的本身并没有任何问题，问题在于你能否触达到那些真正的目标消费者。大数据公司通过人工智能、机器学习对消费者精准定位，再进行DSP推送，其转化可以做到5%-8%，远高于企业自身通过渠道推广的转化率1%。

　　关于苹果竞价广告，展示量是一方面，用户的下载率才是最大的考验。排除品牌因素外，如果推送给那些真正需要的目标用户，下载与转化就不是问题。

　　通过人工智能的深度学习，大数据技术建模分析，可以对APP用户进行精准的用户画像，这是了解用户的第一步，用户画像可以对APP定向投放给出最基础的参考依据。此外，在实际定向投放，不断优化，增加定向维度，最终也能带来转化率的提升及CPA的下降(参见上文图表)。

　　在实际操作中，还可以根据消费者行为数据的挖掘：基于时间动态制定价格，基于年龄、性别可以对价格进行实时优化调整。如何获知这些数据，就需要机器学习不断的搜集，发现。需要指出的是，关于智能定向，苹果后台的人群维度数据只能对单一维度进行分析，这在实际投放优化中有明显不足。量江湖的细分定向数据，可以明显区分不同维度的人群的转化数和平均CPA的不同，为广告主下一步筛选人群定向提供可靠的数据依据。比如通过人工智能可以对人群进行多维度定向分析，包括性别、年龄、地域、时段。还可以根据不同App的实际情况进行定制化划分。

　　以年龄段定向投放为例，当我们把定向2段的数据变为定向6个段时，如下图所示，从定向维度数据中可以看出，25-34岁的男性用户是转化最高的用户，且CPA价格较低;而55-63岁的男性用户的CPA价格明显过高，且转化量很低，这个维度的用户在后续投放中可被取消。进一步的定向优化也可以将55-63岁的女性用户排除。以此类推不断优化，当有更多维度加入一起分析，人工智能可以给出更精准的答案。

　　图2

　　3、智能投放：实时高效优化迭代，总能准确把握那个最佳值(更低CPA VS更多下载量)

　　传统的人工投放，是这样的，选词之后，设定周期及金额，设置广告策略，进行广告投放，查看结果。期间账户结构设定繁琐，耗时长，每次只能进行一个策略，当投放行为量大时，需要动用大量人力，最终获得的CPA成本高，调整过程也困难。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!