RTBChina
年初我的《2017年，DSP、RTB和程序化广告的“透”视与展望》一文里提到,国内RTB市场存在信息不对称，有“柠檬化“的风险，RTB高度自动化和“因人而异”的精准投放特质，沦为了黑箱操作的借口，导致乱象滋生。这不仅让DSP很受伤，而且冲击了整个程序化购买的信誉。“透明化”是解决这种信息不对称的关键，会让套利和作弊者无处遁形。作为技术平台的DSP，将率先开启“透明化”之门。如今，2017年上半年即将结束，正如我们在年初所预见的，透明化”成了各家DSP2017年“产品宣传中的标准特性。DSP厂商愿意，也正在向广告主全面开放数据，推动信息“透明化”。
然而，“透明化”只是推动RTB良性发展的第一块牌，开启了DSP技术竞争的序幕。随着DSP向广告主和代理商们敞开自家的数据后院，很快会迎来下一道难关：如何向客户证明通过自家的DSP投放RTB广告，精准又高效，性价比优良。如果DSP不能顺利跨过这一关，透明化后的DSP将被看成一个低质量的媒体渠道。由此可见，当DSP全面透明化后，DSP才会真正回归到技术本质。但是，DSP具体应该从哪些方面去着手提升产品效果呢？
泛滥的黑箱操作让RTB市场成了虚假流量的重灾区。流量质量和效果脱节，做假渠道和虚假流量乘虚而入，不断加剧RTB市场“柠檬化”的风险。这些非人类、“肉鸡”或者可见性极差的流量，大量吸食系统的探索成本，让以转化为导向的算法变得基本行不通。不论哪一种精准投放技术在这些流量的包围下，最终都只能沦落为PPT上的概念。
因此，只有拥有强大的虚假流量过滤技术，才能保证各项技术优势不被这些“虚假流量”冲垮。强大的虚假流量过滤技术是一个好的DSP的必备技能。根据我们的研究和经验，现有技术在识别虚假流量上，还是显得力不从心。道高一尺，魔高一丈，是不得不承认的现状。不管是独立研发，还是采用第三方的服务， DSP必须优先加大在这方面的投入。
当客户的期望只是曝光和点击的时候，在点击作弊横行的市场上，DSP这个黑箱很容易“满足”客户的要求。但因为点击产生的效果不佳，越来越多的广告主开始要求效果指标。
现有的DSP优化算法，通常都是以点击率预测为基础，而没有转化率指标。即使加入了转化率，也是假设一个较高水平的值。但可惜这种假设在RTB环境下并不成立。而开源算法中没有解决这个问题的现成方案。当DSP全面透明化后，DSP的优化算法将变为一切向“转化”看齐，此时，DSP就必须研究适合自有系统环境的转化优化方法，从优化初始搜索空间和探索过程着手。
不得不承认，目前的RTB广告效果其实并不理想。技术升级只能缩小这种差距达到用户的满意区间，但不会消失。
剩下的差距要如何弥补？我们认为还是要发挥DSP天然的技术优势，最大程度节省用户的操作成本。算法是程序化广告的DNA，DSP应该把这个DNA的优势充分释放到操作层面上来，让DSP系统比传统平台更加聪明、好用，甚至有明显的代差。这就是“全自动智能化”技术。
“全自动智能化” 不仅是自动优化出价流程，而应该是对RTB营销全流程覆盖并自动优化，包含：系统能够理解创意和产品说明，自动归纳出产品的特征，基于以往的经验，自动的为广告主规划RTB渠道的投放；不仅如此，系统也能够全面深入地分析RTB媒体的特征，在投放过程中可以自动开展品牌保护；而且，通过AI技术，系统还能够自动积累经验，对新的广告创意，提出改进建议，甚至能自动合成文字标题。总之，转化指标基本上得到满足后，全自动智能化的DSP和其他营销工具相比，更加容易和灵活，能有效弥补因效果差距带来的竞争力损失。
“全自动智能化”被普遍接受的前提是广告主或者代理商对AI的能力充分信赖。获得信赖最直接的方式是用结果说话。通过大量的投放实验，证明系统干得不错，自然而然人们就接受和信服；另一种是间接的方式，将机器决策过程透明化，让人们看到机器的决策过程。当人看到机器的每个决策都及时准确，长此以往，也就乐于放手让机器自主执行了。因此，在实际运营中，我们不能单靠一种途径来获得信赖，而必须同时交叉结合使用不同的方式。
目前DSP的AI普遍是黑箱运作，大多数只采用“结果“说话而忽视”用过程来证明“，十分不利于“信赖感”的建立。DSP需要在以下四个方面实现AI决策的透明化：
1. 数据报表高度信息化，让人充分了解机器的优化角度就是每个AI决策用到的数据项，均要配上相关的信息。比如移动App，必须配上AI理解到App的特征，用人可以理解的方式展现给用户。
2. 重要的决策点需要详细记录下来，让人能读懂比如在品牌广告投放过程中，某些媒体被自动剔除和加入的原因。
3. 主动提示优化点比如，用户指定了几个必须定向的城市，但是AI很快发现上海地区特别差，系统应该及时提示，并附上机器分析的原因。
4. 发生意外事件时，系统能够自动防护
2017上半年DSP的“透明化”趋势，让我们看到了整个RTB市场正在朝向良性方向发展。但“透明化”仅仅只是刚刚开始，而远远不是结束。DSP要进一步获得人们的信赖和认可，需要多方面努力夯实技术基础：首先要面对和解决的是流量过滤、效果提升方面的技术难点，缩小与传统渠道在效果上的差距，与此同时，还结合全自动和智能化从灵活性和易用性方面进一步提升性价比，让DSP具备和传统渠道竞争的实力。
资深数据挖掘专家，一直致力于数据挖掘技术的研究和成果转化工作。曾主持过多项国家及上海市科研基金项目，发表过数十篇论文，并译有两本数据挖掘专著。是多家高技术公司的创始人，领域涉及数据挖掘工具、电子商务搜索、智能化推荐引擎等，目前重点关注在大数据营销领域内的智能化产品，获得了业界的广泛认可。
