南方财经全媒体记者 吴立洋 上海报道
“在海外，人们花费在APP上的时间，已经有接近三分之二是在围墙花园之外了。”近日，全球机器学习和增长营销解决方案的Moloco在上海举办的研讨会上，其首席商务官Sunil Rayan分享了他对海外买量市场的洞察。
(资料图片)
所谓“围墙花园”，主要是指谷歌、Facebook、Instagram等大型互联网平台，在庞大的用户基数与产品生态护城河加持下，“围墙花园”的广告投放通常是诸多买量方的首选，且前者往往在流量议价与分配中握有主动权。
随着近年来海外APP的多样化，“围墙花园”外诸多小众且种类各异的长尾渠道开始受到广告主的广泛关注，但风格多元的APP生态，与不同国家、地区的受众喜好差异叠加，使得本就复杂的海外买量、分析、留存与变现更为复杂，如何高效准确地反馈展现买量效果，根据产品需求与市场特点调整买量策略，成为出海竞争加剧背景下买量端制胜点所在。
作为以快速迭代更新与处理复杂应用场景为长的机器学习，则被Moloco认为是处理当前APP出海难点的重要方式。“一款好的机器学习算法，足以帮助广告主跨越不同领域实现垂直品类下的增长目标。”其联合创始人兼首席执行官安翊镇（Ikkjin Ahn）在接受南方财经全媒体记者采访时表示。
准确与高效
作为近期最为火爆的科技概念，机器学习与人工智能技术被视为开启下一轮工业革命的核心，而在注重流量渠道与素材选取，且需要及时对数据结果进行分析的买量领域，机器学习又具有哪些优势？在本场主题为“以 AI 解锁增长，机器学习为游戏出海护航”的“All in Machine Learning”研讨会上，多位业界人士分享了自己的观点。
“2008年我刚刚加入正准备开始踏入变现的YouTube，那时YouTube平台上已经有超过50万条视频，但如何把一条广告精准投放在最可能实现变现的那条视频中，是当时YouTube面临的最直接的问题。” 安翊镇表示，早期正是在这一需求的驱动下，机器学习技术被引入YouTube的广告分发中，并最终帮助其实现了变现与盈利。
在他看来，全自动化实时预测，超大规模以及深耕一隅，将是机器学习技术在买量市场中脱颖而出的关键。
近年来，随着市场对数字营销效果与用户行为的分析愈加细致，选择最佳广告投放时机与价位，成为出海买量中不可忽视的一环。但对于缺乏海外市场经验或无法花费大量精力成本跟进市场变动的厂商而言，在短时间内将素材选择、首次出价、隐私、假量等因素同时考虑在内并快速作出决策，往往并不容易实现。
而以标准化处理复杂的应用场景，则恰恰是人工智能的专长。通过大量捕捉不同渠道数据打磨而出的机器学习模型，可根据买量产品的特色及目标受众的APP使用习惯，在以微秒计的时间范围内快速形成买量方案，以实现对用户的高效触达。
在时效性要求提升的同时，变化与拓荒亦成为新时期出海的关键词。在欧美日韩等传统成熟市场渐趋饱和，新兴市场构成出海重要增量的背景下，面向全球差异化市场投放需求，亦需要覆盖面更为广泛的解决方案，帮助出海厂商应对细分市场。
“比如说现在让一个广告投放到140多个国家，共有20套素材组可供选择，20套素材组又会涉及语言、版权、国家等问题，组合方式非常庞大且复杂的，人类能做的就是为它提供一些洞见，提出想法与需求，剩余就可以交给机器学习，让它选出最适合的那一条服务与对应的市场。” 安翊镇指出，买量的关键在于如何在复杂的市场环境下确保每一份投入产出能够得到精准衡量，随着渠道、APP本身、用户行为、监管规则愈加复杂，市场变化的到来可能会更为频繁。
“例如，游戏跟零售客户的优化目标可能就是不同的。比如我们有一个外卖软件客户想要获得‘在下载APP的前7天内就能下单’的用户，游戏客户则想要去寻找‘在3天内就能在游戏内进行购买行为’的用户。”Sunil Rayan表示。
而应对多变的市场环境，以及游戏、电商、金融科技等不同品类客户的需求，机器学习技术可以实现一企业一模型的定制化与个性化，这将大大提升买量的精准触达能力。
“作为机器学习技术的开发者，我们更愿意积极拥抱变化，因为更多变化可以带来更多数据，以帮助我们不断增强技术框架，促进买量算法的表现。”他进一步表示。
构建一手数据优势
在研讨会分享中，多位演讲者均提到，随着全球数据监管收紧，提升买量模型质量，维持用户触达能力的需求，使得一手数据的开发与利用重要性不断提升。
2021年4月，苹果iOS 14.5正式发布，随之而来的是早在一年前已被宣布的应用追踪透明规则（ATT），即限制应用读取用户设备广告标识符IDFA，并将其设置为默认关闭状态。
该政策的落地对数字营销行业产生了不小的冲击，据测算，在新规落地一个月后，已安装iOS 14.5版本的用户主动进行IDFA授权的比例约为30%，远低于此前版本的用户，第三方数据的数量与质量下滑难以避免。
“随着各国不断引入新的隐私政策，在数字营销领域第三方数据已远不及第一方数据有效。” 安翊镇表示，在获取与分析第三方数据受限后，很多厂商开始尝试分析其在广告投放与效果反馈中积累的第一方数据，但过往的分析方式往往并不适用于不同厂商一手数据的直接利用，这也给利用机器学习根据具体场景与需求定制营销策略的长处提供了市场空间。
据Moloco大中华区总经理朱筱筱介绍，厂商在建成自身的广告系列后，需要回传自身的全渠道数据，开启机器学习，算法会根据其差异化要求进行模型训练，针对买量产品特点设计包含素材、渠道、出价等在内的营销方案。
另一方面，随着数据价值与隐私合规在企业运营过程中的重要性不断提高，越来越多企业愈加看重对自身数据的掌控力，安翊镇也向记者坦言，作为第三方机器学习技术服务方，Moloco得以发挥作用的前提是广告主对其充分信任，愿意将一手数据与之共享。
他进一步表示，对此有效的解决方案是可靠的安全保障与透明度。就前者而言，需要全过程端对端加密提升数据安全性，广告主间数据不共享，且在使用数据训练模型后及时予以删除，并严格遵守当地的隐私政策。“随着机器学习算法的不断升级，当前使用更少、更精准的数据实现买量目标已成为可能。”
在做好数据与隐私合规的同时，结果的透明度是机器学习厂商的另一价值主张，通过有效的反假量管控，服务商也能更好与广告主建立信任关系。一方面模型训练本身依赖于数据链的可信度与质量，另一方面，通过直观展现模型训练前后的买量效果，广告主更易信赖模型所能发挥的增效能力。
“我们希望能够帮助中国的广告业应对假量，因为没有任何一个机器学习工程师能够忍受因假量而出现不精准的算法和模型。这就是为什么我们能够在十年的打磨之后脱颖而出，实现逆势上涨。” 安翊镇表示。
