自动投广告，看前字节工程师的方案

    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。