CityU logo

AI技術在廣告營銷場景的運用

AI與廣告營銷

在互聯網技術到來之前,傳統的廣告營銷也是通過多種渠道進行的,如電視、廣播、印刷媒體等。在互聯網時代,隨著數碼廣告的出現,廣告營銷的渠道更為多樣化,主要分為線上和線下兩種模式,廣告商通過線上線下的結合更好的與用戶進行互動,而AI技術的出現大大提高了廣告營銷的效率。

Google的回應式搜尋廣告使營銷人員能夠輸入多達15個標題和4條描述行,隨著時間的推移,Google Ads會測試不同的組合,並學習哪些組合效果最佳。該工具還可以與Google Cloud完美結合,Google Cloud依靠人工智能和機器學習為營銷人員提供更深入的受眾洞察[1]。IBM的人工智能助手使得公司能夠利用人工智能微調營銷策略,通過定位潛在受眾,選擇相關創意內容,並與目標受眾進行一對一對話,企業從而更有效地運用營銷預算,同時能夠圍繞受眾的興趣制定廣告活動[1]。可口可樂使用AI演算法來分析消費者何時、何地以及如何在社交媒體上談論該品牌,該公司研究了12萬條社交媒體內容,以了解其用戶的統計數據和行為特徵[2]。廣告營銷融入了多個AI技術,包括但不限於多觸點歸因(MTA)、推薦系統(RS)、強化學習(RL)、大語言模型(LLM)。

廣告營銷AI技術之起始:MTA

在廣告營銷領域最早應用的AI技術為多觸點歸因(Multi-touch attribution),簡稱MTA,旨在估計每個廣告觸點在用戶轉化過程中的相對貢獻,歸因的結果將直接影響到渠道預算分配,這種歸因導向的預算分配可以降低CPA (Cost Per Action),提高CVR (Conversion Rate)。MTA在廣告營銷的應用廣泛,例如,邏輯回歸(LR)[3]模型作為最早的相關工作,直接採用邏輯回歸的演算法,這種方法簡單且有效。可加多觸點歸因(AMTA)[4]模型加入了生存分析模型來提高轉化率預測的準確率。因果注意力多觸點歸因 (CAMTA)[5]模型通過削弱用戶對於各個渠道的偏見(bias)來進一步提高準確率。下圖展示了用戶在不同渠道 (Display 展示型廣告,Social 社交媒體,Paid Search 付費搜尋) 的觸點轉移直至最後產生轉化的路徑。常見的轉化為下單購買、會員註冊、點擊等,視乎目標而定。

廣告營銷AI技術之發展:強化學習以及推薦系統

在廣告營銷場景下,AI技術的應用不局限於MTA,強化學習以及推薦系統也大放異彩。基於強化學習的推薦系統將廣告商與用戶互動的場景抽象為MDP的模式,這種模式包含三個元素:狀態、動作及回報,然後根據這個模式來設計廣告營銷的策略。簡單來說,根據用戶所處的狀態,推薦系統會制定相應動作的策略(如,推薦波鞋廣告給搜尋或觀看過運動健身資訊及影片的用戶),從而獲得回報(如,點擊、下單)。

上圖展示了線上營銷活動中,通過強化學習及推薦系統來控制現金優惠券發放從而推廣電子支付應用程式的過程。AI技術會通過之前在大數據集上學習得到的策略來決定每個狀態是否發放以及發放多少現金優惠券,從而在有限的預算條件下最大化收益(電子支付應用程式的推廣程度)。

上圖中十分流行的短片廣告推薦也應用AI技術,這種方法被TikTok,Kuaishou快手等短片平台廣泛應用。例如,在工作[6]中,Kuaishou團隊使用基於強化學習的推薦系統提高了短片的平均觀看時間,同時達到了限制要求(follow,like,comment達到一定數量)。

廣告營銷AI技術之未來:大模型

近期流行的ChatGPT也在廣告營銷場景展露鋒芒,它廣泛應用於個性化客戶體驗、編寫產品說明、客服聊天機器人、創建客戶服務調查等任務。

如同ChatGPT的發展,廣告營銷模型也趨於更大的模型,且不局限於語言模型。這種模式首先會利用一個巨大的用戶離線數據集訓練一個龐大的模型,然後再將模型置於線上環境,通過與用戶即時的互動來更新優化模型,這裡涉及另一個AI技術,稱為fine-tune微調。當然,隨之而來的挑戰包括大模型的黑盒問題,巨大的計算複雜度帶來的記憶體和時間損耗等等。將來能解決這些問題的話,將會給廣告商或是企業帶來巨大收益,包括提高轉化率,自動生成最優的廣告投放策略(減少人工成本),給用戶更好的體驗。

選擇AI技術的關鍵:數據

如何選擇AI技術幫助我們也是現階段廣告營銷的重要課題。AI模型的一個關鍵是輸入,這和我們的數據類型有關。如果是數值數據則採用一般模型,如多層感知器 (MLP) 等;如果是文本數據,可以採用語言類模型,如LLMs等;如果是圖片數據,則採用電腦視覺 (CV) 模型。如果數據集大,我們採用大模型,如GPT;如果數據集小,我們採用一般模型,如MTA等。總的來說,AI技術通過學習數據中的潛在特徵來滿足我們的需求,所以我們在使用AI技術的時候一定不能脫離數據,基於用戶數據的模型才能更好的保證用戶的個性化體驗,從而幫助企業獲得預期收益。

基於AI的廣告營銷的未來與展望

未來的廣告營銷手段將會用到更豐富的AI技術,在模型中加入更多用戶特徵,並採用更大的模型來滿足我們的需求。例如,聯邦學習可以在不洩露用戶隱私的情況下使用更大數據集來説明我們更新模型,遷移學習通過將源域訓練得到的模型遷移到目標域來完成更快更好的模型學習。使用多個AI技術以及更大的模型架構來提高模型的準確率是基於AI的廣告營銷的發展趨勢。所以,如何融合各個AI技術,各取其長,以及怎麼快速更新大模型將成為未來廣告營銷的前沿任務。

參考文獻:

[1] Alyssa Schroer. AI in Marketing and Advertising: 19 Examples to Know. https://builtin.com/artificial-intelligence/ai-in-marketing-advertising

[2] Erica Santiago. AI Advertising: Pros, Cons, Tips & Examples. https://blog.hubspot.com/marketing/ai-advertising

[3] Shao, Xuhui, and Lexin Li. “Data-driven multi-touch attribution models.” Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining. 2011. 

[4] Ji, Wendi, and Xiaoling Wang. “Additional multi-touch attribution for online advertising.” Proceedings of the AAAI Conference on Artificial Intelligence. Vol. 31. No. 1. 2017.  

[5] Kumar, Sachin, et al. “Camta: Causal attention model for multi-touch attribution.” 2020 International Conference on Data Mining Workshops (ICDMW). IEEE, 2020. 

[6] Cai, Qingpeng, et al. “Two-Stage Constrained Actor-Critic for Short Video Recommendation.” Proceedings of the ACM Web Conference 2023. 2023.


在此感謝 InnoHK、香港特別行政區政府及人工智能金融科技實驗室對本文的支援。
(AIFT 竭力但不能保證內容之準確和可靠,亦不會承擔因任何不準確或遺漏而引起的任何損失或損害。 )

分享此內容

地址

香港沙田香港科學園科技大道西 19 號
11樓 1101-1102 及 1121-1123 室

產品及解決方案

人才

工作機會

關於我們

地址

版權所有 © 2024 人工智能金融科技實驗室有限公司