程序化广告「知识型投放」时代，用户所见即所想，智能分发逐渐变得更加简单。那么，究竟什么是「知识型投放」？
Rebecca 是一名资深旅游爱好者，每年都会计划 3-4 次的出境游，同时对景点人文环境、自然风景、酒店环境、综合性价比要求都很高。又到了春季出游季，这天当 Rebecca 在某网站搜寻户外出行装备时，一则圣地亚哥-德孔波斯拉特徒步旅行主题出游广告吸引了她。低调猎奇的徒步路线，浓缩了西班牙自然风光，雪山山脉，原始森林，村庄城堡等诸多精华看点，契合全程旅行的配套攻略展示，整个推荐风格调性、行程、食宿、价格等多维度内容完全符合她的要求。于是，Rebecca 的一场最初由广告推荐驱动的出游计划就这样开始了。
没错，上述场景就是 NOX 夜神团队「知识型投放」的应用情境。对于传统程序化广告投放而言，当 Rebecca 在搜索户外装备时，很可能会收到一堆同级别同等价位梯度的精品户外装备推荐。而对于更加精准的「知识型投放」而言，解锁出的信息就不仅仅是这些了。在 NOX 夜神团队的「知识型投放」系统中，当 Rebecca 搜索户外装备时，投放系统依据习得知识判断出 Rebecca 的最终需求，并最终达成精准投放。程序化广告「知识型投放」时代，用户所见即所想，智能分发逐渐变得更加简单。那么，究竟什么是「知识型投放」？
基于大数据、深度学习的「知识型投放」
程序化广告交易发展至今日，需求方对流量的选择和控制能力达到了极致，对需求方来说技术和算法的挑战也相当大。数据驱动、计算导向越来越成为在线广告市场的重要前进动力，伴随着 AI 技术的发展，「知识型投放」在程序化广告交易亟待升级的背景下应运而生。有别于传统粗放式程序化广告投放，「知识型投放」在大数据、深度学习、大计算的驱动下，透过大规模训练建立的深度神经网络让程序化广告投放变得更加智慧。
数据管理的 4 个阶段
大数据时代，数据管理分为数据采集、信息整理、信息提炼、和智慧判断 4 个阶段。而程序化广告投放发展到知识型投放阶段，对数据的处理能力已从基础的数据收集、信息整理、简单信息提炼，发展到高效信息归纳、智慧洞察判断阶段 (当然，这个过程中要赋予人的经验与智慧)。
数据高 LTV 的「知识型投放」
随着技术升级，更多数据源得到有效聚集，更多数据维度不断增加，企业大数据库价值得到了极大提升。在「知识型投放」分发网络中，海量用户的多维度标签被做成智能神经网络中的众多神经元，神经元与神经元之间的有效关联，通过智能算法产出「知识类」的结论，通过智能判断，最终形成宏观投放策略应用于后续的精准定向广告投放，并帮助广告主在营销之前做好预算和整体投放计划。
在 NOX 知识型投放分发网络中，这些「知识类」结论包括：使用电商应用的女性在泛娱乐 App 的接受率低于平均，但 ARPU 远高于平均;安装过 3 个以上资讯类 APP 的，年龄在 20-30 岁之间的用户使用直播类应用的概率小于 5%，这是一个典型的学习型和泛娱乐型用户的关联; A 和 B 国家都属于一个民族或者语言体系，AB 两个国家 90% 以上的用户模型都相同，从而可以参照着来投放广告······相比传统程序化广告投放通过固定标签圈住某一类用户，给这类人批量推送相同广告，让用户在恰当的使用场景得到恰当的推荐内容，用户接受度将变得更高，广告投放也将变得更加精准。
精准差异化「知识型投放」vs 粗放同质化「传统程序化投放」
相较于传统粗放式程序化投放受限于用户账号、手机绑定，简单标签驱动等因素，「知识型投放」无疑在提升数据生命周期、用户数据生命周期、广告精准度、用户粘性等诸多方面，拥有较大优势。
举个例子，用户在某门户网站上浏览汽车后，传统程序化广告投放会分析出这类用户的画像，比如年龄在 30-40 岁左右，有老婆，男······之后会圈住具有这批标签的一批用户，参考概率模型给他们集中大量投放汽车广告。但是这批用户中有的人喜欢高档车，有些人受限于经济能力，只能负担中低档车，有人纯粹就是卖车的经销商，有的人可能已经买车了，如果在其 Feed 流中持续出现卖车广告，势必会引起用户反感。
而在 NOX 的「知识型投放」系统中，首先会依据多维度神经元关联神经网络分析用户的 APP 安装列表，比如探测出浏览过汽车的用户曾经安装过买花类 APP，又安装有职场社交类 APP，说明该类用户可能是个初入职场的、想给其女朋友买花的学生，并没有足够的经济能力支撑其入手高端车，最终依据知识型投放模型给其定向推荐一些中、低端车广告。
「知识型投放」对比传统程序化投放
毫无疑问，「知识型投放」精准差异化投放时代，ROI 和用户数据 LTV 将得到极大的提升。而据 NOX 旗下广告平台 AiadMobi 的部分游戏广告主表示，通过长时间投放 LTV 的监测和 ROI 的计算，在 AiadMobi 平台获得的流量价值是在其他平台的 2 倍左右。
当然，就目前全球在线广告发展现状而言，知识型广告投放高度依赖于人工智能技术的发展，在投放过程中仍要被赋予人的经验与智慧。在未来某一天，当机器学习进化为深度自主学习，「知识型投放」将变得更加智能。但无论如何，随着用户获取成本在 2017 年攀升至新的临界点，2018 年移动应用厂商们之间的广告投放战役将愈演愈烈。而在 AI 加码在线广告投放的新时代，「知识型投放」爆发期正式来临。
