摘要：面对 AI 案例大潮的持续涌现，Moloco 给出了适应目前风向的解决方案——机器学习
随着经济的快速发展，探寻新的市场成为了全球各地企业获客营销的动能。在这个国际舞台中，有效的营销策略成为了出海的充要条件，而深入了解本土文化和消费习惯已然成为了众多企业的必修课。但是营销投放多样且繁琐，如何贴合本土文化、了解消费习惯以及贴合环境等因素，是众多出海企业所面临的挑战和机遇之一。
放眼全球，许多企业都会在早期阶段去考虑海外扩张的规划。尤其是在广告营销行业中，面向大量数据驱动的市场洞察，会使海外扩张更加容易。因为通过面向全球的视角，企业能够获得更多资源的支撑，以便稳固持续的获客增长。
然而随着全球化进程的进一步加深，变幻莫测的环境，例如不同区域政策的变化、环境背景的改变等诸多的影响，正在不断颠覆传统广告营销固有的行事风格。但许多机构预测，在历经充满挑战的 2023 年之后，全球广告支出将会在 2024 年实现翻倍增长，仅阿里巴巴、Alphabet、亚马逊等头部公司会占据超过一半的全球广告支出。值得注意的是，这些增长背后的关键点是 AI 的引入，所以，AI 对于许多营销机构及创造者来说，或将从根本改变人与技术的互动方式，成为行业中的倍增力量。
不过，在了解 AI 的趋势同时，也要了解如何在不同的渠道和环境中挖掘优质的模型。这是一项挑战，也是一个机遇。这种相互矛盾的状况，事实上困扰着每一位营销人员。也因此，有人提出了观点——你是否害怕并不重要，我们可以站在这里什么也不做，或者我们也可以学习如何应用它们。
AI 热情渐渐来了
很明显，接受往往比拒绝的结果，会更令人满意。面对 AI 大潮的持续涌现，Moloco 给出了适应目前风向的解决方案——机器学习。
这是一家从创立就将技术刻在基因的公司，其创始人也是一群来自谷歌、 Facebook 等硅谷巨头的卓越工程师。他们利用先进的机器学习技术，每个月可以帮助客户触达 60 亿台以上的设备以及 270 万个 APP，覆盖全球 193 个国家。
Moloco 在帮助客户获取不同区域和垂直领域的高质量用户方面有许多成功案例。所涉及的领域包括社交、游戏、金融等等，也因此有很多客户通过与 Moloco 合作，盘活了手中数据，获得许多高质量用户，从而促进了业绩增长。
一个例子是Pure，这是一款广受欢迎的社交软件。Pure 的目标十分明确，即提高美国 Android 用户 Campaigns 的收入，其 Campaigns 的主要目标为以更低的 CPI 获取新用户以及 D7 ROAS。通过 Pure 创意团队根据平台特点设计了富有创意的广告素材，Moloco 也帮助了 Pure 深度挖掘和利用“围墙花园”外最有效的广告平台。最终结果，Pure 的 CPI 低至 2.44 美元，D7 ROAS 也远超预期。
作为一家俄罗斯手机游戏开发商，Playrix 主要的业务为三消、城镇模拟等品类休闲手机游戏的开发，旗下开发的手游有广受欢迎的《梦幻花园》、《梦幻家园》、《梦幻水族馆》等。在发展过程中，Playrix 发现仅依赖用户的最后一次互动来评估广告效果对 Playrix 来说是缺乏说服力的，因为这会忽略了用户与品牌互动的其他环节。基于此，Playrix 正在寻求一个新的解决方案，以真实反映广告投入对于业务增长的影响。
Moloco 与 Playrix 展开了转化提升测试，来评估营销的实际成果。最终， Playrix 采用了 Moloco “幽灵出价”策略。最终，借助 Moloco Cloud DSP 对于 Playrix 一手数据和环境数据的分析，在准确的时间以相对低的价格为用户精准投放广告，实现了可观的用户增长量。
来自波士顿的数字体育娱乐公司 DraftKings，借助创新的营销策略和机器学习技术，精准定位并投放吸引力强的动态广告，来挖掘市场增长的潜力。前者 DraftKings 擅长将自身的优势与行业前沿技术结合，以此增加自身的获客竞争力。后者 Moloco 则利用基于机器学习的 Cloud DSP 和其自身的数据，帮助 DraftKings 的广告能够以较高的相关性以及最优价格触达目标用户。
除了上文提到的三家公司之外，Moloco 还为韩国的旅行软件 Yanoljia 在遵循严格的金融广告规定下，有效覆盖以往难以触达的用户，来获取转化量的提升。
Moloco也为 Bigo Live 视频直播“攻城掠地”。在瞬息万变的直播行业中，Bigo Live 保持着与时俱进的研发投入，Moloco 则为其制定了专业目标建议，同时谨慎地管理和平衡多个 KPI 指标，还建议 Bigo Live 通过 A/B 测试，优化广告创意。在 18 个月里，Mocolo 将其 Campaign 从 2 个地区，扩展到了 20 多个地区，覆盖北美、亚洲等多个板块。
Moloco 能够帮助客户成功的关键在于其算法和数据。他们善于从庞大的数据中挖掘规律，通过对即将发生的营销活动进行预测，并将这些预测应用于实际发生的商业数据中。在获得实际效果后，他们会不断调整策略，形成一个正向循环。鉴于不同用户具有不同的背景和需求，Moloco 会根据客户的独特要求去训练模型。
算法驱动的价值
基于机器学习的核心能力，Moloco 将其应用在了 Moloco Cloud DSP 之中。这是一个需求方平台，能够根据客户对关键指标（如 CPI、CPA、ROAS 等）的重视提供不同的优化模型，确保核心指标得以实现。借助深度学习，与其他采用机器学习的平台不同的，Moloco 采用的是深度神经网络，这是一类更加复杂且昂贵的模型，其权重决定了不同神经元之间的连接强度，从而为深度学习结构找到最佳的优化方式。
不同于线性网络，深度神经网络的每一层都专注于研究一组特定的属性或输入，因此在处理更大范围的不同异构数据点时，深度神经网络不仅更加高效，还能呈指数级缩短机器学习的时间。这也解释了深度神经网络对时间和算力要求高的原因，以及导致很多 DSP 平台无法部署的重要原因。
依托于专业的技术开发团队，Moloco 搭建了基于深度神经网络的机器学习引擎，使其构建的 DSP 平台更具技术优势。例如，当开发者的应用程序拥有广告位时，将会在广告交易平台中发布这一消息。通常而言，DSP 平台有 200 毫秒的时间来查看广告请求、预测用户可能采取的回应、计算正确的支付成本、出价以及提供 Campaign 等相关信息。Moloco Cloud DSP 则可以在 50~100 毫秒内响应竞价请求，同时采用一组不同类别的异构数据点，对以上各类输入信息进行计算，并输出预测数据等结果，实现成本和效益的平衡。
从一定程度上说，Moloco 解放了人力，比如上传、下载或是 A/B 测试，使其在流量选择和实时出价等方面更有竞争力，这其中最关键的就是 Moloco 的广告成果预测模型。通过简化繁复的流程，客户可以根据不同的目标需求选择广告成果预测模型类别，同时也可以将它们有机结合使用。
在实际操作中，Moloco 不会要求客户制定每日支出标准。而是通过学习需求方应用中的历史数据，确定用户最活跃和最倾向转化的时段。因此，效果营销人员能够避免高额且无用的 CPM 支出，并且能够准确预测用户最佳活跃时间段并调节预算支出。对此，Moloco 能够以实时、准确的数据服务广告主，解决以往的难题杂症。
拥抱 AI 即拥抱未来
纵观整个互联网广告或者是数字营销广告的编年史，20 世纪 90 年代的时候， AT&T 在美国网页上投了它第一个广告，作为整个互联网时代第一个互联网数字广告，支撑其背后技术的是服务器。随着 2000 年以 Google、Facebook 为代表的互联网公司的崛起，数字营销变得更加个性化。2010 年，移动互联网时代诞生了两个关键词：云计算、大数据，Moloco 就是在这个年代诞生的。
此时的数字广告初见成效，并且成为了许多独立企业的最佳选择，但是数据统计、分析及应用的等大量繁琐的工作量，为公司及营销人员带来了一定的负担。Moloco 则加以沉淀，不断地打磨自己的产品，在合适的时机中，将机器学习技术应用在了广告营销，帮助大家找到低价的高质量用户，助力客户的商业增长。
通过十年的发展，Moloco 认为未来将是以机器学习为主导，同时大家会越来越频繁地接触到 AI 或者大模型这样的术语。这意味着不仅仅是简单的云计算、大数据就可以投放广告了，而是必须要注重算法，基于大模型提供更加精准、更加有性价比的广告投放。
Moloco 的出现，标志着在过去的几年里，那些具有前瞻性思维的企业，一直致力于开发将这项技术推向市场所需的培训数据集、基础设施和业务逻辑。2023 年，人工智能技术的发展则是将机器学习的可用性推向了未来，为广告商提供了独特的运营背景和与之适合的个性化需求，从而实现更加有效的广告投放效果。这也使得在精细的定位要求下，可以实现更有效的广告活动，与特定的消费者群体产生共鸣，从而提高转化率。例如传统的人口目标定位有其局限性，因为它无法捕捉消费者行为的细微差别和复杂性。通过机器学习，广告商可以超越人口统计数据，并采用聚类和倾向建模等技术，以识别独特的细分市场，从而实现更加精准的广告定位。
这种微妙和准确的变化，特别在随着新的研究和基础设施投资的大背景中，使人工智能技术能够满足和改进广告行业，以实现更加深思熟虑、战略性和个性化的媒体决策。尽管 AI 实验的激增带来了一系列挑战，但是在不断变化的广告格局中，广告主无疑需要接受这些机器学习系统的自动化。
写在最后：
如今，Moloco 在产品方面已经做好准备，并在海外取得众多客户成功案例的加持下，在挖掘中国市场时充满信心。在通过技术武装自己的同时，Moloco 还在隐私新政不断加强的环境中，秉承着数据透明化的标准，持续维护客户，为其提供高质量的流量和有价值的服务。这也是国内许多开发者所重视的一点，既需要有技术的保障，同时巧妙地应用自身的优势来保持平衡。
京公网安备 11010202008829号