科技猎赤子城刘春河：流量运营3.0时代，SoloMath深入布局基于AI的程序化广告
全球 互联网 流量行业经历了粗放运营的1.0时代、精细运营的2.0时代之后，正式进入智能运营的3.0时代。据Zenith预测，2019年程序化广告的规模将达到849亿美元，占整个数字广告的2/3。
“高效精准的程序化广告将成为流量3.0时代的主流方式，SoloMath希望能把握这个契机，利用大数据和AI， 从减少无效曝光、提升长尾流量价值、减少冗余第三方 等角度，更好地服务于全球广告主和开发者。”赤子城创始人刘春河说。
SoloMath是赤子城旗下基于人工智能的全球化广告服务平台，2014年开始推出广告服务，并逐步搭建自有大数据平台和人工智能引擎，2017年开始布局程序化广告，2018年1月正式发布程序化广告交易平台SAX（SoloMath AdExchange）。
精准定向，实现设备号级别的用户获取
传统的广告购买方式，人群标签是预定义的，并且只能对投放结果进行报表级别的评估。而SAX的程序化购买，通过大数据挖掘直接引导投放的精准定向，实现广告追踪ID级别的获客及变现。同时使投放过程变得更加透明，从更细的颗粒度分析数据，优化投放策略。
SoloMath借助AI引擎及自有DMP平台实现精准定向。以基本特征、社会特征、消费特征、兴趣特征等四大维度为基础，对长期以来积累的一手高付费和高活跃用户进行人群包分类，同时对已有人群进行Look-Alike延展。
其中，基础特征包括用户标识、年龄离散、地域属性等；社会特征包括家庭特征、职业特征、信息渠道特征等；消费特征包括活跃度、下单习惯、付费习惯等；兴趣特征包括兴趣爱好、行为偏好等。
多维度用户标签体系
SAX整合海量的用户数据和交易数据，经过数据清洗、数据管理和数据挖掘，对广告请求进行机器学习和用户动态标签更正，阶段性预测用户的使用和购买倾向。
具体来说，通过静态和动态标签不断进行机器学习，结合对设备、位置、频次、时间等颗粒度条件进行投放学习，匹配后续推广效果，对激活、事件、跳出率等指标进行投放优化，减少无效曝光、降低广告成本浪费、实现有效精准 营销 。
自学习算法模型，实现订单优化与流量分级
SAX的订单投放优化服务，是一套集离线模型分析和在线模型优化于一身的智能AI服务框架。订单加入系统后，会在1分钟内生成多个人群定向方案。经过不断优化服务高并发和多线程上的效果，解决了人群选择的复杂度和性能损耗，保证订单初始化时间不变。
订单投放过程中，实时等待广告主和用户的反馈，以确定模型是否有效。当得到可靠的数据时，高可用高并发无状态数据采集服务，和可伸缩高性能数据清洗、模型训练框架，会在100ms左右更新用户所在区域的Deep-FM模型来优化投放策略，自动修正广告主的订单在这个国家的细节。
流量分级自学习模型，是SAX提升效率的又一利器。该模型会根据广告投放需求，首先从流量库中选取一定比例的流量，通过历史投放数据训练后的分级模型的计算，给出从0到1的11个指标，将流量分为顶级流量、优质流量、普通流量及无效流量。另外，该体系还能将实时数据预测的结果就行返回，对模型就行实时纠正。
流量自动分级流程
在投放前就给流量做出11个level的评价，有效匹配不同广告主的需求和预算，同时通过甄别垃圾流量、无效流量，完成初步的反作弊工作。将人工甄别改为机器识别，大大节省了人工成本、提升了识别效率。
多种投放模式，整合资源、匹配需求
SAX是基于IAB OpenRTB的程序化综合广告交易平台，支持完整标准的OpenRTB、PMP、PDB、PD等多种程序化购买形式，可满有效整合不同类型的流量资源，提升长尾流量价值，并能充分满足多种投放需求。
通过OpenRTB公开竞价交易，实现资源整合最大化，广告主可随时投放广告，并设置定向条件定位目标人群，并随时调整广告策略。PD即保价不保量，流量更加优质，向优质的效果类广告主和品牌广告主开放优质流量的选择权，利用优选流量进行高性价投放。PDB即保量交易，可以优先选择最优质资源，并利用程序化购买的方式进行多维度定向。
SAX的多种购买方式，将长尾流量进行有效整合，结合精准定向，实现长尾流量价值的最大化。PD、PDB等方式，可满足电商、 游戏 、 社交 、快消等行业客户的需求，RTB可满足中小型广告主的需求。多种方式的组合使用，可充分适应不同广告主在不同阶段对流量质量、投放排期、投放预算等多个维度的个性化要求。
赤子城创始人刘春河将SAX比作一个聚合了不同种类、不同层次的商品以及不同类型、不同预算消费者的超级商场。
“这个超级商场是通过智能的程序化购买实现交易的，再小的商户都可以把优质商品卖出去，土豪买家可以快速买到顶级的商品，”刘春河解释说，“SAX要做的是对商品质量的把控，以及根据需求实现精准的、实时的、高效的匹配。 未来，AI和程序化将成为每一个‘流量超级商场’的标配。”
