คู่มืออุตสาหกรรม

AI ในการโฆษณาแบบเป็นโปรแกรม

AI ในการโฆษณาแบบเป็นโปรแกรมคือการใช้การเรียนรู้ของเครื่องเพื่อซื้อและขายการแสดงโฆษณาดิจิทัลโดยอัตโนมัติ โดยการตัดสินใจในหน่วยมิลลิวินาทีว่าจะแสดงโฆษณาใด แสดงต่อใคร และราคาเท่าใด

ฟังคำแนะนำนี้บรรยายโดย AI · ~3 min

บนหน้านี้อ่าน 4 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของ AI ในการโฆษณาแบบเป็นโปรแกรม
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. คำถามที่พบบ่อย

ภาพรวม

เป็นเรื่องสำคัญเนื่องจากพื้นที่โฆษณาแบบดิสเพลย์ วิดีโอ และทีวีที่เชื่อมต่ออินเทอร์เน็ตส่วนใหญ่ในปัจจุบันมีการซื้อขายในลักษณะนี้ ดังนั้น โมเดลเหล่านี้จึงกำหนดสิ่งที่โฆษณาที่ผู้คนเห็น สิ่งที่ผู้เผยแพร่โฆษณาได้รับ และความเสี่ยงในการฉ้อโกงและความเป็นส่วนตัวที่ระบบต้องดำเนินการ

เจาะลึก

เมื่อโหลดหน้าเว็บหรือแอปที่มีช่องโฆษณา แพลตฟอร์มฝั่งอุปทานของผู้เผยแพร่โฆษณาจะส่งคำขอราคาเสนอ ซึ่งมักจะอยู่ในรูปแบบ OpenRTB ที่ดูแลโดย IAB Tech Lab ไปยัง Ad Exchange และแพลตฟอร์มฝั่งดีมานด์ คำขอจะอธิบายการแสดงผล: ไซต์หรือแอป ขนาดโฆษณา ประเภทอุปกรณ์ ตำแหน่งโดยประมาณ และตัวระบุผู้ใช้ที่มีอยู่ โดยทั่วไปการประมูลทั้งหมดจะมีงบประมาณเวลาประมาณ 100 มิลลิวินาที และโฆษณาที่ชนะจะแสดงก่อนที่ผู้ใช้จะสังเกตเห็นความล่าช้า AI ทำหน้าที่ตัดสินใจเป็นส่วนใหญ่ DSP เรียกใช้โมเดลที่คาดการณ์อัตราการคลิกผ่าน อัตรา Conversion หรือความสามารถในการแสดงตัวโฆษณาสำหรับการแสดงผลแต่ละครั้ง จากนั้นเปลี่ยนการคาดการณ์เหล่านั้นให้เป็นราคาเสนอ เนื่องจากอุตสาหกรรมเปลี่ยนจากการประมูลราคาอันดับสองไปเป็นการประมูลราคาอันดับ 1 ระหว่างประมาณปี 2017 ถึง 2019 (Google Ad Manager เปลี่ยนในปี 2019) DSP ได้เพิ่มการแรเงาราคาเสนอ: โมเดลประมาณการราคาต่ำสุดที่น่าจะยังคงชนะอยู่ ดังนั้นผู้ซื้อจึงไม่จ่ายเงินมากเกินไป ในด้านการขาย SSP จะกำหนดราคาขั้นต่ำแบบไดนามิกและตัดสินใจว่าจะโทรหาพันธมิตรอุปสงค์รายใด ในอดีตการสร้างแบบจำลองผู้ชมขึ้นอยู่กับคุกกี้ของบุคคลที่สามที่ติดตามผู้ใช้ข้ามไซต์ Safari บล็อกพวกเขาตามค่าเริ่มต้นและ Firefox จำกัดพวกเขา และความโปร่งใสในการติดตามแอปของ Apple (2021) จำกัดรหัสโฆษณาบนมือถือ Google ใช้เวลาหลายปีในการวางแผนเลิกใช้คุกกี้ของบุคคลที่สามใน Chrome ผ่านทาง Privacy Sandbox จากนั้นในปี 2024 ก็กลับรายการและกล่าวว่าจะไม่บังคับให้นำคุกกี้ออก อย่างไรก็ตาม อุตสาหกรรมได้เปลี่ยนไปสู่ข้อมูลจากบุคคลที่หนึ่ง การกำหนดเป้าหมายตามบริบท ห้องปลอดข้อมูล และตัวระบุทางเลือก การฉ้อโกงโฆษณาเป็นปัญหาที่เกิดขึ้นอย่างต่อเนื่อง บอท โฆษณาที่ซ่อนอยู่ และโดเมนปลอมแปลงจะทำให้งบประมาณหมดไป การดำเนินการ Methbot ที่เปิดเผยในปี 2559 เป็นการดูวิดีโอปลอมบนเว็บไซต์พรีเมียมเวอร์ชันปลอม โมเดลการตรวจจับจะมองหาพฤติกรรมที่ไม่ใช่มนุษย์ และมาตรฐาน ads.txt และ vendors.json ช่วยให้ผู้ซื้อตรวจสอบได้ว่าใครได้รับอนุญาตให้ขายพื้นที่โฆษณาของไซต์ ความเข้าใจผิดที่พบบ่อยคือ AI โฆษณา 'รู้จัก' บุคคลต่างๆ โมเดลส่วนใหญ่ทำงานร่วมกับสัญญาณความน่าจะเป็น และการกำหนดเป้าหมายส่วนใหญ่จะขึ้นอยู่กับบริบทหรือแบบจำลองในระดับกลุ่ม

การใช้งานจริงในโลกแห่งความเป็นจริง

แพลตฟอร์มฝั่งดีมานด์ (DSP) คาดการณ์ความน่าจะเป็นที่การแสดงผลหนึ่งๆ จะนำไปสู่การซื้อ แล้วคูณด้วยมูลค่าต่อ Conversion ของผู้ลงโฆษณาเพื่อกำหนดราคาเสนอในการประมูลแบบเรียลไทม์

แพลตฟอร์มฝั่งอุปทาน (SSP) ของผู้เผยแพร่ข่าวใช้ราคาขั้นต่ำแบบไดนามิก โดยเรียนรู้ราคาขั้นต่ำของการแสดงผลแต่ละประเภทที่มีแนวโน้มที่จะดึงมา เพื่อไม่ให้ขายพื้นที่โฆษณาในราคาถูกเกินไป

ระบบตรวจจับการฉ้อโกงจะทำเครื่องหมายกลุ่มของ 'ผู้เยี่ยมชม' ที่โหลดเพจจากที่อยู่ IP ของศูนย์ข้อมูล ไม่ต้องเลื่อนดู และคลิกในช่วงเวลาปกติของเครื่อง และการรับส่งข้อมูลนั้นจะถูกยกเว้นก่อนที่จะเสนอราคาใดๆ

ผู้ค้าปลีกที่ไม่มีข้อมูลคุกกี้ของบุคคลที่สามใช้การกำหนดเป้าหมายตามบริบท: โมเดลจะอ่านเนื้อหาของบทความการเดินป่าและเสนอราคาในหน้านั้นสำหรับโฆษณาอุปกรณ์กลางแจ้ง โดยไม่มีตัวระบุส่วนบุคคลที่เกี่ยวข้อง

อนาคตของ AI ในการโฆษณาแบบเป็นโปรแกรม

คาดว่าจะมีการเคลื่อนไหวอย่างต่อเนื่องไปสู่สัญญาณที่ไม่ต้องพึ่งพาการติดตามข้ามไซต์: ข้อมูลจากบุคคลที่หนึ่งของผู้เผยแพร่ โมเดลเชิงบริบทที่เข้าใจความหมายของหน้าและวิดีโอ และห้องปลอดเชื้อที่ผู้ลงโฆษณาและผู้เผยแพร่จับคู่ผู้ชมโดยไม่ต้องแลกเปลี่ยนบันทึกดิบ เครือข่ายสื่อค้าปลีกและทีวีที่เชื่อมต่ออินเทอร์เน็ตกำลังเติบโตช่องทางซึ่งแนวทางเหล่านี้เป็นเรื่องปกติอยู่แล้ว กฎหมายความเป็นส่วนตัวในเขตอำนาจศาลต่างๆ จะยังคงจำกัดข้อมูลที่สามารถป้อนให้กับโมเดลผู้ชมได้ และการวัดผลจะอาศัยการระบุแหล่งที่มาแบบรวมและแบบจำลองมากขึ้น การฉ้อโกงจะปรับตัวต่อไป รวมถึง generative AI ที่ใช้ในการผลิตไซต์ที่สร้างขึ้นเพื่อการโฆษณาคุณภาพต่ำจำนวนมาก ดังนั้นการตรวจสอบและความโปร่งใสของเส้นทางการจัดหาจะยังคงเป็นศูนย์กลาง นโยบายคุกกี้ของเบราว์เซอร์มีการพัฒนาต่อไปอย่างไรยังคงไม่แน่นอน

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • บริบทและกฎ. บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่
  • การควบคุมคุณภาพ. ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล
  • สร้างทางเลือก. การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า

ระวัง

  • ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้
  • ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง
  • ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้

ขั้นตอนต่อไป

  1. ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน
  2. ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว
  3. ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ
  4. เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

Take the AI in Programmatic Advertising quiz

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

คำถามที่พบบ่อย

AI ในการโฆษณาแบบเป็นโปรแกรมคืออะไร?

AI ในการโฆษณาแบบเป็นโปรแกรมคือการใช้การเรียนรู้ของเครื่องเพื่อซื้อและขายการแสดงโฆษณาดิจิทัลโดยอัตโนมัติ โดยการตัดสินใจในหน่วยมิลลิวินาทีว่าจะแสดงโฆษณาใด แสดงต่อใคร และราคาเท่าใด เป็นเรื่องสำคัญเนื่องจากพื้นที่โฆษณาแบบดิสเพลย์ วิดีโอ และทีวีที่เชื่อมต่ออินเทอร์เน็ตส่วนใหญ่ในปัจจุบันมีการซื้อขายในลักษณะนี้ ดังนั้น โมเดลเหล่านี้จึงกำหนดสิ่งที่โฆษณาที่ผู้คนเห็น สิ่งที่ผู้เผยแพร่โฆษณาได้รับ และความเสี่ยงในการฉ้อโกงและความเป็นส่วนตัวที่ระบบต้องดำเนินการ

การประมูลเสนอราคาตามเวลาจริงโดยทั่วไปจะใช้เวลาดำเนินการเสร็จสิ้นประมาณเท่าใด

โดยทั่วไปการประมูล RTB จะดำเนินการภายในงบประมาณประมาณ 100 มิลลิวินาที ดังนั้นโฆษณาที่ชนะจึงสามารถแสดงผลก่อนที่ผู้ใช้จะสังเกตเห็นความล่าช้า

องค์กรใดที่รักษารูปแบบ OpenRTB ที่ใช้กันทั่วไปสำหรับคำขอราคาเสนอ

OpenRTB ได้รับการดูแลโดย IAB Tech Lab ซึ่งเป็นหน่วยงานมาตรฐานทางเทคนิคของอุตสาหกรรมการโฆษณา

การแรเงาราคาเสนอทำอะไร?

ในการประมูลแบบใช้ราคาอันดับ 1 ผู้ชนะจะจ่ายตามราคาที่เสนอ ดังนั้นแบบจำลองการเสนอราคาจะประมาณราคาที่ชนะต่ำสุดเพื่อหลีกเลี่ยงการจ่ายเงินมากเกินไป

เหตุใดการคาดการณ์อัตราการคลิกผ่านในโปรแกรมเสนอราคาจึงต้องได้รับการปรับเทียบอย่างดี ไม่ใช่แค่มีการจัดอันดับที่ดีเท่านั้น

ราคาเสนอคำนวณจากความน่าจะเป็นที่คาดการณ์ไว้ ดังนั้นการประมาณค่าสูงเกินไป 20 เปอร์เซ็นต์จะแปลเป็นราคาเสนอสูงเกิน 20 เปอร์เซ็นต์โดยตรง

Google ประกาศอะไรในปี 2024 เกี่ยวกับคุกกี้ของบุคคลที่สามใน Chrome

หลังจากวางแผนเลิกใช้ Privacy Sandbox เป็นเวลาหลายปี Google กล่าวในปี 2024 ว่าจะไม่บังคับให้ลบคุกกี้ของบุคคลที่สาม

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →