
新闻/营销
在程序化购买诞生之初,其承诺是依靠算法在正确的时间为正确的用户购买正确的广告。如何做到?通过在几毫秒内实时分析 40 多个广告变量。如果今天的购买订单和拍卖是由算法驱动的,那么媒体交易商的目的又是什么呢?
在程序化购买诞生之初,其承诺是依靠算法在正确的时间为正确的用户购买正确的广告。如何做到?通过在几毫秒内实时分析 40 多个广告变量。如果今天的购买订单和拍卖是由算法驱动的,那么媒体交易商的目的又是什么呢?
自 2010 年程序化技术在法国兴起以来,各种技术不断涌现:提高广播质量、audience targeting via data,但最重要的是在分析方面,以提高广告商对客户的了解并简化其媒体组合。.
举例说明:以下是媒体交易商必须学会整合到其战略中的部分技术,以便从程序化采购中获得最大收益。.
2010 年至今媒体交易技术的演变
为了尽快了解所有这些技术,媒体交易员除了按下按钮启动程序化营销活动外,还需要展示其他技能。.
交易员是品牌必须整合的程序化技术的专家顾问
每天都有新工具问世,使广告更具相关性和影响力。对于广告商来说,这个技术生态系统已经变得难以理解:他们需要一个能够掌握并支持他们的参照物。因此,交易员既是技术专家,又是客户经理,帮助品牌建立适合其需求的生态系统。当这一生态系统建立后,交易员将管理各种工具,将它们连接在一起,并向客户提供一份统一的广告活动资产负债表,其中包含从多种来源获得的可理解的经验教训。.
一些广告客户将媒体购买内部化,这也要求代理媒体交易商具备工具咨询和培训能力。由于编程技能的传授总是循序渐进的,而且往往是片面的,因此广告客户更希望得到代理交易商的支持,帮助他们做出正确的决定。.
媒体交易员不再是孤军奋战,与之相伴的简介已成为不可或缺的一部分
一些技术提供商(Google、Adobe、Adform......)正试图提供 “全栈 ”解决方案,其优势在于可以使所有技术组件以本地方式相互通信。如果不是这种情况,媒体交易商就必须依靠流量开发团队来帮助创建每个工具之间的网关。.
我们还看到,大型 Data 专家在机构中的作用越来越大。这些利益相关者对于确保贸易商和广告商正确理解并获得可用于节目制作的 data 数量至关重要。.
交易员总是自己分析并决定优化和调整,但 Big Data 分析可以让他们更快地看到更多的东西,不错过优化机会,特别是如果这些分析可以直接激活的话。如今,交易台只能依靠其对程序化生态系统的了解和作为买方的专业知识发挥作用。与以往任何时候相比,这一职业已成为一种复合型专业技能。.
最后,生态系统的复杂性和许多工具的重叠性要求各机构能够改进现有的市场工具,使其更切合实际、更易于使用、相互之间的联系更紧密。在机构内部,交易员实际上是真正的趋势探测器,但还需要其他辅助技能。例如,在 Artefact,一个产品团队专门负责自动化某些耗时且附加值低的任务,这些任务由内部交易台管理(贩运、仪表板、优化、data 细分、创建媒体目标等......)。
因此,自动化使人类交易员能够对基金项目(增量测量、新技术测试、广告效果或 data 驱动的归因研究)进行战略性干预,并使广告商提高效率。.
人类必须介入才能克服机器的局限性
拍卖算法的程序设计主要是基于行为量(印象、点击或转化)来实现绩效目标,而且效果相当不错。另一方面,人类必须进行干预,以确保在有利于品牌的环境中进行大量操作。这就是我们的工作,特别是能见度测量、品牌保护和反欺诈解决方案,以及我们开发的内部解决方案,用于检测出版商的不良广告行为。.
这些算法只注重数量,而不考虑广告活动所播放媒体的编辑质量。它们倾向于最大限度地分配 GAFA 网站上的广告活动,而不利于编辑集团的内容网站,如(Prisma Media、Altice Media、Amaury Media、Lagardère......)。GAFAs 不生产内容,但可以在巨大的 audience 中心实现大量广告货币化,从而以无可匹敌的成本保证大量的广告活动。.
在所谓的 “长尾 ”网站和被称为 “优质 ”的内容网站之间分配投资时,交易台必须制定协调一致的战略,而这只关系到媒体购买的相关性。这些机器无法证明,在优质环境中投放的广告与在不太著名的环境中投放的广告在记忆、品牌形象和购买决策方面的影响有何不同。因此,我们不能满足于机器提供的分析来制定我们的战略。.
最终通过机器提高媒体贸易商的能力和生产力,使广告商受益
现在,纯粹的程序化广告购买任务可以在很大程度上实现自动化,从而使交易部门能够集中精力提高媒体行动的价值:使用先进的分配模式,衡量在线营销活动在商店中的影响,或了解不同渠道之间营销活动的互补性。.
得益于人工智能技术的发展和进步,媒体交易员的角色并没有过时,而是更具战略性。另一方面,“媒体交易员 ”这一措辞与现实中的职位格格不入,它已经被程序化顾问或其他受众策划者等限制性较小的分类所取代。.
本文首发于法国媒体 CB 新闻

博客






