随着广告技术的不断升级，全球流量行业逐渐从粗放走向精细，而程序化广告在其中扮演着重要角色。赤子城旗下SoloMath广告服务平台，近年来不断发力程序化购买，利用AI技术和海量数据减少无效曝光、提升长尾流量价值、减少冗余第三方，提升全球流量生态的效率。

　　AI加持的ATB受众触碰体系

　　ATB(Audience Touch Builder)受众触碰体系，是赤子城为实现精准投放而搭建的一套技术体系，可有效打破在广告投放与变现回收过程中，长期困扰开发者们的“黑盒”问题，找到高净值与高活跃用户，将投放费用花在“刀刃”上，提高效率，降低成本，减少无畏的浪费，从而大大提升ROI。

　　ATB受众触碰体系依托于赤子城的流量及数据生态，在SoloAware人工智能引擎的驱动下实现。通过分析设备号、运营商、时间戳、语言、IP、事件、搜索关键词等各个维度的数据，对用户行为进行记录和分析，通过AI算法分析用户的价值和标签，并对每个用户喜好的权重进行标记，完成ATB用户档案的建立。

　　基于“ATB体系”，在推广过程中，可以对用户数据进行去中心化反向验证，分析出价，从设备号级别对不同的用户(而非国家/地区级别)给出不同的底价，从而通过程序化购买提升收入。对于已有用户，密切关注高净值用户，便于防止其流失或对其进行流失后的找回。

　　“ATB体系”的实现，建立在赤子城庞大的流量生态和数据生态之上。ATB的数据来源有三种：一是自有产品矩阵 6 亿用户的自有数据，细致深入;二是客户投放过程中第三方追踪平台的数据回传，产品类型及数据类别非常丰富;三是程序化广告平台数据，量级非常大，日承载广告请求数十亿级别。各方数据之间相互进行验证，共同对用户进行分析。

　　除了实现精准投放外，“ATB体系”还可以通过一些特殊行为数据来排除“噪音干扰用户”，从一定程度上解决流量安全问题。这些“噪音”包括：连续 48 小时不睡觉、频繁下载和卸载各类型APP、极短时间内在多个地区出现、使用多种不同的语言等等。

　　AI化的订单优化与流量分级

　　除了ATB体系，SoloMath还通过自学习的算法模型，实现订单的优化和流量分级。

　　订单优化对速度要求极高。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，通过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。

　　流量分级模型

　　而流量分级主要通过SoloAware的自学习分级模型实现。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 11 个级别指标，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进行返回，对模型进行实时纠正。

　　在投放前进给流量做出 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。

　　AI加持下的“流量超级商场”

　　赤子城 2017 年开始布局程序化广告， 2018 年初发布程序化广告交易平台SAX(SoloMath Ad Exchange)，目前日承载广告请求已达到 70 亿次。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。

　　通过机器学习，SAX可阶段性预测用户的使用和购买倾向，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。

　　可以说，SAX是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“流量超级商场”。

　　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，土豪买家也可以快速买到顶级的商品。在这个商场中，SAX所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。

　　 2013 年开始出海的赤子城，在 6 年间积累了流量、数据、算法的立体生态，以SoloAware人工智能引擎为核心，赋能产品矩阵、广告服务、内容电商等。推动广告服务不断走向精准、高效，是赤子城及SoloAware引擎的重要目标之一。

本文由站长之家用户投稿，未经站长之家同意，严禁转载。如广大用户朋友，发现稿件存在不实报道，欢迎读者反馈、纠正、举报问题（反馈入口）。

免责声明：本文为用户投稿的文章，站长之家发布此文仅为传递信息，不代表站长之家赞同其观点，不对对内容真实性负责，仅供用户参考之用，不构成任何投资、使用建议。请读者自行核实真实性，以及可能存在的风险，任何后果均由读者自行承担。