前言：自从数字广告存在以来，广告商和广告公司就一直依靠受众定位来开展广告活动。虽然这种久经考验的策略一直很有效，但在今天这个隐私至上的时代，它的效果正在减弱。今天的广告主不再依赖对受众的预先设定进行预判，而是使用最新的机器学习技术来寻找对的用户。
现在，基于受众定位的最大问题是支持该策略的数据变得不可用或不受欢迎。在技术方面，Apple的AppTrackingTransparency框架已在很大程度上从移动应用内生态系统中删除了广告商标识符 (IDFA)，这意味着现在将一个用户直接连接到一个设备要困难得多（至少在最重要的iOS生态系统中是这样）。随着谷歌开始测试其Android隐私沙盒，其他主要的移动操作系统也迟早会出现类似的情况。这已经是浏览器世界必须面对的现实。Mozilla的Firefox以及Apple的Safari浏览器已经禁止第三方cookie，Google最终也会在Chrome上效仿。当然，广告商的第一方数据可以用于定位目的，但获得足够量的数据并使其大规模使用绝非易事。那些著名的数字身份解决方案被广泛使用至少还需要几年时间，而接下来想要安全、私密地共享数据则完全是另一回事。此外，法律环境将使一对一的目标定位变得不太可行。欧洲的GDPR、巴西的LGPD和加州的消费者隐私法案已经颠覆了数据共享和跟踪的做法，未来几年还会有更多的法律法规涌现。最重要的是，大多数消费者根本不想被广告商在线跟踪。2022年，Permutive和哈里斯民意调查（The Harris Poll）研究发现，英国和美国约四分之三的消费者对跟踪以及他们的数据如何被跟踪并使用非常担忧。诸多的情况使我们不得不思考一个问题：如果消费者追踪的可能性越来越小，那么广告商和代理商如何接触和获得高质量的消费者？这就是机器学习的用武之地。训练有素的高质量机器学习模型的好处在于，它们使广告商能够在不需要用户个人身份信息的情况下找到最佳受众。机器学习能够吸收广泛的行为和上下文数据。比如：在一天中的哪些时间、广告在哪里被看到、人们如何参与广告——从而做出明智的预测。机器学习驱动的广告方法还有助于保护隐私，因为有关用户的数据不会明确地暴露给广告商。以前我们会把婴儿产品推送给新晋父母，基于机器学习的数字广告解决方案不仅针对新晋父母，还可能会洞察到某些其他变量（例如位置或设备类型）可以更好地预测什么人更可能购买特定品牌的尿布，而这可以实现无需标记和跟踪具有某些属性的单个用户。毕竟，除了新晋父母之外，可能还有很多潜在的购买者，我们要做的就是利数据和机器学习找出这些他们。机器学习的另一个特点在于它可以利用这些源源不断的由消费者共享的数据，比如亚马逊平台上用户分享的评论，或者是社交媒体上人们谈论的内容等等。在当今隐私至上的世界里，这些公共数据信息是最好的信息获取途径。当然，并非所有的机器学习都是一样的。几乎所有的广告科技公司都说他们有机器学习，但只有一些公司有资源和记录来支持他们的说法。但在过去几年里，那些在高质量机器学习方面投入了资金的公司，将在未来几年取得成功——它们将在未来的数字广告中发挥作用。Webranding的adtarg系统数据，全部来源于合法途径的美国消费者数据，展示内容不含任何个人隐私信息，这些被处理的数据直接为品牌勾勒出消费者的属性及特征，简单直接的帮助品牌锁定正确人群。对于准备将机器学习作为其广告工作的一部分的公司来说，有很多好处。下面，我们概述了品牌应将人工智能作为其吸引新客户和提高投资回报率战略的原因：通过个性化的相关的广告筛选来提供更好的客户体验。大多数消费者也更喜欢这些类型的广告。10个经常购物的人中有8个表示，他们只会从那些提供个性化购物体验的公司买东西。此外，大约60%的客户不会从没有充分利用个性化策略的公司购买产品。对于那些希望与消费者建立联系、推动销售的公司来说，个性化服务现在比以往任何时候都更加重要。机器学习筛选海量数据以提供更加个性化的广告。这些可以通过对话式营销策略或季节性、天气和地区来传递。例如，在12月，宣传汽车电池或热麦片可能更有意义。一月份，您可能想根据消费趋势宣传御寒服装或登山靴。当您考虑个性化时，区域性也是要考虑的一个重要因素。例如，居住在佛罗里达州的人与居住在纽约的人对气温的敏感度会非常不同。同样的温度，在纽约，有人可能会穿上一件轻便的毛衣，而在佛罗里达州，有人可能会穿着外套和手套。因此，您需要相应的个性化您的广告。
当依赖于人工决策过程时，可能会遇到一些障碍，导致做出不太理想的选择。从分析中区分并获得洞察是很难的，从收集到的大量数据中辨别什么是重要的就更难了。公司意识到这些挑战，并试图用机器学习来解决它们。大约65%正在使用或计划使用人工智能的组织将其对知情决策和分析的重要性作为实施这类技术的关键原因。
当广告商使用人工智能或基于机器学习的工具时，算法会考虑他们在给定主题上得到的所有信息和数据，并利用这些信息做出可能的最佳决策。随着时间的推移，随着算法收集到更多的信息，这些决策也会不断改进。最终这些工具可以为目标人群量身定制更好的方案。
对于想要确保广告与目标受众相关的广告商来说，更好的决策变得越来越重要。错误的广告不仅会给用户带来烦恼，还会降低品牌的可信度。
创意并不是人工智能帮助广告商做出更好选择的唯一领域。市场在不断变化；作为广告商，跟上需求是很重要的。例如，越来越多的消费者转向数字购物，而不是进入商店，特别是在疫情期间。机器学习可以考虑这些变化，决定什么是相关的，并决定下一步的行动，使营销活动更有成效。
AI还可以超越传统的A/B测试，在活动上线前预测创意表现。这一点很重要，因为它可以帮助营销人员在创造性的方法上变得更积极主动，而不是被动，这可以产生更多的转换和更高的参与度。
机器学习可以用来优化广告中的创意元素，比如通过使用历史数据来确定什么样的颜色和信息将与你选定的消费者联系起来，并推动销售。机器学习还可以通过广告的文案内容来确定发布的位置：在网上浏览婚纱的准新娘会成为婚礼相关广告的主要目标。或者利用基于位置和天气洞察的个性化服务来锁定用户：在暴风雪来临之前，在你的商店推销手套和帽子；在热情的夏天，鼓励人们走出家门来实体商店购买。
4. 无需 cookie 即可提高性能
根据行业调查，许多营销人员的预算使用效率下降，导致大多数预算浪费的原因是只关注了覆盖面而不是营销质量。向错误的受众展示您的品牌信息无疑是一个代价高昂的错误！
如果没有cookie广告主就很难利用数据来推动结果。此外，随着新法规的出台，以及消费者寻求隐私保护压力的增加，企业必须提供相应的个性化体验，而不能让人觉得有侵犯性。通过利用机器学习和广告定位，公司可以识别哪些信息与他们的观众产生共鸣，然后通过人工智能使用上下文提示和准确的数据来确定哪种广告最有可能提升转化率。机器学习可以在不使用cookie的情况下发布这些活动和信息，同时尊重数据隐私。
结语：机器学习可以识别受众行为，从而实现更好的细分和目标定位。41%的广告商正在利用机器学习来大规模提供个性化服务。大约40%的营销人员正在使用人工智能更好地利用数据进行决策。机器学习的应用将继续塑造这个行业，带来更好地与消费者的关系和更成功的营销策略。博鼎国际adtarg智能营销平台的CIS、VOC、MLS三个重要营销辅助模块，运用机器学习、人工智能等多种方式，帮你锁定受众、制定个性化营销方案。通过不断地学习优化我们的数据、技术、策略和服务与跨境电商品牌一同成长！
2030
