|“效果和安全”我都要？巨量引擎两大神器了解一下？
本文插图
“提升消费者与品牌数据的安全性 ， 是赢得广告主信任的基础 。 但‘层层加密’的数据又该如何被运用到营销中 ， 更好地提升营销回报？”在刚落幕的金投赏峰会上 ， 一位数字营销服务商抛出了这样一个疑问 。
这触发了行业一个“老大难”问题：广告主的第一方数据 ， 如何与媒体平台以及上下游协同？此前在一场行业线上活动中 ， 中国广告协会互联网广告委员会秘书长霍焰女士也表示：如果要广告主提升对数字广告的信任度、投放预算 ， 需要各方共建真实、可信的数字营销环境 。 那么这样的环境究竟该如何实现？安全和效果可以同时拥有吗？成为行业长期探索的问题 。
广告主的天平——安全、效果如何平衡？
增长压力下 ， 广告主加速线上转型步伐 。 无论是正在向线上布局的品牌 ， 还是已经深耕线上的商家 ， 对流量的获取、效果的追求都已经成为制胜的关键 ， 效果成为广告主考核的重中之重 。
而在提升投放效果的过程中 ， 数据成为归因和优化的“敲门砖” 。 广告主的后端数据 ， 是用以匹配平台数据、建立投放模型 ， 进行精准营销的重要根据 。 双方数据融合、共建过程中 ， 广告主的数据是1 ， 媒体平台的技术能力是后面的0 。 理想的状况是 ， 让这些数据匹配媒体平台的数据、运算技术 ， 最大程度加持广告效果 。
但正如广告主、行业专家看到的那样 ， 广告主在数据安全上还有诸多考虑 ， 造成投放效果无法达到最佳 。 具体体现在以下三个方面：
1. 广告主无法实时回传后端深度数据 。
2. 广告主考核周期长 ， 无法通过深度转化产品实时优化 。
3. 首次考核投放目标大模型已有正例累积不足 ， 成本波动大、跑量困难 。
如果不能实时更新数据、共建基础样本 ， 平台要得到准确的结果是很困难的 。 这些既成为广告主的痛点 ， 也是行业共同推进数字营销发展的难题 。
那么 ， 平台应该如何照顾到广告主对数据安全的顾虑 ， 同时保证投放效果最大化？技术门槛和数据开放难题下 ， 这已经成为行业的共性痛点 。
两种解决方案：联合建模、联邦学习
在数据的开放性、实时性有限的情况下 ， 如何增进协同效率 ， 在安全的同时将投放效果最大化？站在前人的肩膀上 ， 巨量引擎基于字节跳动旗下超过15亿的月活跃用户数 ， 根据自身平台属性 ， 对这道难题给出了两种新解法 。
第一种是联合建模 。 顾名思义是广告主和平台共建模型 。 具体操作上 ， 首先需要广告主提供样本数据 ， 然后由巨量引擎匹配后台数据模型及特征并进行筛选 ， 通过自动建模训练出专属私有模型 ， 再进行投放 。
就好比果农需要为商人种植“更甜”的苹果 ， 但由于技术机密 ， 商人无法把全部“更甜”的苹果种子直接给到果农 ， 但是商人通过几粒种子的特点告诉了果农“更甜”的苹果几个核心的特征 ， 比如“更大”“更圆”“更红” ， 果农了解到了这些特征后 ， 便到自家果园深度学习这些特性 ， 最终用自己高超的种植技术批量种出“更甜”的苹果给到商人 。 这种方法针对的是需要考核深度转化目标、对数据隐私安全要求高的客户 。
第二种是联邦学习 。 它可以在不泄露明文数据的前提下 ， 用多方的数据共同训练模型 。 这也是“围墙花园”的一种 ， 广告主、平台共同构建一个数据“花园” 。 各方可以从外部登入数据系统 ， 在投放广告时利用这些数据 ， 但却不能够直接接触到这些数据 。 数据如同花园里的花 ， 可观赏 ， 发挥了它的功能 ， 但不可接触、不可获得 ， 品牌的数据持有方仍是广告主 ， 数据不会离开广告主的花园（私域服务器） 。
联合建模和联邦学习最大的差异在于运行环境 ， 前者在巨量引擎的云环境 ， 而后者在广告主所有的三方/私有云环境 。 这也给了广告主可进可退的两种选择 。
推荐阅读
- 大京网|从保暖内衣到运动器材都要“技术内涵” 京东11.11凸显功能精细化热趋
- 成交额|从保暖内衣到运动器材都要“技术内涵” 京东11.11凸显功能精细化热趋
- 耳机|颜值音质舒适度我全都要，JEET ONE无线蓝牙耳机开箱评测
- |CreaCon2020巨量创意节开幕欢迎来到''新大创意''时代
- 深网|深网丨余承东：无论有多大困难，华为手机业务都要继续下去
- 苹果|iOS14.1发布修复大量错误 苹果：iPhone用户都要去升级
- 雷科技|苹果连充电口都要干掉？
- 沫言|某员工哀叹：互联网行业太看重学历，没上好大学，一辈子都要背着
- 电脑使用技巧|软路由神教 万物皆可软路由，砖头都要看看是不是双千兆？
- |最贵99.9！性能、颜值全都要 6款百元以下便携打气筒