蒙特利尔数字营销免费培训营销未来的出路.实现真正意义上由广告驱动的增长,意味着广告主必须利用技术手段突破上述矛盾
以往为了守住退量比，行业常常采用“实时守退量比算法“，实时根据退量比GAP来决定优选流量。举个例子，某美妆品牌的TA为20-40岁女性，媒体每天会推送100个CPM，在某个上午媒体集中推送了大量的30-50岁男性等非TA，根据算法，广告主不得不选择部分进行投放。所以就算下午媒体推送的全为TA，为了保住退量比，广告主也需要放弃部分TA。由于媒体推送的流量中，TA与非TA出现的概率不可人为管控，“实时守退量比算法”无法时刻确保目标流量100%优选，所以会导致广告主KPI完成情况浮动较大，造成营销资源浪费，无法高效驱动增长。
显然，流量预测是最佳方式，通过预测全天TA和非TA流量的推送情况，广告主可基于多维度的考量实现有事实依据的智能化投放，可在守住退量比的前提下，精准达到广告主TA、n+Reach等KPI，进而降本增效，实现广告驱动的增长。为助力广告主达成增长目标，nEqual Serving在行业“实时守退量比算法”的基础上，通过升级模型增加流量预测，打造“当日退量比最优算法”，即可预估全天流量情况，在某些时刻突破退量比要求，退回更多非TA，将优选空间节省下来给TA。例如，依据上述美妆品牌的投放情况，在采用“当日退量比最优算法”后，可根据流量预测，了解到上下午TA与非TA的分布情况从而针对性分配投放策略，从而100%优选目标人群。
此外，为了更好的规避流量异常现象所带来的投放资源消耗，“当日退量比最优算法”同时新增了退量比监督机制，以保障媒体推送的流量在正常或异常情况下，广告主均可不超出退量比阙值并最大化选取TA。
依据实践数据表明，“当日退量比最优算法”可实现退量比在预定GAP范围之内的同时，在不同KPI需求和投放场景下显著降低非KPI流量的优选，增大了TA、未知的优选，从而达成优化投放效果的预期目标，减少不必要的投放成本浪费，实现降本增效。例如在“仅优选TA就能完成目标优选率”类广告位中，“当日退量比最优算法”将TA的优选占比从92%提升到了99.9%接近100%的完全TA优选。
在后续的持续应用过程中，“当日退量比最优算法”还将基于实际落地现状以及技术的不断攻破升级流量预估模型、增加异常情况预警机制、多目标约束建模，以领先的技术全速实现降本增效。
基于经济的下行，如何布局数字化以最少的投入换取最大且持续的利益将是企业未来所关注的要点。而 nEqual Serving 所打造的“当日退量比最优算法”则是目前国内最为领先的PDB创新应用，在帮助广告主进行智能化投放的同时，以流量预测实现降本增效，让智能营销和企业数字化变革的经济价值更加凸显。“当日退量比最优算法”的成功应用也加深了AI在程序化投放领域的发展，进一步促进企业以智能技术构建在广告投放环节的持续增长。