智能决策：计算广告运作环节的功能性重构
蔡润珩 宋若涛
【摘要】智能决策是一个多领域的问题解决与优化的过程，随着技术的更迭，在动态决策的计算广告运作中，经历了辅助信息、决策参与和决策应对的技术化功能演进过程。从智能决策的功能演进视角切入，针对广告策略、内容定制、渠道选择与投放、广告效果监测等环节进行分析，总结智能决策给计算广告的运作带来的功能性重构与优化。
【关键词】计算广告运作;智能决策;人工智能;功能演进
广义上的计算广告包括所有以数据和算法为底层逻辑的广告形式，计算广告能够以数据为基础参与到决策层中，以数据驱动决策。在智能技术演进的逻辑背景下，技术的进步催生了新型的智能决策范式，决策主体参与度不断强化，决策流程从线性决策转向动态决策。智能决策激发了计算广告的创造性价值，计算广告的运作环节围绕着智能决策的功能定位进行功能性重组。
一、智能决策理论与方法
决策，从概念上来讲是为了解决一定的问题，从而对信息进行收集、加工、判断，最终做出决定的过程。决策作为问题解决过程既需要足够的数据做“理性计算”[1]，也需要足够的经验和传统做“认知理性”。[2]在传统的决策范式下，主要依靠人工的经验、习惯和有限的数据分析做出决策，在问题求解的假设模型上遵循经典理论框架，对理论依赖性较强。传统决策无法有效应对日益复杂、开放、不确定的决策需求。随着数据科学的发展，基于大数据技术的数据密集型科学发现范式（Data-Intensive Scientific Discovery）成为第四科学范式[3]，推动着传统决策向数据化的智能决策转变。大数据环境下，对数据信息的挖掘与分析，从定量上为决策提供有效的“理性”数据;通过机器学习、自然语言处理等智能技术对数据在因果和认知维度上的挖掘，为决策提供符合人类思维方式的“经验性”数据，在数据的驱动下决策过程转向智能决策过程。智能决策理论也完成了从单人决策到群体决策、从单目标决策到多目标决策、从静态决策到动态决策的转变。[4]Provost等认为数据科学的终极目标就是改善决策[5]，从数据到知识，从知识到决策，是当前大数据智能的计算范式。[6]新的科学范式下，智能决策就是用智能计算方法对大数据进行智能化分析与处理，从中抽取结构化的知识，进而对问题进行求解或对未来做出最优判断的过程。[7]
智能决策在本质上是一个将数据价值转换为决策价值的过程。在转换过程中，跨域数据是智能决策的基础，分析模型是智能决策的方法，智能决策系统是智能决策的方法载体。智能决策支持系统是将问题转化，设计问题解决方案，输出决策结果的过程。智能决策的多领域背景，决定了其有不同的决策偏向与特征。在广告领域，更加注重智能决策的相关性、动态性、有效性和智能性。智能决策同样处在动态发展的过程中，智能决策在计算广告中随着技术的更迭和数据处理能力的提升，其功能演进也是一个不断深化的过程。
二、智能决策在计算广告运作中的功能演进
（一）后置决策下的信息辅助功能
广告运作一般表现为广告调查、广告市场分析、广告策略、广告创意制作、广告媒体组合、广告媒体投放、广告效果分析和广告反馈应对等环节。[8]在计算广告诞生之初，基本上是将线下的传统运作流程照搬到线上，广告运作开始参考互联网数据信息，利用人口统计学属性对广告目标进行划分，效果衡量指标也呈多元化特点，但从整体上来看运作流程呈线性的运作态势。
这一阶段的智能决策的主体仍是广告从业人员或组织。专家系统的理性数据计算成本过高，主导着计算广告决策的仍然是决策制定者的认知理性。在决策理论假设中，消费者被视为“理性人”在市场中活动，对广告信息传播的应对遵循归因理论。依照这种理论假设建构的智能决策模型，消费者有着千篇一律的画像，个体差异性未能识别。智能决策更多的是在广告运作之后，借助刚刚收集到的信息辅助决策。智能决策在计算广告运作中起到提供决策参考信息的作用，其决策目的是为了实现广告信息传播的大范围覆盖，触达更多的用户。
（二）决策前置下的决策参与功能
进入21世纪以后，互联网上半场的人口红利开始凸显，数字技术逐渐成为决定广告产业发展方向的核心要素[9]，技术驱动下数据仓信息逐渐积累和大数据技术的应用，使智能决策在计算广告运作中前置，场景、用户、广告之间的匹配成为可能。
这一阶段智能决策在决策主体的力量对比中，科学化的数据分析成为制定广告决策的重要依据，在决策制定过程中智能决策的主体地位开始凸显。三方数据管理平台的构建与发展，使决策信息的广度和深度都得到了有效的提升。基于数据的累积和社会化媒体的交互性特点，关系维度上的数据关联与挖掘成为主流。智能决策的模型倾向也开始发生变化，“群体中的个体”成为广告目标挖掘、广告信息传播的逻辑。计算广告在协同过滤这一群体化的智能决策逻辑下运行，以挖掘群体共性为立足点，以点带面，从而达到一定程度上的精准化营销。在决策流程上，智能决策环节前置，在策略制定阶段提供有效的决策辅助信息，但在广告运作执行阶段，仍属于线性的程序化投放与应对。
（三）全链决策下的决策应对功能
智能决策之所以能够在全链维度上影响计算广告运作，核心在于人工智能技术的发展。尤其是在智能决策具备实时决策应对的特点之后，计算广告运作在一定程度上能够实现自主决策，大规模高效的精准化营销成为可能。
在全链决策阶段，决策主体上智能决策系统通过人工智能技术利用原有人类知识，学习、推理、解决新的问题，以“行动者”的身份参与到策略制定中来。计算理性与认知理性在机制上实现共生，决策主体转向人机协作。决策数据来源上，云计算环境下决策资源虚拟化，分布式的跨领域数据库得以建构。消费者实时数据的导入，使决策变得更加精准，也带来新的决策解决视角与维度。在决策模型建构上，对理论的依附程度下降，如基于竞价行为数据，可以構建可迭代更新的决策模型，从而突破市场主体效用函数的不准确性和不可观测性。在决策流程中，依据消费者所处的不同情境，动态化决策流程得以实现。这一阶段计算广告运作中智能决策的目的是，在人工智能技术的促进下，识别消费者所处场景，协助广告决策制定，动态优化广告投放，实现广告信息价值与需求之间的高效匹配，从而达到精准化营销。
智能决策在计算广告运作中的功能定位经历了后置、前置、全链三个阶段，决策功能也经历了从提供辅助信息、决策参与到决策应对的演变。这三个阶段的决策特点分别是触达、交互与精准、动态与高效，这也决定了不同阶段信息传递、数据化与自动化、及时化的广告运作特点。
三、智能决策下计算广告运作模型建构
（一）广告策略
1.策略制定：从人工到人机协作
在前置决策中，面对不确定环境的决策问题，专家系统的知识库是有限的、不完全的，以既有模型推理出的知识也更为有限，难以有效形成动态的、可靠的问题决策判断，达到合理的决策结果。
在智能决策中，一方面可以根据以往的历史数据建立预测模型，自动化估算出各个环节的决策可能产生的结果，为广告决策制定提供依据。另一方面，人工智能可以在计算广告决策实施后，通过自我学习模型，及时获取消费者数据反馈，从而调整、优化。前者保证了在决策前端能够为决策者提供足够的决策依据，甚至在一定程度上自主决策;而后者则是保证了在营销过程中能够根据及时的数据信息对决策作出优化，从而在运作中实时提供决策。业内同样开始重视对智能决策数据平台的建构，如品友互动推出的AlphaData智能企业数据管理平台帮助企业将私域和公域领域的各方数据实现整合利用，基于智能算法，输出策略建议，支持决策。[10]
2.消费者洞察：从挖掘到预测
在决策前置下，消费者洞察无论是针对群体还是个人，数据分析更加偏向于结构化的数据。消费者洞察仍然需要广告主或代理公司主动寻找消费者属性之间的关联性，挖掘成为价值获取的主要方式。
弱人工智能的重要发展方向就从计算智能转向认知智能，从认知层面理解人类的知识谱系和行为逻辑，从而在技术层面赋予智能决策认知消费者情景信息，做出行为预测的能力。在认知的基础上，智能决策系统可以有效地处理非结构化的数据，决策系统能够更好地认知消费者所处的环境与背景，有效提升认知准确度。在智能算法上，流式的多层截断型算法和因果算法的提出与应用，能够让智能决策系统更好地理解数据与行为之间的关系。预测消费者可能存在的需求，从而达到“所见即所需”的精准化营销。
（二）内容定制
计算广告运作中的智能决策在广告创意和广告表现两个领域影响内容策略，前者是隐性的内容生产，后者是显性的内容生产。[11]
1.广告内容：从生成到创作
广告内容的自动生成是数据化时代的产物，在前智能决策阶段，广告内容在一般意义上来说同样是依赖数据而产生的。但是，囿于算法和数据的有限性，对数据的利用率较低。在广告创意和个性化的广告需求上，仍然需要依赖广告人员进行创作，数据对广告内容创作的影响相对较低。
到了人工智能时代，广告内容生产转向人机协作式的内容创作。在广告创意阶段人工智能可以辅助广告人员进行数据的分析与整理，预测与调整广告创意的可能性效果，从而优化整个广告创意过程。从内容生产角度来说，通过对海量广告信息的深度学习，不断地测试训练人工智能，使人工智能生产出的广告内容在一定程度上符合人们的信息接收习惯和较为深层次的意义释义。
2.广告设计：从注意到体验
如果说广告内容注重的是消费者与广告目的之间的匹配，那么设计更多注重的是广告内容与场景之间的结合。在大数据应用的初期，程序化广告设计更倾向于对用户注意力的吸引，在形式上囿于数字化媒体的局限性、互动性，更多集中在线上层面。
在人工智能时代，随着物联网技术的深入，包括户外媒体在内的广告媒介开始走向数字化的方向。基于數字化设备线上线下的互动、融合式广告呈现，广告设计不再局限于吸引消费者的注意力，开始转向与消费者所处的空间相适应，利用广告媒介数字化的特点和VR、AR技术，强调消费者的参与式体验，从而达到品效合一的广告目的。智能创作的文字、语音、视频、文案等多样化的内容也为广告设计提供了更加丰富的设计基础。如科大讯飞和雪佛兰在世界杯期间的智能语音互动H5广告，通过科大讯飞的语音识别技术，利用方言生成战队助力音。通过新颖的语音互动，在吸引用户试驾转化的同时借助社会化网络多次传播。
（三）渠道选择与投放
1.程序化购买：从程序化到智能化
智能决策在决策参与阶段，在广告投放环节，其主要实现的功能是广告交易的自动化。在智能决策的前置竞价策略下通过程序化购买完成广告交易的自动化。由于缺乏大规模有效的价格估算，程序化购买更多的作用在广告交易环节，价值难以反哺到整个广告产业链。
而在实时程序化购买中，OCPA（Optimized Cost Per Action）出价策略能够通过机器学习预测每一次曝光的价值，预估广告投放价格，自动计费。随着机器学习的深入，以人为核心的售卖方式变得灵活，线上线下的组合、跨屏用户的识别都在为广告的程序化购买赋予智能基因。尤其是消费者所处场景能够实时识别，依据场景信息所制定的决策，需要动态化的投放策略与竞价策略。丰田汽车在土耳其通过Platform161平台向广告供应平台Awarion购买并投放程序化广告，平台会根据道路终端所处场景的要素变化来实时调整广告创意。如在道路拥堵的场景下，丰田的广告投放策略就会动态调整为突出丰田混合动力油耗较低的创意策略，并且显示当前的交通状况。
2.媒介购买：从组合到融合
供应方平台通过广告网络将互联网中的剩余广告资源整合起来，纳入到整个广告交易的环节当中。广告主依靠自己的广告决策和点击率预估，购买与目标消费人群相对应的某种或几种媒介和广告形式，然后交易平台进行自动化的投放。智能决策所给出的购买方式更趋向于不同媒介或广告形式之间的组合。
随着万物互联的深入，媒介逐渐成为一个泛化的概念，媒介与传感器之间、线上与线下的界限也开始淡化，信息获取的渠道呈现出一种全景式的特点。全媒体时代“融”的是时空、形式、数据、路径，“合”的是信息、内容、资源、效果。[12]一切在场景中能够传递信息，与消费者产生互动的媒介形式都可以纳入程序化购买的流程当中。通过智能决策给出的程序化购买方案，将场景内的广告资源进行整合，在特定的时间空间内形成以消费者需求为中心的融合化广告场景的搭建。
（四）广告效果监测
1.效果衡量：从模糊到精准
广告效果的评估一直以来都是策略制定与实施中难以量化的一个环节。在决策前置阶段，计算广告投放得到有效的计算，但是在效果反馈上仍然模糊。
计算广告运作的数据化特点给效果衡量带来了可能，多样化的计费方式也为智能决策优化提供了条件。计算广告运作中的动态化决策过程一个重要参考指标就是消费者的即时反馈信息，包括消费者的场景信息的反馈、广告点击率、转换率等数据。基于消费者实时数据信息，动态化决策应对才能实现，效果的监测直接影响到后续智能决策对出价策略、投放策略、内容策略的优化，最终做到对计算广告运作的动态秒优化。效果衡量和决策优化是一个问题的两个方面，多样化的评估指标在精准衡量广告效果的同时也触发动态的策略优化。
2.效果应对：从被动到主动
即使是在决策前置的前智能决策阶段，数据反馈的滞后性和传感器数据的一定程度缺位，导致面对运作过程中出现的一系列问题和策略上的调整，需要经过每一个运作环节。对效果反馈的应对主要依靠决策制定者人工优化，智能决策的应对不及时，只能被动地依靠数据库现有的方法模型进行应对，从而导致决策过程存在被动的滞后性。
人工智能技术的发展，决策主体上发生能动转变，人机协作的决策过程使决策者可以通过智能决策主动参与到计算广告运作的各个环节，针对策略的需要和问题主动参与到决策应对中。尤其是在监测反馈环节中的实时化，能够为决策的制定提供实时辅助信息，再通过智能化应对，设计优化当前决策应对模型，生成投放、内容决策，并自动化完成运作，从而做到及时、高效的决策应对。
据此，在计算广告的运作中，通过三方的数据管理平台对用户场景化信息的收集，结合原有数据，智能决策系统地为广告目标、内容、渠道投放与选择环节提供动态化决策。效果监测系统依据用户体验与效果测算形成的效果反馈数据，与用户的媒介接触形成的数据反馈共同构建成数据流，在数据管理平台和决策系统中形成数据环流，进一步为动态化的决策提供依据。由此形成了以动态化决策为核心的决策环状模型。正如段淳林教授所说，智能决策成为计算广告的目的。在5G技术的稳步推进下，智能硬件的媒介属性越发凸显，智能媒体以一种泛在的状态存在。[13]在将人类天赋、定性研究与机器计算、定量研究有机结合的计算广告时代[14]，智能决策会发挥出巨大的创造力。
四、智能决策优化下对计算广告运作的反思
数据、算法和算力所构成的“数算力”是智能决策的基础，智能决策支持系统的底层技术仍然是算法，算法设计的承担基本点是每一位参与的程序员，因此在算法运作的过程中必不可少地会受到设计者自身观念的影响，这种影响是隐性且难以洞察的。并且，一旦将决策的落脚点放在了广告效果之上，决策系统在整体倾向上就会偏向于设计者或使用者所处群体的利益。
广告需要在一定程度上追求传播的广泛性。从营销的角度来说就是在保有核心用户群体的同时，不断扩大潜在消费群体的规模，以期将潜在消费者有效地转化为现实消费者。这就要求在营销过程中保有一定程度的模糊性，从而扩大广告的影响力。如果过度信奉人工智能的数据认知，单纯强调精准营销，计算广告的效果在一定程度上就很难得到保证。
五、结语
计算广告和智能决策在数据基础和模型方法上存在着天然的一致性。智能决策在计算广告运作中的功能随着决策系统的发展而不断深化，渐次打破了决策过程中“理性”与“经验”之间的对抗态势。智能决策只能辅助人脑决策，机器智能无法取代人脑，决策中不能忽视人的主观能动性。但是不可否认，在智能决策的维度下，智能决策解决的不仅仅是数据采集分类的低维度问题，更重要的是在问题推理和价值创造方面重塑着计算广告的运作。未来，随著人工智能技术的进一步发展，智能决策系统在决策制定与优化中的参与广度与深度也会进一步强化。
参考文献：
[1]赵子乐，申明浩.企业广告决策：理性计算、经验主义还是文化导向？——基于族群视角的计量分析[J].外国经济与管理，2014（6）：3-14.
[2]黄凯南，程臻宇.认知理性与个体主义方法论的发展[J].经济研究，2008（7）：142-155+160.
[3]Tolle K M， Tansley D S W， Hey A J G. The fourth paradigm： data-intensive scientific discovery. Proceedings of the IEEE， 2011， 99（8）： 1334-1337.
[4]罗贺，杨善林，丁帅.云计算环境下的智能决策研究综述[J].系统工程学报，2013（1）：134-142.
[5]Provost F，Fawcett T.Data science and its relationship to big data and data-driven decision making. Big Data， 2013，1（1）：51-59.
[6]陈纯，庄越挺.大数据智能：从数据到知识与决策[J].中国科技财富，2017（8）：48-49.
[7]于洪，何德牛，王国胤，李劼，谢永芳.大数据智能决策[J].自动化学报，2020（5）：878-896.
[8]姜智彬，马欣.领域、困境与对策：人工智能重构下的广告运作[J].新闻与传播评论，2019（3）：56-63.
[9]姚曦，翁祺.中国广告产业四十年的回顾与思考[J].新闻爱好者，2019（4）：16-21.
[10]品有互动[EB/OL].http：//www.ipinyou.com.cn/dmp.
[11]谭辉煌，张金海.人工智能时代广告内容生产与管理的变革[J].编辑之友，2019（3）：77-82.
[12]郭雯，方毅华，李蔚杭.从“融媒体”谈“媒体融合”[J].新闻爱好者，2020（9）：68-70.
[13]刘庆振.智能算法语境下的媒体、传播和广告再思考[J].新闻知识，2018（12）：3-6.
[14]刘庆振.计算广告：“互联网”时代的广告业务流程重构[J].中国广告，2017（6）：125-129.
（蔡润珩为河南大学新闻与传播学院硕士生;宋若涛为河南大学新闻与传播学院教授）
编校：张红玲
