计算广告对数字媒体的影响：基于技术、数据和市场的重构*

□文│马 澈

今天的互联网，从搜索引擎的检索到媒体内容的推荐，都是计算机和算法在帮我们做决定。在算法的应用中，计算广告是发展最快也最为成熟的领域。广告本身就是媒体最重要的商业模式，以技术、数据和市场机制为核心的计算广告遇上数字媒体，将对媒体的经营和智能进化带来重要影响。

一、计算广告、数字广告市场与数字媒体经济

媒体和广告市场奉行的是调度和管理注意力的经济学，计算广告的出现不仅颠覆了数字广告的运作，而且有助于解决数字时代注意力分配的一系列问题。

1.数字媒体注意力经济范式的挑战

传媒经济学家罗伯特·皮卡尔（Robert Picard）将传媒产业最主要的经济特性概括为“双重市场”，传媒公司创造了两种商品——内容和受众。[1]数字媒体与传统媒体本质上都是注意力经济，通过内容服务将获取的受众/用户注意力（在数字媒体上通常表现为流量）通过广告等方式变现，媒体和广告市场奉行的就是“调度和管理注意力的经济学”。[2]然而，数字用户的注意力和数字媒体的一些特征，却不同于传统媒体，对媒体经营模式提出了挑战。数字时代，注意力的稀缺和供需失衡程度进一步加剧。在互联网上有着数以百万计的网站和移动应用，并且正在进入“人人即媒体、万物皆媒体”的时代，众多的个人、机构和产品都在向用户提供着海量的信息。海量的渠道、信息与用户有限的注意力之间呈现出极端的供不应求的状况。

那么，如何调度、分配和开发用户的注意力呢？数字媒体面临的第一个问题是数字媒体内部结构的不均衡。在数字媒体格局中，虽然有少数头部媒体（比如大型网站首页），也同时存在着长尾现象（比如中小网站内容页面），它们聚合起来也具有堪与头部媒体匹敌的价值。所以，数字媒体要有多种灵活的广告变现方式。

第二个问题是渠道价值的下降导致数字媒体想尽办法提高内容的价值和用户的使用体验。如果媒体提供大量杂乱无章的信息和广告，用户稀缺的注意力会被无用的信息耗尽，产生信息过载和拥堵，进而对用户产生一种挤出效应。因此，数字媒体在放置广告时，需要选择合适的数量和形式，并尽量向每一种类型甚至每一个用户提供与之相关的广告。

广告相关性会带来第三个问题，数字媒体的注意力被分配成数以百万计的广告子市场，用户的每一次访问行为都变成独立的广告注意力商品，在每个子市场分配广告并为其定价将成为一项艰巨的任务。传统媒体与广告主签订一揽子销售合约的方式不可能解决，没有办法交给人工一一决策、一一定价，必须要形成一套规模化、自动化、程序化、具有通用标准的交易机制。

2.计算广告与数字广告市场的变革

近年来，数字广告（在线广告）一直保持着高速增长，对传统媒体形成了巨大的冲击，这种冲击不仅源于互联网在受众媒介接触上的替代效应，还有其广告机制上的创新，解决了数字媒体的注意力调度问题。数字广告背后的核心机制创新是计算广告，《MIT科技评论》在一篇题为《计算广告，一项新科学》的文章开篇称“互联网改变了广告的形态，而现在计算科学将再一次颠覆广告的运作”。[3]作为数字媒体经营者，必须要了解计算广告的原理及其影响，以重构广告和媒体经营机制，从而对接数字广告市场并从中获益。

计算广告（Computational Advertising）概念在2008年由时为雅虎广告首席科学家的安德烈·布罗德（Andrei Broder）首先提出，它是指在线广告的技术和算法以及相应的广告与媒体市场。计算广告的发展经历了四个阶段，使得数字广告市场发生了翻天覆地的变化：第一阶段是搜索广告。搜索广告首创的关键词匹配、竞价排名和按效果（点击）收费的方式，开创了计算广告的核心技术和经济理念；第二阶段是定向广告，使得广告匹配从搜索引擎拓展到其他数字媒体，各种形式的展示广告都逐渐可以根据网页上下文标签，或者广告受众的地理位置、性别、年龄、兴趣等属性，匹配出具有针对性的广告；第三阶段是广告网络和广告交易平台，将海量的数字媒体都纳入一个开放的、规模化、实时竞价和程序化的广告交易市场，使得各种数字媒体都可以分享到广告收益；第四阶段是在移动时代社交网络发展下出现的包括原生广告在内的新变化，试图把广告与用户场景进一步匹配起来。

上述技术、产品和市场创新，逐渐形成了计算广告的体系和机制。

首先，计算广告的立足点是“找到特定场景下特定用户与合适的广告之间的最佳匹配”。[4]计算广告在微观层面的核心就是广告匹配/广告定向，通过广告相关性来抓住特定用户的注意力， 是“一种从有限的注意力供应中提取附加价值的有效手段”。[5]

其次，计算广告的目标是要构建一个创造价值、分享价值、各方面效益最大化的数字媒体市场，在这其中有媒体、广告主、广告平台和用户。如何去实现这几类市场主体之间的效益最大化，计算广告主要依靠两点，一是以广告效果（用户行为）作为交易的准则和货币，二是采取类似于金融市场的拍卖机制，由市场主体竞拍决定用户注意力与广告资源的分配。

最后，计算广告的解决方案是程序化、科学化，依赖计算机而非人工，依赖理性而非感性，把广告效果目标和市场效益目标转化为了基于大数据的一系列计算问题和计算工具。通过上述要点，计算广告所构建的微观广告行为策略和宏观媒体广告交易市场，成为驱动数字广告市场变革、解决数字媒体注意力经济范式的可行路径。

二、数字媒体广告变现策略

数字媒体流量变现和广告变现需要关注三个层面，分别是广告形式的选择、广告定向的支持和广告市场的对接，我们会探讨相关的趋势、问题和变现策略。在计算广告的影响下，技术、数据和市场将成为重构数字媒体经营模式的三个支撑力。

1.从展示广告到原生广告

数字媒体最常见的广告形态是展示广告，具体形式包括图片、文字链、视频等。数字媒体可以在其界面上，根据媒体终端、类型和环境特点选择并放置这些广告形式，以生成广告位置资源进行销售。

在信息过剩时代，用户的注意力资源稀缺而宝贵，数字媒体都试图将相应的广告位置资源最大化地变现。广告资源主要与三个因素有关，分别是位置、数量和表现，媒体通常在流量较大的页面，或是放置更多的广告位增加广告库存，或是设置多媒体、大尺寸、独占式广告形式以提高广告单价。由于广告与媒体内容一同竞争用户的注意力，因此数字媒体需要在广告收益与用户体验之间寻求平衡。也就是说广告容量不能过多，广告形式不能过度干扰用户。此外，媒体广告存在晕轮效应，媒体品质、广告环境作为附加因素也会影响到受众的广告认知，进而影响到品牌广告主的传播效果。所以，数字媒体要将媒体流量与媒体附加价值共同作为媒体价值商业变现的指标。

传统的展示广告主要基于桌面互联网，而随着用户向社交网络和移动互联网迁移则进入了“场景时代”，[6]催生了原生广告。原生广告试图把广告与用户所处的场景结合起来，根据美国IAB标准，原生广告形式包括信息流广告、搜索广告、应用推荐、推荐信息、定制化广告以及其他带有原生元素的广告。[7]移动端媒体多采用瀑布流布局，特别适合放置信息流广告，做到广告形式与媒体内容的相近。不过，所谓原生并不仅仅是表现上的原生，如果广告内容与媒体内容无关，将会影响用户体验。真正的原生广告是做到意图原生，也就是根据用户的位置、社交网络、所看的内容和所处的使用场景，分析出用户的意图，向用户提供有针对性的广告信息，这将是下一步的发展方向。脸书于2015至2016年期间对其广告交易平台进行了测试，研究发现移动端大量流量中真正具有价值的广告形式就是原生广告（以及视频广告）。因此，原生广告应该逐渐被数字媒体作为移动端广告变现的首要产品形式。

2.数据与算法驱动的定向广告

广告经济学有“作为信息的广告”的观点，[8]与受众相关的广告对他们来说就是有用的信息，对广告主和媒体也能带来更好的效果和收益。提升广告相关性对于传统大众媒体是相对较难解决的，而数字媒体则可以通过各种受众定向广告来实现。在线广告的主要受众定向方式包括频道定向、搜索关键词匹配广告、上下文定向、地域和位置定向、人口属性定向和社交推荐广告。

首先，我们发现数字媒体的定位非常重要，比如财经、房地产、汽车、母婴、时尚等垂直媒体相比综合类的门户媒体，能够切分出相对细分的一块内容领域和用户人群，实现大致的广告定向，从而提升媒体价值和广告收益。现在数字媒体的频道越做越细，甚至提供很多个性化的小众频道或自媒体供用户自主订阅，将内容细分和广告定向走向深入。

其次，若要实现广告的精确定向，背后需要数据和算法的强大支持，这就对数字媒体的数据获取能力和技术能力提出了要求。在基础的人口属性信息方面，数字媒体主要通过诱导用户注册，或者利用算法进行自动预测和标注。从人口属性、地域、浏览内容、社交关系等因子出发，受众定向试图进一步推测出用户的兴趣和意图，做到“From User-documents to User-topics”（从用户记录到用户兴趣），[10]从而为用户赋予更多颗粒度更细的兴趣标签，以供广告主定向筛选。为了达到这个目标就需要媒体掌握语义分析、数学建模和机器学习等相关技术。目前国内领先的在线广告平台，包括淘宝、百度、腾讯、今日头条、新浪微博等，他们不仅拥有庞大的流量，更重要的是他们所掌握的数据，以及在此基础上搭建的算法体系、数据系统和广告系统。

除了上述受众定向方式，还有一些新兴手段，包括行为定向、重定向和新客推荐定向等。这些定向方式涉及外部数据，就需要数字媒体对接广告网络平台和广告交易市场来加以解决。

3.接入数字广告市场

数字广告市场由五个市场主体构成，分别是广告主（需求方）、媒体（供给方）、广告交易市场、数据平台和用户。相比传统媒体所采用的媒介代理制度以及合约式的广告售卖模式，数字广告市场则类似于金融市场，有其货币、工具和规则，帮助供需之间达成交易和价值的分配。

根据IAB总结，主要有四种程序化广告交易方式可以供数字媒体经营者选择，作为流量和广告变现的手段。[11]如果媒体自身具有较高的影响力和品牌价值，可以选择一对一的、保量、非竞价的合约方式来售卖那些优质的广告资源，这样可以提高广告单价和预期收入。如果媒体自身的流量比较充分，采用合约方式售卖后仍有较多剩余流量，则可以考虑自建广告网络，选择提供给特定广告主优选或者在私有交易市场竞价的方式来进行流量变现。如果媒体剩余流量对于广告主质量没有要求，规模又不够自己经营时，则可以选择接入公开交易市场，采用实时竞价的方式供其他需求方平台挑选，以充分挖掘流量价值。这几种方式可以组合起来形成数字媒体的多层次广告变现体系。

对于数字媒体而言，除了了解市场主体和交易方式，还需要关注这套市场机制的三个关键要求。一是公开化。若要实现流量的规模化变现，媒体必须走向开放，对接尽可能多的广告网络和交易市场。二是货币化。数字广告的结算标准逐渐从按版面时间付费到按效果付费，而支撑广告效果的正是媒体的数据能力和定向能力。三是程序化。在实时的、大规模、多对象的广告交易下，只有通过各种程序化的工具和系统才能达成广告售卖效率的要求，因此就对媒体提出了相应的技术要求，需要自建广告技术系统或者对接第三方广告系统来辅助其广告经营。

三、计算广告影响数字媒体的深层视角

如MIT科技评论所言，计算科学颠覆了数字广告运作。那么计算广告对于数字媒体经营的深层影响是什么，计算科学的力量会不会进而波及数字媒体、为数字媒体的未来创造了何种想象？

计算广告的出现与数字广告的变化，首先使得数字媒体的注意力商业模式得以延续。相较于传统广告只能以独占的方式来销售，定向广告可以将同一个广告位置按照不同的访问用户出售给不同的广告主，对流量的精细化开发和销售提高了广告媒体资源的流动性，还提升了广告单价。这就使得数字媒体在面对用户注意力碎片化和信息过剩，以及广告主对于媒体广告效果要求的双重压力下，仍然可以采用二次售卖的模式，充分挖掘注意力价值，提升广告收入。

计算广告的深层影响，还将改变数字媒体的经营模式，我们概括为围绕数据、技术和市场进行重构，形成新的驱动力量。数字广告的运作以数据为核心来组织，数据决定了受众定向和广告匹配的效率，数据成为了媒体价值和广告交易的衡量货币，因此数字媒体必须增强数据获取能力，掌握用户信息和兴趣。从广告形式到广告匹配再到广告销售，都涌现出各种技术问题，需要数字媒体去做技术研发，采用各种程序化的工具和系统，技术能力将决定数字媒体的创新力和经营效率。数字媒体不是独立运作的，而是处于整个数字媒体和广告生态之中，需要和越来越多的市场主体打交道，包括广告网络、广告交易平台、数据平台、需求方平台等，数字媒体要把自己的内容、数据和流量接入这个市场的价值链之中才能形成价值的变现和共享。

计算广告是一个新的交叉科学领域，涉及信息检索、文本分析、数学建模、机器学习、推荐系统、优化策略、博弈理论、拍卖理论、微观经济学，等等。[12]广告只是计算科学和相关科学在互联网领域最先探寻的一个应用场景，但是它带来的经验和启示将会远远超出广告范围。比如，计算广告技术架构是一个典型的个性化推荐系统，根据用户场景和兴趣提供个性化的广告信息，其信息检索、排序的算法和机器学习技术已经应用于内容信息和媒体的个性化推荐，例如今日头条和微博“千人千面”的智能排序与推荐。

有人认为数字媒体正在进入智媒时代，智媒时代的典型特征就是机器、数据和算法与人融合，甚至在某些层面超越人的力量，改变媒体的信息呈现和分发方式，改变媒体的运作链条和运作模式，更加智能地连接和服务用户。计算广告的发展正是这一变革的前奏，其背后的计算科学、数据科学应用成果和市场法则将会加速数字媒体的智能进化。

参考文献∶

[1]吉莉安·道尔.理解传媒经济学[M].北京：清华大学出版社，2015

[2][5]Greg Taylor.经济学视角谈丰裕媒体：注意力的匮乏.载马克.格雷厄姆，威廉.达顿（主编），另一个地球：互联网+社会[M].北京：电子工业出版社，2015

[3]MIT Technology Review(2012).The New Science of Computational Advertising. MIT Technology Review.http://www.technologyreview.com/view/428174/the-new-science-of-computational-advertising/

[4][12]Andrei Broder & Vanja Josifovski(2011).Introduction to Computational Advertising.http://www.stanford.edu/class/msande239/.

[6]罗伯特.斯考伯, 谢尔.伊斯雷尔.即将到来的场景时代[M].北京:北京联合出版公司，2014

[7]IAB(Interactive Advertising Bureau) (2015).IAB OpenRTB Dynamic Native Ads API Specification Version 1.0.http:// www.iab.com

[8]Phillip Nelson(1974).Advertising as Information.Journal of Political Economy. Vol. 82. No. 4 (Jul.- Aug.,1974)

[9]刘鹏.计算广告：互联网商业变现的市场与技术[M].北京：人民邮电出版社，2015

[10]Jun Wang, Shuai Yuan , Weinan Zhang(2016).Real-Time Bidding based Display Advertising: Mechanisms and Algorithms. 38th European Conference on IR Research, ECIR 2016, Padua, Italy, March 20-23, 2016. Proceedings. pp 897-901

[11]IAB(Interactive Advertising Bureau) (2015).IAB Programmatic Revenue Report 2014 results. http://www.iab.com