这篇文章来自于广告行业从业九年的业务同学的深度思考，耐心看完，相信必有收获。
01
效果广告平台的两次工业革命
对于媒体方来说这个阶段更多的是试图对自己的用户形成认知，再基于算法能力去匹配人群和广告，受算法能力制约和流量红利带来的新用户，这个阶段优化师体现的作用很大，优化师通过对广告主调性的理解，广告素材的理解和广告平台本身机制的理解，优化师的很多优化动作可以直接导致起量。
成长期-双边（预算侧和流量侧）野蛮生长下的ECPM最大化探索
这个阶段整个买量市场已经充分地意识到了信息流广告的价值，这个阶段不仅是移动互联网流量最后的红利期，同时也是巨量广告和腾讯广告真正和后来者拉开差距的阶段。
对媒体方来说，这个阶段更多的是扩展双边价值。
一边是流量侧，媒体会拼命自建和收购不同的移动端媒体搭建自己的流量矩阵，同时也会尝试在APP内进行广告位的不断新增和样式迭代（比如当时头条系，腾讯系内的三小图，大图等广告样式变化等），同时也会尝试建立联盟来吸纳第三方流量来提升自身流量供给（如穿山甲，广点通联盟-也就是现在的优量汇等）。
一边是预算侧，对外开放的大量代理商名额，足够吸引人的返点策略和足够开放的行业投放环境也确保了自身足够的预算侧供给。
这个阶段双边价值的巨大提升和足够强的算法能力保证，保证了人群匹配效率的提升，也让媒体侧在向着各行业ECPM不断提升而努力，而流量红利末期的充足流量也让买量暂时不那么卷。
成熟期-流量矩阵建立，外部流量充分接入，可用流量达到瓶颈，需求远大于供给，算法能力得到飞速发展，各行业的ECPM逐渐达到天花板，流量卖给肯付出更高价值的广告主
对媒体方来说，广告平台想提升盈利，一般有两种方式：
第一，提升可用流量，这个过程在上一个阶段经历得会比较多，就是平台会尽量扩充自己的业务范围建立媒体矩阵，同时建立网盟接纳第三方流量进来作为自身变现的扩充。甚至是不断新增自身APP内的可用流量（常见的做法就是新增广告位，提高Adload等）。
第二，提升自身流量利用效率。这里通常有两种思路，首先是优化广告样式，让广告变得更原生，提高用户点击意愿，从而提升CTR，CVR；另一方面，则是提高人群匹配效率，需要更强的算法能力作为支撑，算法需要尽可能保证CTR预估，CVR预估的准确性，让广告主行业和平台用户进行充分的价值匹配，来达到各行业ECPM最大化。
这个阶段随着流量红利的见顶，甚至广告主投放行业的几乎穷尽，可以说媒体平台已经对自己的用户已经有了足够的了解了。这个阶段经历的过程更多的是平台和广告主间的价格博弈，平台想把人群卖高价，广告主想更低价购买人群，于是两方在拼命试探彼此底线，这也是优化师需要不断建计划，堆素材的原因，因为很多优化师需要靠玄学来起量。
而平台因为没有足够的样本积累，所以其实某种程度上也需要这些计划带来的数据来了解广告主的底线。但平台最终的目的是盈利最大化。
但受当前算法能力制约，投放行业及可用流量的穷尽，目前各行业的ECPM已经被拉到了一个天花板。而要突破目前的天花板就有一个新的引擎来驱动，就像第二次工业革命出现了电动提高了蒸汽时代的生产力一样。
目前来看这个新的引擎就是AI技术。而这个新的引擎不光能带来效率变革，也势必会突破目前ECPM的天花板，新的时代也势必带来新的红利。
第二次工业革命-AI驱动下的效率变革时代
在流量红利见顶后，随着行业投放要求透明化及平台人群匹配算法能力达到了一定的边界阈值。各广告主的ECPM逐渐被媒体提到了自身目前的天花板，所以平台方目前更倾向于进行效率提升的探索，同时给整个广告系统的复杂度进行减负，目前平台方正在逐渐弱化优化师针对投放广告的操作，让整个投放过程朝着更智能化的方向演进，这其实是个双赢的趋势
一方面，对广告主而言，第一个好处是提高优化师的效率，让优化师从繁重的建计划、调定向、调出价等繁重且重复的劳动中解放出来。让优化师和广告主有更多的时间思考产品本身的核心诉求，同时也可以将更多精力投入到广告创意的设计和构思中去，争取通过产出更多差异化的优质素材来获取买量效果的提升。
与此同时从繁重的重复性劳动中解放出来的优化师其实也能够有精力服务于更多的广告主和更多账户。同时能给企业带来人效的提升，甚至能够提高企业产值（更少的人可以带来更多的整体消耗）。
另一方面对于平台来讲，各行业的ECPM已相对固化，提升较难，在流量无增量且平台内转化效率已经达到边界阈值的情况下，让投放变得更简单不光能提升优化师的工作效率，也能通过减少操作保证算法模型的稳定性，通过模型能力的优化带来广告主效果和平台ecpm增加的双赢局面。
目前很多广告平台都开始进行了基于AI驱动下的效率提升的探索，我们在巨量广告升级版的诸多变化中，其实可以看到很多具体case：
第一，如项目-广告层级这样的简化，而把原来的计划层级隐藏交给系统模型去处理，从而保证模型的稳定性和降低优化师操作成本，同时也减少了优化师们通过堆计划，大量测试这样的玄学起量的方式。
第二，手动项目将出价平移到广告层级，整体结构在鼓励广告主进行更频繁的广告测试，这其实是另一个维度的行业引导，从ECPM= Ctr*Bid这个基础公式可以看出，当平台开始鼓励更原创，更有个性的广告，打压同质化广告这样的行为，其实是在引导广告主和代理商们进行更丰富，更激进的广告创意的创新，从而迫使广告朝着更原生更吸引人的方向去设计。
这样既能保证足够的用户体验，同时也希望能刺激平台级的广告CTR得到提升，从而提升整体ECPM，同时大量广告素材的注入其实也是在为自己的智能化创意模型进行样本注入。
最后，提供UBMax等智能化解决方案，帮助优化师在减少操作成本的同时，可以更快速地起量。
02
智能化时代投放代表性产品-UBMax
1、高维策略应用：从更高投放维度—产品粒度去达成整体目标，优化师们不用再大量创建计划进行玄学起量了，这里会由系统底层围绕产品创建计划跑量，避免计划之间互相挤压抢量，给模型更高的探索空间。
2、操作明显减少，只需设定产品维度营销诉求和意向价格，即可进行使用。
过去，我们进行买量的时候，我们需要搭建很多条广告计划，测试不同的定向，不同的流量及关联相同或不同的素材。
现在，我们买量的时候，单账户下我们仅需要搭建几个项目，来进行冷启动测试，之后设置营销诉求和给项目一个统一的出价，再关联我想测试的创意素材即可完成账户搭建，剩下的交给系统模型，系统模型会自动帮我完成广告出价的调整和自动进行广告的关停
3、自动化模型调优：提供自动化的整体解决方案，系统会自动完成预算+出价+素材的匹配，自动诊断掉量、超成本、起量难、空耗等问题，并调用优化策略，从而降低对经验和人工操作的依赖，让优化师从堆计划，调账户等重复性劳动中解放出来。
4、通投跑量更稳定：优化师不用在冷启动测试时，手工按习惯和经验选择流量位了，系统会突破深度转化模型的时效性，这里会进行模型的实时生效，基于不同行业的深转诉求，对巨量引擎全域数据进行深度后端效果预估，并以此为标准，对各端流量位进行实时的预算倾斜和流量调控，通投的ROI更稳定。
5、全域数据资产统一：目前巨量广告将全域数据资产（如游戏的APP，小程序，快应用）进行了打通和统一识别，通过搭建更全面的数据回传路径，广告主可选择回传全渠道全链路数据，作为模型的辅助，有效提升ROI。
UBMax适合哪些使用者：
想提高优化师盯盘效率的广告主，想在保证效率和转化效果的同时又能完成更多跑量的诉求的广告主。
UBMax适用于哪些行业场景：
1、应用类：目前可支持游戏，交友，语音/陪玩，直播，付费等行业。短剧和阅读行业即将开放支持。
2、线索类：适用于各行业以线索留咨为目的的投放，如金融，健康，教育培训，汽车，房产，家居等。
3、引流电商类：适用于各行业引流电商的商品投放，目前已支持单品投放，未来会支持多品投放。
使用UBMax有哪些事项需要注意：
1、在使用UBMax的过程中，建议单项目下保持充足的基建数量（>10个），这样有利于自动化模型进行更充分的探索和学习，更快的完成模型训练实现自动调优。
2、建议将初始预算设置5-10w，因为如果预算太低，可能会出现系统探索不足导致空耗的问题。
3、使用UBMax 时不建议进行降预算、关停等负向操作，该类操作都会造成投放效果波动，为了效果稳定，建议将广告调整决策权交给自动调优策略。
03
未来的智能化产品
会朝着什么方向发展？
智能化探索期：流量红利见顶后，媒体方对于效率提升的探索时期，是一个做系统“减法”的阶段。
从上面的演进过程可以看出，广告平台的决策者始终在围绕平台收益提升这样的主题进行着决策和演变。目前很多平台已经开始在使用AIGC的能力进行素材生成和创意生成，相当于节省了一部分设计和视频制作同学的时间和精力。
相信未来在模型得到足够量级样本的训练的情况下，越来越多的起量素材可以通过AIGC生成，甚至广告主只需要选择调性和期望类型创意便自动生成了。而在投放侧可能出价的调整和人群选择（定向）的调整也会慢慢被禁用，这样其实等于是平台收回了广告主层面在买量时对于价格的博弈权。
那个时候可能广告主或代理商只需要为推广产品开个户，通过广告订单的新建告诉广告平台一个优化目标（如付费ROI）和愿意为优化目标付出的成本范围（如30-50），选择一个期望的广告创意的调性和类型，其他的广告平台都自动帮助广告主完成了。
随着投放平台越来越智能，优化师该何去何从？
在智能化投放时代，优化师的思维需要从勤劳致富，通过堆大量计划进行A/B测试寻求起量的操作型选手，逐步成长为对广告平台竞价机制和平台的智能化产品有一定了解，有着一定广告投放构建策略和投放方法论的决策者+操作者。
04
总结
