在以头条巨量、腾讯广点通等为代表的头部平台带领下，信息流广告投放正变得越来越智能。以头条平台为例，在AI算法的加持下，只要设定投放的转化目标和转化成本，通过OCPM或者CPA出价，转化成本就能跑个八九不离十。平台还提供了赔付机制，优化师只要按规则给到AI算法充分的优化空间，即使跑超了成本范围也能获得平台的赔付。优化师只需要关注如何起量，即如何在成本和量之间根据实际业务情况找出一个可以承受的平衡点。对于各个信息流广告代理公司来说，服务好广告主的重点在于优化师队伍建设、平台经验积累、创意特别是短视频制作能力。而这些队伍、经验和能力，对大多数代理公司来说区分度并不大，很难在这些方面建立起真正的竞争壁垒。这导致代理公司往往最终陷入垫款和返点的恶性比拼中。

代理公司如何跳出垫款和返点的恶性比拼，并在这样的竞争中脱颖而出？

如何从这样的竞争中脱颖而出呢？我们认为还是要回到技术能力上。回顾一下信息流广告的发展历史，头条平台是如何在BAT的围剿下闯出一片天地的？依靠的正是对AI技术的充分应用，使得头条巨量引擎在短短2、3年内发展成目前信息流广告领域最智能、整体效果最有保障的标杆平台。同样我们认为广告代理商要冲出同行同质化服务的包围，一样需要在广告投放与优化过程中充分拥抱AI技术，用技术创新才能建立自己相对稳固的市场壁垒。

代理公司可以在广告投放的哪些环节中应用AI技术？

那么在目前的信息流广告环境下，作为非平台方的代理商，在无法直接接触媒体平台用户数据和核心系统的情况下，还有哪些可以应用AI技术的地方呢？或者说，从广告主角度，代理商具备哪些AI技术能力，能够帮助自己进一步提升广告投放的效率呢？我们认为，可以从下面三个方面来考察代理商的AI应用能力。

首先，在广告竞价环节，代理商需要具备通过自有大数据或者联合第三方大数据的人群建模能力。信息流广告竞价算法需要两种模型配合：离线模型和在线模型。离线模型主要做人群筛选，过滤明显不符合的人群或者挑选最匹配当前投放目标的人群；在线模型主要做实时曝光价值评估，计算每次展示的相对价值，最终决定该次曝光由哪个计划下的素材获得。而我们知道，由于这些大平台的封闭性，我们是无法从外部去干预在线模型的（当然事实上像头条这样的平台已经做到足够好，也无需我们去干预）。

那么优化的重点就在于离线模型，好的离线模型就是用来代替已经被“艺术化”甚至“神秘化”的优化师广告计划搭建经验，真正做到用数据和算法来决定人群，帮助投放计划快速渡过学习期并持续放量。离线模型除了算法，还有一个关键点是大数据的积累，没有好的数据就没有好的模型。这里的数据包括了来自广告主的人群样本数据，和来自外部平台的人群特征数据。而高质量的外部数据都在几个头部互联网集团手上。

因此代理商必须具备和这些头部数据平台进行深度联合建模的能力，将上述两部分数据通过one-id打通，为算法提供建模的数据“原料”，最终建立人群预测模型并将预测结果输出为人群包进行定向投放。

其次，在素材和落地页展示环节，能够通过推荐引擎技术实现更多的个性化从而提升广告转化效率。关于个性化推荐引擎技术之前我们发表过详细解说文章客户数据平台（CDP）中的数据应用服务：个性化推荐服务，在此不再赘述。这里我们就举一个具体的场景，大家可以体验一下京东的个性化广告投放能力。当你在京东浏览或者关注了某个商品之后，你甚至能够立即在抖音刷到相关商品轮播橱窗形式的短视频广告。而当你点击广告之后又能够立即进入一个京东为你准备的个性化落地页，你会发现这个页面上到处都是你最近关注或者感兴趣的商品。根据我们的实际测算，这样的个性化广告，无论点击率还是转化率都有显著提升，而且还大大节省了短视频拍摄制作的成本。因此代理商要具备帮助广告主快速搭建推荐引擎并将推荐引擎应用到广告投放的技术实施能力。

最后，在整体运营把控环节，通过AI技术实现一定程度的自动化，解放优化师的创造力。AI可以让单个平台的操作和调优工作更加批量化和自动化，提升人工运营效率。AI能够代替运营人员完成机械繁琐的批量操作，完成定时触发类任务，根据预设条件触发预警，根据预设规则完成优化的标准化处理流程（SOP）等。AI甚至可以辅助优化师自动采集多平台的投放数据，在此基础上规划跨平台的投放策略，并根据规则设置进行自动优化调整。

综上所述，即使在信息流广告代理商这个层面，要做好广告的代运营，AI仍然大有用武之地。技术改变行业，数据驱动未来，那个越来越赛博朋克的世界，无论你愿意还是不愿意，它都在那里，并且越来越近。