AI在广告技术中的应用与定位 - 人工智能被广泛应用于整个业务流程 包括质量保证、编码、后台办公自动化、销售准备、编程以及活动设置和创意制作的自动化 [3][1] - AI被视为提高效率和性能的关键驱动力 而非完全取代现有广告技术栈 其有效性取决于数据质量和可用性 [4][1] - AI技术帮助降低成本并加速工作流程 例如将媒体规划时间从数天缩短至数小时 [3][1][8] 公司具体的AI产品与战略 - Digital Turbine的AI和机器学习平台DT iQ用于改善广告定位和提高广告支出回报率 从而支持客户增加支出 [2] - Verve的“Atom”SDK通过设备端AI以符合隐私规定的方式收集数据并优化结果 是公司收入计划的核心 [1] - LiveRamp通过AI产品增强帮助公司利用数据投放和个性化广告 其AI代理编排通过公共API允许自主代理在其网络和平台上运行 [7][9] 数据、隐私与安全环境 - 数据所有权和访问是核心主题 拥有优质设备端信号和广泛分发的公司最能从AI中受益 数据被视为AI和代理的“燃料” [6][11] - 隐私重要性日益提升 尤其是在美国 出版商面临混合库存问题（部分有ID/ Cookie，部分没有）导致非可寻址库存价格降低 除非有改进的定位解决方案 [13] - 安全环境如数据洁净室对于共享数据、运行分析、训练模型以及实现多方代理工作流至关重要 且已变得日益重要 [6][12] 测量方法的演变 - 测量方式正转向更多基于模型的方法 确定性匹配在可用时仍是首选 概率性模型则用于填补确定性测量无法实现的空白 [5][15] - “最后一次点击”归因在移动领域仍很常见 但AI可以改进上游建模 例如测试不同的归因窗口和理解更广泛的营销组合对转化的贡献 [14] - LiveRamp客户重视确定性匹配以完成测量闭环 并基于已知购买等结果进行优化 [15] 渠道动态与广告支出迁移 - 广告支出正在向应用内、联网电视、零售/商业媒体以及新兴的大型语言模型驱动界面迁移 同时搜索变现模式正在转变 [5] - 联网电视是LiveRamp过去2-3年增长最快的渠道 目前占其最大数据量整合的大部分 且CTV平台比传统社交围墙花园更愿意与广告商共享数据用于测量和优化 [18] - 零售媒体概念正扩展至“商业媒体网络” 包括航空公司和按需配送服务等领域 银行也在探索 这为Digital Turbine等公司通过其设备覆盖范围扩展触达提供了机会 [19] AI代理的作用与行业展望 - AI代理被定位为增强工具 用于提升预算编制、定位和测量等环节的效率 而非取代工作流中的部分环节 行业生态预计将通过“多代理通信”进行协调而非崩溃 [10][7] - 行业变化速度是主要风险和挑战 公司需要保持敏捷以适应变化 行业复杂性增加可能导致进一步碎片化而非整合 [21] - 周期性广告驱动因素（如选举和大型体育赛事）会推动广告支出跟随“眼球”移动 从而为媒体和广告技术公司带来顺风 但LiveRamp基于数据量的订阅模式使其收入对周期性广告支出波动较不敏感 [20]