一、纪要涉及的行业或公司 - 行业为程序化广告行业[1][3][4][5]。 - 提到的公司有Apple Loving、Unity、一点天下、汇量、Trend Desk（TDD）、Monaco、Google、Facebook、百度、腾讯、字节跳动等[3][7][12][16][17][28][29][30]。 二、纪要提到的核心观点和论据 （一）Apple Loving成功的原因 1. 算法和数据方面做得好 - 有SDK（Mesh SDK）可以搜集用户数据，后来收购Adidas可以做归因，掌握数据形成闭环[9]。 - 利用AI算法贴近神经网络数据，将数据做成推理形式，数据可积累，算法迭代和推理能力会更准，建立投放壁垒[10]。 - 第一代广告引擎DSP不太准，收购用户数据行为公司后数据变准，因为广告投放精准性关键在于数据和算法模型，数据要准确干净[8]。 2. 在游戏领域成功及电商领域的前景 - 在游戏领域成功，在电商领域基于APP端模式，电商有引流和独立站业务，Apple Loving在独立站和电商方面数据积累弱，需要一到三年做数据积累和算法模型建立才能成功[10][11]。 （二）Unity的问题 1. 管理架构和数据收集问题 - 管理架构调整不好，例如频繁换老板、CEO、CTO等[12]。 - 缺少像Apple Loving的adjust那样的数据收集端口[12]。 - 短期内很难解决这些问题，所以从发言者角度看不一定能很快增长[12]。 （三）国内程序化广告的特点 1. 协议标准不统一 - 国内程序化广告虽然遵守RTP，但每家有不同标准，如百度、腾讯、字节跳动协议标准不同，不像国外比较标准的程序化广告，与国外对接只需遵守RTP协议即可[13]。 （四）海外做程序化广告的中国公司情况 1. 汇量等公司的生态情况 - 汇量有大媒体头望、AI机器素材、程序化平台广告平台等，生态做得比较好，国内厂商希望在整个生态覆盖从广告主数据到媒体数据到用户行为数据，打通链路把ROI做最好[14]。 2. 与海外大公司的竞争与合作关系及优势 - 与海外大公司如TDD、Apple Loving等既有竞争又有合作关系[23]。 - 中国服务于中国开发者有优势，像Apple Loving算法模型框架基于世界化接口，中国有本地化优势，可以更好服务出海电商，而且中国出海业务量很大[23]。 - 中国公司目前做得不太够好，有潜力，需要投入算法模型、数据模型或深度学习等研发方面[23]。 （五）广告主100美金预算在产业链的分配 1. 成本和分配情况 - 首先要解决IDC（服务器）成本和深度学习算力成本，大概占100美金的10%左右[25]。 - 广告主预算分配给媒体，可能是50%、70%或者可能亏钱给媒体，取决于算法能力，算法厉害能低价买到用户就赚钱，算法不行可能高价买入就不赚甚至亏，本质是追求广告投放能力带来的差价最大化[25][26]。 （六）海外市场的情况 1. 反点情况 - 海外以前有反点，如Google以前有，现在没有了，因为Google觉得算法厉害不需要，海外不是每家都有反点，有反点会影响出价算法，无反点可以把100元作为基准价出价，有反点则要按扣除反点后的价格出价[27]。 2. 媒体特点 - 海外媒体渠道比较分散，相比国内更丰盛，美国除了Facebook、Google还有很多第三方联盟、各种站点等，流量来源多[28][29]。 - 海外大互联网公司没有大力发展第三方广告联盟业务，可能与美国IT界情况、反垄断方面做得好、业界比较open有关[30]。 - 海外有足够市场空间给中国公司出海或海外全球化广告平台[31]。 （七）海外公司把程序化广告做好的原因 1. 链路生态、数据和霸权操作 - 链路生态比较完善，功能模块全面，不是单一的DSP，可管理用户数据、客户数据，提供第三方接口[32]。 - 在数据方面做得好，数据闭环做得非常好[32]。 - 像Apple Loving覆盖从预算端到媒体端的链路，可以做一些类似霸权操作，如知道平台出价、控制购买量等[32]。 （八）算法迭代优化相关 1. 数据积累和迭代过程 - 数据是稀有积累的，初期数据量不大时算法作用不大，如Apple Loving广告引擎推出多年后第二版推出才越来越好，Monaco也是创立多年后引入深度学习和数据才越来越准确[36][37]。 - 算法迭代包括数据清洗（如判断用户性别、年龄等数据的准确性）、特征提炼（如对年龄等特征细化区间）、选择算法模型（如LR或深度学习框架）、根据效果调整（如发现错误率高就重新调整特征再迭代）等过程，是持续进行的，前期可能效果不明显[38][39][40]。 - 底层模型可以用开源框架，关键是要结合垂直类用户数据构建框架，广告对算力要求不像大模型那么高，更多是对数据收集和清洗能力要求高[41][42]。 （九）国内未来是否诞生大的第三方公司 1. 出海业务相关 - 如果中国公司能把数据和算法很好整合起来，中国出海业务预算大（可占全球很大比例），是可以诞生大公司的[43]。 （十）国内类似adjust的公司情况 1. 目前情况 - 国内目前并没有做得非常好的类似adjust的公司，但可能会诞生[43]。 （十一）Mediation环节 1. 理解和国内公司情况 - Mediation是一个竞价平台，可帮广告请求询问多家竞价，知道其他家出价后可以据此调整自己出价，国内做出海的公司如一点、汇量等都有类似平台[44][45]。 三、其他重要但是可能被忽略的内容 - 谢总曾任职于百度、腾讯，2017年开始从事程序化广告，2018年创建自己的程序化广告公司，2023年推出SaaS品牌，2025年将推出新品牌[3]。 - 直到一点天下上市，A股的人才真正关注到程序化广告这个海外已经很大的生意[4]。 - 海外有做DXP起家的公司如Morocco、TDD等，BNP是数据方不能作为程序化广告但可作为其中重要数据模块，不是所有程序化广告都要具备DSP、SP、DMP，有SP或DSP就够了，但生态里最好都有才能做得更好[6]。 - AI技术在程序化广告应用较好的两块是用数据做反作弊和用数据做深度学习、竞价模型投放，素材对点击率很关键，国内和海外都出现自动生成创意素材的公司[18]。 - 中国市场很大，中国出海的游戏、电商等预算体量挺大，以前中国广告平台很少整合广告主数据，现在大家都在尝试，海外TDD、Apple Loving、Morocco在这方面做得很好[20][21]。 - Google现在收7个点的税点而不是反点[28]。 - 美国的行业比较open，对于反垄断方面做得更好，这也是美国除了大公司还有很多第三方公司的原因之一[31]。