人工智能（AI， Artificial Intelligence）浪潮方兴未艾，“深度学习”与互联网广告行业深度融合。2006 年深度学习兴起，人工智能迎来了黄金发展期。从 2013 年开始，谷歌、Facebook、 IBM、百度均重金布局人工智能（ AI）产业。 谷歌提出“一切都是 AI， AI 就是一切”的口号。 2015 年 11 月 9 日，谷歌发布开源机器学习平台 TensorFlow，每一位普通的用户和谷歌旗下的 50 多个产品都可以运用 TensorFlow 深度学习系统（机器学习的深度神经网络）。 2016 年 3 月，谷歌围棋人工智能 AlphaGo 赢得人机大战更是引起了产业界和资本圈的高度关注。 AlphaGO 主要使用了三种技术来实现：蒙特卡洛树搜索作为主架构、强化学习作为训练方法、深度的神经网络作为学习工具。 AlphaGO 相比之前围棋算法的突破在于使用了 Deep Learning（ 深度学习 ） 技术，从过去的人教机器的策略变成机器自我学习，而目前 Deep learning 在产业界中使用广的领域之一就是互联网广告行业。

市场首篇以人工智能视角 梳理数字营销行业的研究报告，并结合 PC 营销、移动营销（国内和海外）、社交营销、场景营销、电商营销和内容营销六大领域分别论述了各自的发展趋势。

我们认为：人工智能和大数据技术的进一步应用将给数字营销行业带来深刻变革：

（1）程序化购买经过 3 年高速发展，在大数据的助推下进入爆发期，未来资源整合能力及数据技术突出的公司将主导行业格局；

（2）移动广告平台向移动 DSP 转型为大势所趋，移动端数据价值升级，为移动程序化购买开辟更大空间。

数字营销在人工智能和大数据时代的变革与重构

人工智能：大数据+深度学习算法

人工智能：算法是核心，数据是基础。 人工智能的实现以大数据和深度学习 算法为基础，将过去的人教机器的策略变成机器自我学习。 深度学习 是机器学习的全新领域，它依托于模拟人脑进行分析学习的人工神经网络，通过模仿人脑的机制来解释数据，例如图像、声音和文本。 深度学习算法在语音和视觉识别领域的识别率分别超过 99%和 95%。人工智能可分为计算智能、感知智能、认知智能三个阶段。计算智能阶段，机器的价值仅在于存储和处理数据；感知智能阶段，机器开始独立判断并采取行动，能够帮助人类高效完成“看”和“听”的工作；认知智能阶段，机器能够像人一样思考行动，全面辅助或代替人类工作。

人工智能的商业化：巨头与初创公司共同发力， toC 与 toB 产品各显身手。   人工智能产业结构可分为基础、技术、应用 三个层次： 基础层为提供数据资源和计算能力的企业；技术层企业主要负责算法、模型及应用开发；应用层是将人工智能与各行业结合起来 。 2013 年，百度即成立 IDL 深度学习研究院，研发出百度无人驾驶车、百度识图、 Baidu Eye 等产品；2014 年阿里巴巴 IDST（ Institute of Data Science & Technologies）成立，聘请多名机器学习和人工智能界专家担任团队负责人；科大讯飞通过深耕多年的语音识别技术，为企业提供智能交互平台服务。 此外，一些优秀的人工智能领域的创业公司如出门问问、格灵深瞳，在to C、 to B 的出行、安防等领域均取得重大进展。

数字营销行业拥有海量空间，有望与人工智能深度融合

广告业的发展依托于经济的繁荣。近年来，随着宏观经济增速的逐步放缓，我国的广告市场增速出现了回落。 2014 年，我国广告收入规模为 5129 亿元，同比增长 2.2%，占 GDP的比重为 0.81%。目前中国已经成全球第二大的广告市场，但是中国广告总量还不到美国广告市场的 40%；如果从中国人均广告消费来看，只有美国和日本的 1/10。

另一方面，随着新旧媒体角力日趋白热化， 广告市场内部的分化更为显著，正遭遇着冰火两重天的体验。数据显示， 2014 年，包括电视广告、报纸广告、杂志广告在内的传统广告形式均出现不同程度的负增长；而互联网广告市场凭借其广告形态的多样化以及相对精准的投放程度，深受广告主的喜欢， 表现出蓬勃的生机， 2014 年销售额为 1540 亿元，同比增速 40%，规模超越电视广告成为第一大投放媒体。

产业格局：媒介千亿不可逆，未来三年4000亿市场可期。   2014 年，我国数字营销市场规模达到 1540 亿元，同比增长 40%，与 2013 年增速相当。在连续几年保持高速增长后，我们认为行业发展驱动力依然不减，未来三年仍能保持较高水平，但增速将略微放缓。根据易观国际的数据，预计 2018 年我国数字营销规模将达到 4000 亿元。其中，移动数字营销将借助于移动终端的普及和移动网民的增长弯道超车，超越 PC 端成为第一大媒介终端。预计 2018 年移动数字营销规模将达到 2200 亿元，占数字营销规模的 55%。

产业趋势：与人工智能深度融合，精准营销引领产业转型升级 。 随着广告主对数字营销认识的加深和精准度要求的提升， ROI 成为衡量广告投放效果的主要指标。深度学习和人工智能通过精准和高效的投放机制彻底改变了传统广告。人工智能的学习模型和算法被应用到广告效果（点击、注册、激活、回收）预测中，同时，语音识别、语音合成、语义理解等人工智能产品也逐渐应用到移动广告创新中。

目前，人工智能在数字营销领域的应用可概括为五大方向：

（ 1 ）精准用户定向；

（ 2）反作弊；

（ 3）跨屏营销；

（ 4）语音互动广告；

（ 5）虚拟现实广告。

其中尤以精准用户定向、反作弊等精准营销领域的应用最为成熟。

精准营销是人工智能商业化应用最成熟的领域之一

精准营销的基础：高质量的数据来源。

目前，精准营销的数据来源主要分为：

（ 1 ）与BAT 等互联网巨头或科大讯飞、搜狗等平台服务商合作；

（ 2）运营商数据：运营商可以从信道上监听到各网站和 app 的用户访问行为，且运营商拥有用户的地理位置数据；

（ 3） DSP监听数据；

（ 4）广告主数据：打通公司内部 CRM 数据与广告主自有网站访问数据；

（ 5）购买第三方数据。

精准广告营销服务商对数据进行加工的方式有三种：

（1）通过 DMP 数据管理平台，主要指接受数据拥有者的委托，按照其需求进行数据加工，并将加工结果用于指导运营优化、广告投放；

（2）通过 DX（ Data Exchange）数据交易平台，即从数据拥有者处收集数据按照自己的逻辑和需求加工，并进行数据的直接或间接变现，与数据拥有者分成。

（3）通过受众定向系统。即根据本公司所能接触到的各种数据得到用户标签或画像，优化自己的广告系统效果。

精准营销的过程：建立数据标签以进行人群分类，开展目标用户的精准定向。精准投放建立在大数据基础上，考验各平台的并不是数据量的大小，而是如何用专业的技术处理数据。数据标签是目前各大平台选取的重要方法。以悠易互通为例，平台按照人口属性、兴趣爱好、社交属性、品牌爱好和购物倾向将人群特性分为 5 个维度， 5 大维度下又进一步划分为 52个大类、 380 个小类和 1200 个标签，通过标签精准刻画人物形象，为数字营销精准投放实现数据支撑。在后续广告投放过程中，平台根据广告主的目标客户定位，对相应标签客户投放，实现精准营销。例如，在华为推广某款机型的时候，平台根据广告主的目标客户，可以将广告投放给贴有 20-40 岁、中等收入水平、有手机购物倾向标签的人群。

精准营销过程：机器学习。机器学习是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法， 在搜索排序、商品排序、点击率预估、反作弊、实时竞价等各种领域有着广泛的应用。机器学习平台最主要的算法包括逻辑回归、随机森林、深度学习。 在精准营销过程中，机器学习算法被用于多维度人群分析，进而筛选目标用户，进行目标用户量化分析，完成精准定向投放。

精准营销趋势：打通企业内部 CRM 数据，迈进智能营销 2.0 时代 。 未来互联网数字营销行业的竞争将从过去粗放式/资源式转变为精细化/智能化，拥有雄厚技术实力的垂直类服务商有望脱颖而出。大数据智能营销正是在这一背景下快速发展起来的新兴领域，是商业智能在数字营销领域的应用。我们认为大数据智能营销 1.0 时代是基于用户识别与行为监测、数据仓储与挖掘分析、用户模型识别、归因分析、最优化等技术实现了搜索营销的智能化、精细化，是对外部数据的整合挖掘以达到提高曝光率、流量转化率、降低 CPA 和 CPC，提升营销 ROI 的目的。而 2.0 时代是通过企业内部数据和外部数据的打通，解决各部门信息孤岛现象，实现对业务营销与运营优化流程的重构和对企业资源最优化分配。

数字营销行业六大趋势风起云涌

趋势一：人工智能已在 PC 端 DSP 成熟应用，程序化投放实现价值大化。   以 DSP、RTB 等技术为代表的程序化广告投放通过大数据和即时撮合，实现了广告资源的优化匹配，提升广告投放效率和效果。人工智能的运用使得 DSP 超越了传统的根据广告特性挑选流量-投放-分析-再挑选流量投放的人工运营方式，通过数据分析预判竞价价格，实现整个运营流程的自动化。用户的大数据挖掘是 DSP 程序化投放的核心环节之一，它有助于实现营销受众的精准发现和即时定位，提高从营销到消费的转化率，实现广告投放的价值大化。

趋势二：移动DSP加速发展，海外移动营销市场广阔。在移动互联网时代，无线二字将计算的维度进一步提升，同时信息脉络也更清楚。首先，信息量成几何增长，移动设备可以揭示更多的数据，例如 GPS 位置信息、移动设备信息等。其次，移动端的数据信息链接的更为紧密，相比以往 PC 时代的 IP 和 Cookie，移动设备号的唯一性可以更好地把相关信息串联起来，让分散的信息回归到一个目标受众上。因此，移动 DSP 通过更深入的数据分析和更精准的用户定位成为智能营销未来重点拓展的方向。 产业趋势方面，由于国内移动互联网市场竞争激烈，海外移动营销服务商将深度受益于移动互联网企业出海浪潮的高涨。同时，由于国外 Facebook、 Google 等互联网巨头的数据资源开放程度更高，海外移动营销服务商拥有的数据和技术优势更为显著。

趋势三： 社交平台拥有更丰富的用户数据，更精准用户画像助力 O2O 营销。   在所有互联网应用中，社交网络记录着我们全部的网络行为，对社交数据的深入挖掘，能够还原用户的喜好、背景，甚至揭示潜在内心需求，对用户消费行为进行预测。

社交网络大数据挖掘的应用场景：

（1 ）意见传播、动态网络影响力传播模型分析；

（2）社交关系分析；

（3）相关主题的历史和趋势分析；

（4）基于地理位置的某领域专家分布分析；

（5）知识图谱的构建。 基于微信的 O2O 商业模式蓬勃发展，线下商户借助微信等移动社交平台开展 O2O 营销，对这类企业来说，线上用户的积累将有助于其发现和挖掘潜在消费者，提升营销的效果。

趋势四：电商平台丰富消费数据更具商业价值，精准用户定位进入智慧电商阶段。   B2B电商平台发展可分为三代：第一代以信息撮合机制为主，通过互联网特性有效的汇聚买卖双方信息；第二代以在线交易为主，信息展现模式、在线交易工具、配套服务产品的发展使得各平台都在想方设法解决在线交易问题；第三代即资源集聚为主，资源集聚突出两大核心要素：数据穿针引线，服务本质所需。大数据给予平台服务提供了信息支持，而服务落地也有利于有效数据不断被采集，形成数据循环，即“雪球效应”，大数据不是电商平台的某一个产品组成或业务领域，大数据是整个电商未来发展的基础资源与优势体现。

趋势五：SaaS 与营销联动，打通企业内外部数据。   随着广告主对流量转化率要求的不断提高，对企业内外部数据联通需求（例如潜在用户认知渠道、用户来源等）的提高，人工成本的上涨以及对行业整体解决方案的迫切需要， SaaS 与营销联动的模式备受推崇。 营销托管与 SaaS 软件服务相互促进，技术与营销相互配合，一方面可以为大数据技术积累大量原始数据，另一方面可以更了解客户需求，有利于开发大数据云服务产品。

趋势六：自动内容生成有望成长为内容营销新趋势之一。   基于对数据的分析和信息的加工，人工智能可以被应用于广告的自动生成和优化中，未来利用人工智能生产植入式内容将成为重要趋势之一。目前， 自动化工具撰写已被应用于新闻稿和年度报告等商业信息，Gartner 预计到 2018 年， 20%的内容将由机器产出。

PC 端 DSP 智能化已成熟，程序化投放实现 ROI 大化

依赖数据与算法，程序化购买破解“劳动密集”魔咒

程序化购买依赖大数据与机器学习算法。 程序化购买依托数据分析技术，对用户进行精准定向，实现广告位资源的最优分配。目前，在中国程序化购买生态体系中，每天汇集的流量已达到 130 亿 PV，占中国整个广告位流量的三分之一，预计到 2015 年底一半以上的广告位流量接入程序化购买。相较于传统代理模式，程序化购买无需复杂的谈判过程，而基于数据分析的用户定向能够让广告投放更精准、效率更高。程序化购买是数字营销行业最重要的趋势之一。

程序化购买破解“劳动密集”魔咒，精准化投放实现价值大化。 互联网广告发展的初期，由于投放的形式多以人工为主，其行业增长逻辑与传统领域并无差异。然而，以DSP、RTB等技术为代表的自动化广告购买则通过大数据和即时撮合，实现了广告资源的优化匹配，有助于提升广告营销效果和广告投放效率，或将成为突破行业“劳动密集”魔咒的重大突破。其中，用户数据处理分析和广告供需撮合是最为核心的环节。一方面，用户的大数据挖掘有助于实现营销受众的精准发现和即时定位，提高从营销到消费的转化率，实现广告投放的价值大化；另一方面，供需撮合则有助于网络媒体资源的有效利用，提升商业效率，实现利润空间的扩容。

程序化购买增长迅猛，生态链逐渐成熟。（1）程序化购买整体增长迅猛，过去 3 年内实现了从 0 到 100 亿元的增长，据 eMarketer 和艾瑞预测， 2015 年中国程序化购买市场规模约为 101 亿元，预计到 2017 年中国程序化购买市场规模将达到 282 亿元，实现 2-3 倍增长。（2）伴随市场规模迅速膨胀的是生态链的日渐成熟。程序化购买产业已经形成了以“4A 代理公司—交易桌面—DSP/广告网络—广告交易平台”为核心，以第三方数据供应商、效果监测服务、网站分析服务为辅助的连接需求方和供应方的完整链条。

程序化购买三大智能化优势： 受众购买、预算动态分配、提升 ROI

智能化之一：从媒介购买到受众购买。   程序化购买通过对海量数据的挖掘，实现对人群的精准定向，将广告跨平台地精准投放给目标消费人群，从而实现了从购买“媒体”到购买“受众”的升华。受众购买包括投放前的地域定向、时间定向、页面内容定向、兴趣定向等多维定向手段组合以及对整个推广过程中曝光、点击、到达、二跳、停留时间、注册等多维监测，实现对不同阶段人群更加精细化的召回（或重定向， Re-targeting）。受众购买模式减少了原来在内容购买和内容相关定位中所浪费掉的费用，让品牌能够充分提高营销活动的回报。

智能化之二：以大数据为基础进行广告主预算的动态分配。   动态的、可分配预算的投放是程序化购买的本质特征之一。基于程序化购买的广告投放可以根据效果，把预算分配在不同的渠道、流量，甚至不同的媒体、不同的 cookie 上面，广告主可以实时观察自己的预算是否被合理分配，实时考核购买价格和最终产出。实现效果良好的预算动态分配需要算法和技术的支撑，技术实力雄厚的企业拥有更强竞争力。

智能化之三：真正提升 ROI，终结广告效果无法衡量的时代。   程序化广告不仅能对一些衡量广告效果的传统标准如曝光率、点击率、到达率、转化率等进行追踪，更能对后置数据、深度效果数据进行挖掘，从而真正帮助广告主提升 ROI（ Return On Investment，投入产出比），彻底结束营销效果无法衡量的时代。例如，当一个游戏用户通过看到广告注册了游戏之后，他是否创建了角色，是否玩到了一定等级，是否在第二天、第七天、第三十天持续登陆游戏，最终是否在这个游戏中进行了充值消费，都是可以跟踪的。

人工智能引领精准营销未来，看好资源整合与数据技术驱动型DSP

程序化购买产业链不断扩充和成熟。 目前，国内的广告交易平台（ Ad Exchange）主要由谷歌、百度、淘宝等互联网巨头及腾讯、优酷等互联网媒体所构建，第三方程序化购买服务企业主要集中在 DSP 板块。 2012 年起步至今，市场上已经涌现出 50 多家 DSP，以品友互动、易传媒、好耶、银橙传媒、璧合科技等为代表。 DSP 企业可分为两类：第一类，品牌 DSP，主要服务大型广告主，追求品牌曝光；第二类，效果 DSP，主要服务于进行互联网商业行为的企业，例如游戏、电商、在线教育、互联网金融等，以 ROI 作为考量标准。由于程序化购买天然的有利于效果追踪和 ROI 透明化，因此效果类 DSP 逐渐兴起。

资源整合能力、技术实力是程序化购买企业的核心竞争力。根据业内公司进行广告主调研的结果，广告主考量 DSP 时最为看重其媒体资源整合能力，即它能否对接多屏、多渠道的媒体资源，能否给广告主多元的资源选择。海量的媒体资源直接决定了广告投放的覆盖范围，而媒体资源的质量关系广告主的品牌安全和形象。同时，DSP 的核心功能——人群定向、 RTB、效果优化等都依赖算法和技术的支持。大数据时代的到来使更多维度的分析成为可能，对人群的定向也从物理属性进化为行为判断，那些拥有良好数据挖掘技术的企业将拥有更大机会。

小结：

PC端DSP智能化已成熟，程序化投放实现ROI 大化。程序化购买在过去三年内实现了从0到100亿元的高速增长，产业链日益成熟。目前程序化购买每天汇集的流量已达130亿PV，占全部广告位流量的 1/3。依赖大数据与机器学习算法，程序化购买破解了“劳动密集”魔咒，实现受众精准定位、广告投放价值大化。程序化购买具有三大智能化优势：受众购买、广告主预算的动态分配及ROI 提升。

移动DSP引领智能化转型，移动广告出海趋势清晰。2015 年中国移动程序化购买展示广告的市场规模约34亿元，同比增长763%，2018 年有望达到约250亿元，4年CAGR为65%。相比 PC 端，移动程序化购买从技术能力、广告形式创新、数据积累等三方面实现价值升级，增长空间巨大。移动广告平台纷纷推出 DSPAN（广告平台+DSP）模式，积极转型移动程序化购买。国内移动互联网市场过度竞争引 发挤出效应， 海外移动营销市场广阔， 出海成为移动营销行业最重要趋势之一。