图灵汇官网

随着智能电视技术的发展，越来越多的智能电视服务商成为了互联网流量的新入口。这些服务商积累了大量关于用户在影视、音乐、游戏、应用、教育及生活消费等方面的数据。广告是智能电视运营服务商将其流量变现的主要方式之一。本文主要探讨如何利用大数据和人工智能技术，通过对海量用户行为数据的深度分析和挖掘，将数据挖掘的成果应用于广告的售卖和投放中，从而实现广告竞价售卖、精准投放、预测投放效果、控制投放成本以及提高流量的变现能力。

智能电视广告的背景与市场

智能电视广告依托于智能电视平台，结合人工智能和大数据技术，将不同品牌和服务信息以广告形式精准投放给特定受众。相较于传统电视和移动互联网广告，智能电视广告的独特价值在于：

1）受众群体庞大且价值高。据数据显示，截至2020年，国内智能电视保有量超过2.8亿台，占比接近60%。智能电视用户主要集中在25至45岁的高消费能力群体，这一年龄段用户最具消费潜力。而传统电视用户则集中在中老年人群和偏远地区。从整体用户属性来看，智能电视用户更多集中在高收入、高学历和高消费能力的家庭群体。

2）广告展示效果优秀。智能电视的大屏幕和高分辨率带来更精致的视觉体验，使得广告展示效果更好，更容易被观众接受。此外，智能电视上的广告支持高清视频、高清图片和动画等多种形式，并且具有交互性，这有助于品牌广告的传播。

3）广告具有独占性。智能电视通过新型交互方式，在用户享受视频娱乐的同时，以趣味性的形式传递广告信息。这种方式使用户注意力更加集中，广告的记忆度更高，能够迅速形成品牌意识。

4）完整的营销闭环。智能电视不仅支持视频观看，还提供了投票、抢红包、跨屏互动、游戏、下载应用以及在线购买等功能，形成了从广告曝光、互动、购买到分享的一整套营销闭环，具有互联网的特性。

计算广告在智能电视上的应用场景

智能电视运营商掌握着智能电视流量的入口，并积累了大量的用户行为数据，因此计算广告在智能电视上有天然的应用场景和独特价值。以下是智能电视上可投放广告的应用场景：

• 开机启动画面、待机屏保画面、关机画面；
• 基于播放器的广告（如贴片、暂停等）；
• 基于遥控器控制的广告（如音量、频道、菜单等）；
• 基于大屏智能APP的启动广告；
• 基于业务的深度定制广告（排行榜、猜你喜欢、智能推荐）；
• 基于浏览器及导航应用的广告；
• 基于智能电视大屏到手机小屏的双向互动广告。

大数据及AI技术在计算广告上的应用场景

场景一：基于大数据和实时计算的程序化广告交易平台

随着广告市场的成熟和竞争机制的引入，广告投放市场不断向需求方开放，广告产品形态更加精细化。除了传统的广告投放策略外，更多的精细化投放方案逐渐成为主流。例如，广告主可以选择特定流量，每次展示独立询价、出价和竞价，控制广告投放成本，并实时评测流量利益最大化。程序化广告交易平台通过大数据、人工智能算法和实时计算能力的结合，成为连接广告主、广告运营商和用户之间的桥梁。实时竞价广告使广告售卖市场更加透明，广告投放者可以实时完成投放决策，同时程序化平台还能提供准确的广告点击率预测、点击价值估计和流量预测优化策略。

场景二：基于用户画像的精准化广告投放与推荐平台

基于大数据和实时计算的程序化广告交易平台解决了广告流量售卖中的利润最大化问题。而基于用户画像的精准化广告投放与推荐平台则主要解决如何细分流量和最大化流量效能的问题。智能电视终端收集海量用户行为数据，通过对用户行为的深度分析和多维度挖掘，发现用户潜在行为规律和偏好，细分领域上的需求。用户画像的内容既可用于单独的广告场景售卖，也可用于精准化广告投放。用户画像的常用维度包括：

• 用户基本信息；
• 用户行为数据；
• 用户兴趣偏好；
• 用户消费习惯。

推荐系统根据用户信息投放个性化内容，主要包括在线投放引擎、离线分布式计算数据处理平台和在线实时反馈的流计算平台。通过用户画像体系与推荐平台，广告主的广告需求可以快速落实到具体用户身上，实现广告投放的价值，满足广告主和用户的需求，优化产品体验，提高产品竞争力。

场景三：基于实时计算的广告流量和交易清算平台

程序化的广告交易平台和广告投放与推荐平台解决了广告售卖和流量变现问题。基于实时计算的广告流量和交易清算平台则主要解决售卖和变现过程中交易相关的问题。通过实时计算，可以实时反馈流量的售卖价值和转化价值，辅助经营决策者实时调整策略，并帮助广告投放者评估投放效果和调整策略。清算平台的核心功能之一是提高广告产品的利润，其优化目标为：

• 点击产出最大化；
• 投入成本最小化。

清算系统需要实时判断流量来源中是否有作弊流量，并将其从计价和统计中去除。对于即将预算耗尽的广告，必须及时通知广告投放系统终止其投放计划。AI技术在清算系统中的核心作用是求解最优化问题，当投入一定时，如何找到最优的投放策略，使成本最小化。最优化问题的解决方案包括拉格朗日法与函数凸优化、梯度下降算法及拟牛顿法。通过数据和算法寻找最优解，制定最优的投放策略。