利用機器學習提升流動性，成為聰明工作者
瞭解如何利用自動化系統提升行銷活動效益並充分運用預算。
內容
每一年，媒體產業都有更多的管道、格式以及資料問世，使媒體購買人員的工作變得更加複雜。雖然媒體團隊已慣於打造及執行縝密的行銷計畫，但仍須投入大部分的時間為行銷活動匯入資料，以及進行調整和優化作業。不過現在有內嵌機器學習的廣告交換平台，能夠處理大量不斷變化的資料點，進而即時評估廣告機會。媒體團隊只要願意交出部分主導權，就能因機器學習帶來的流動性受益，讓花費的每一分錢都能流向最有價值的曝光。
接納機器學習對行銷及廣告業來說仍然言之過早。許多行銷人員並不甚瞭解機器學習的定義、運作方式以及這套機制是否會將他們取而代之。簡而言之，媒體購買系統內的機器學習能藉由運用序列演算法及預測性的分析方法，以最划算的價格在適當時機找到理想的廣告受眾，而且機器學習不會取代任何人。
在自動化系統中運行的機器學習會迅速處理無數資料點，預測出哪一群受眾會對廣告做出回應，然後將這項資訊傳送給負責投遞廣告的自動化系統。媒體團隊若採用此技術，將能獲得全新的效率提升幫手、取得驚人的分析數據，還能將時間更妥善地用來規劃更全面的專案。
自動化系統搭配機器學習有助於促進最佳化
將近十年的時間裡，行銷人員一直依循傳統的廣告交換作法，針對事先鎖定廣告受眾的特定廣告版位進行出價。從選擇廣告單位、識別潛在顧客到設定價格上限，媒體團隊已經習慣在每個環節上親力親為。然而在評估媒體成效時，媒體團隊往往難以確實瞭解廣告的成效。他們往往需要經過數十次的實驗，才能找出或收集到任何具體的分析數據，以藉此瞭解如何打造最佳行銷活動才能帶來更多價值。
如今在機器學習的支援下，媒體購買系統能夠自動找出最理想的交易機會，為媒體團隊減輕負擔。在自動化媒體購買系統，媒體購買人員只須設定一個行銷活動目標作為機器學習方向，並設定允許最大範圍的資料集的行銷活動參數，然後在廣告開始刊登後，機器學習模型及演算法便會根據即時傳入的資料預測哪些廣告機會擁有最大的價值，並進行必要的調整，以協助確保行銷活動盡可能以最優惠的價格達成目標。
機器學習需要運作的空間，才能為您達成目標
對於習慣透過傳統廣告交換作法展開行銷活動的媒體企劃人員和購買人員來說，可能無法輕易信任機器並放手讓機器幫他們工作，然而經過機器學習加持的自動化系統需要設定廣泛的參數，才能發揮最大效用。
媒體團隊使用這類自動化系統時，建議對版位、平台甚至廣告受眾都抱持不可知論的態度，如此一來，系統才能將更多廣告機會納入考量，並評估何者能帶來最佳成效。擁抱未知可能會讓媒體企劃人員因此而獲得驚人的用戶洞察報告，媒體購買人員則能將時間用來進行更全面的分析。
當然，若要提升流動性，媒體企劃和購買人員就需要為行銷活動設定合理的目標。這些目標是系統進行運算時遵循的訊號，因此應該與實際的業務成果維持高度一致。行銷人員若是針對成效型目標進行最佳化，將會發現銷售量、下載次數以及其他轉換次數等訊號可在系統內發揮良好效果；若是針對品牌目標進行最佳化，則可能需要進行測試，以瞭解哪些訊號在提升觸及人數、品牌知名度或品牌觀感時最有效。
對行銷人員的啟發
自動化系統搭配機器學習，提升流動性。
自動化系統搭配機器學習可靈活且即時處理複雜的資料集，所產生的效益即便是最頂尖的媒體團隊也難以企及。為協助確保每一分錢都能盡量發揮效用，請善加利用這些系統提供的流動性。
無法順利提升流動性時，請降低您的主導程度。
無法順利提升流動性時，設定廣泛的參數是最理想的作法。 媒體團隊只要對特定的購買元素秉持不可知論的態度，便能協助系統盡可能取得最多的廣告機會，並從中找出可達成行銷活動目標的最佳機會。
選擇符合實際業務成果的廣告目標。
廣告目標就像是為船隻指出航行方向的導航訊號，能引導系統往您期望獲得的成果運作。適合的廣告目標能提升行銷活動的效率，不適合的目標則只會讓您偏離航道。
