近日，全球机器学习和增长营销解决方案领导者 Moloco 发布《机器学习赋能移动营销白皮书》（以下简称《白皮书》），全面解析后隐私时代，Moloco 深度机器学习技术如何赋能营销人员取得业绩增长。
▲《机器学习赋能移动营销白皮书》/ 图源Moloco
Moloco 大中华区销售负责人 Bruce Li表示：“随着 Apple 和 Google 的隐私新规相继落地，对于营销人员来说，后隐私时代，能够高效分析广告主一手数据，并执行大规模精准用户识别和定向的机器学习将是更行之有效的营销选择。Moloco《白皮书》用通俗易懂的语言帮助营销人员更好地理解营销背后机器学习发挥的作用，从而更好地预测广告表现，实现业绩目标。”
机器学习模型善于寻找“可盈利”的用户，即那些不仅安装应用程序，更会采取变现行为的用户，如购买游戏币、加密货币，或是在电商平台上购物等。即使隐私政策日益收紧，营销人员仍能轻松、快速达成并保持目标广告支出回报率（ROAS）。
更高级的机器学习：深度神经网络
与其它采用机器学习的广告平台不同，Moloco 采用的是深度神经网络，这是一类更加高级的机器学习模型，也是最复杂、最昂贵的一类建构。同时，深度神经网络属于密集型系统，因此对时间和算力的要求都非常高，这就导致很多 DSP 平台并没有能力去部署。而依托于专业的技术开发团队，Moloco 成功搭建了由深度神经网络驱动的机器学习引擎。
深度神经网络由多层神经网组成的，不同与线性网络，深度神经网络的每一层都专注于研究一组特定的属性或输入，因此在实现“大海捞针”（即处理更大范围的不同异构数据点）时，深度神经网络不仅更加高效，还能呈指数级缩短机器学习的时间。
Moloco Cloud DSP 的三大优势
数字广告领域，在开放的互联网中，构建在深度神经网络上的 DSP 平台将更具技术优势。
《白皮书》中讲解到，当开发者的应用程序拥有广告位时，将会在广告交易平台中发布这一消息。通常而言，DSP平台有200毫秒的时间来查看广告请求、预测用户可能采取的回应、计算正确的支付成本、出价以及提供 Campaign 等相关信息，而得益于深度神经网络，Moloco Cloud DSP可以在50~100毫秒内响应竞价请求，同时采用一组不同类别的异构数据点，对以上各类输入信息进行计算，并输出预测数据等结果，实现成本和效益的平衡。
10种高效、低成本的推理模型
《白皮书》中对目前 Moloco 所采用的10种推理模型进行了详细的介绍。推理模型指的是 Moloco 的核心引擎在处理输入数据时，从架构到出价等各种环节涉及到的几个重要的节点。
Moloco的10种推理模型可分为三组，分别是基础架构效率、广告成果预测和竞价价格优化。一个概念突出、高效的、低成本的机器学习模型会在流量选择和实时出价等方面更有竞争力，这其中最重要的，就是 Moloco 的广告成果预测模型。客户可以根据不同的目标需求，来选择广告成果预测模型类别，同时也可以有机结合使用。
Moloco 创立于 2013 年，总部位于美国硅谷，是一家以机器学习算法驱动的技术型公司，并已成为业内少有的能够同时实现高速增长和业务盈利的独角兽企业。2022年上半年，Moloco 连续九个季度实现现金流和 EBITDA 的持续正增长。并入选 2022 年 Inc. 5000 “全美增长最快企业”年度榜单前 100 。2021 年进入中国市场后，Moloco 的团队和业务规模均实现快速增长，目前已和国内多家游戏出海领域头部品牌达成合作。
