作者：Moloco高级内容营销经理Matthew Kaplan
对隐私法规、LAT 和 ATT 带来的影响会使效果营销人员觉得可供选择的有效广告方式正在减少。
好消息是，您仍然有很好的选择。事实证明，在利用您所拥有的任何一手数据，并使用其来识别和大规模定向合适的目标受众方面，机器学习效果显著！
以下 5 个关键原因，为您解释为何需要使用机器学习来进行应用内效果广告投放：
1）找到您的最佳客户
当数据科学家向机器学习模型提供原始信息时，优质的机器学习引擎的一个关键好处是，它能确定哪些数据是相关的，相关的程度和权重以及对一个结果的预测。
在广告领域，模型将学习哪些数据点是相关的（渠道、设备类型、一天中的时点）和每个数据点应赋予多大的重要性并使用该分析来预测一个结果，例如这个用户是否有可能安装一个应用或者采取某个特定的应用内行为。
Moloco 的机器学习引擎使用深度神经网络来处理更深层的分析，以达到您的预期营销效果。
2）在不同数据间建立快速联系
机器学习每秒可以比人类处理更多比特的数据，且处理速度快的多。此外，由于它们不会疲惫，机器学习不会错过任何重要的联系。
3）做出无偏差的决定
为了让机器学习系统持续学习，他们必须尽可能的“无偏差”。当模型不做假设，某些数据不会被“厚此薄彼”地被处理时，机器学习系统工作的最好。
随着时间推移而出现某种程度的变化是自然的，这也是为什么一个真正训练有素的机器模型至关重要的原因之一。当一位人类观察员或有偏差的系统把以前不太可能的观察结果作为异常值或规则的特例时，无偏差的数据方法能对新信息应用适当的权重，并继续学习。
不同于其他机器学习方法，Moloco 的机器学习引擎每小时不间断地摄取新数据，并快速适应新数据带来的任何变化。
因为从本质上，Moloco 的机器学习是面向未来的。
4）以极具性价比的方式获得结果
Moloco 的机器学习包括竞价价格优化，这能确保您不会因为出价不够高而为流量支付过多费用或失去有价值的展示。此外，通过提升竞价处理基础架构的效率，Moloco 降低了竞价成本，从而使深度学习能够再当下的商业环境中发挥更好的作用。
5）针对不同的 KPIs 进行优化
不同的 UA 团队有不同的KPI。依靠量化变现的应用，如超休闲游戏，聚焦在安装量和每安装成本（CPI ）上。相比之下，通过应用内购买（IAP）或交易来盈利的应用可能更关心广告支出回报率（ROAS）。
Moloco 的机器学习模型善于发现可盈利用户 —— 即那些既安装应用又采取行动的用户（通常是变现行为）——无论是购买游戏中的货币、为加密货币钱包充值，观看应用内广告，还是在某个平台上购物。
了解机器学习和效果广告相关的更多信息
如果您有兴趣了解更多关于机器学习及其在效果广告中的作用，请点击下载免费版
《机器学习赋能移动营销白皮书》，这是 Moloco 关于机器学习背后技术所推出的一本易读级入门书。如今，需求方平台（DSP）所使用的机器学习引擎并不完全相同，Moloco 的机器学习入门手册强调了 Moloco Cloud DSP 平台的独特差异性和重要性，即刻下载 Moloco 的机器学习入门手册吧！
关于作者
Matthew Kaplan拥有十余年的数字营销经验，致力于支持世界上最大的B2B和B2C品牌的内容目标和跨设备的多样化营销活动。同时他有丰富的内容营销写作经验，文章主题涉及IT、技术、能源、医疗保健、交通、B2B企业、食品和烹饪以及政治。
关于Moloco
Moloco致力于为企业提供先进的机器学习算法，助力数字经济更加公平和高效。开发者和线上零售商可通过Moloco机器学习平台盘活一手数据，以了解公司业务表现，促进业绩增长。Moloco Cloud DSP（云营销平台）助力市场营销人员快速扩大获客规模，并通过实践检验的预测模型实现更大的用户生命周期价值。Moloco由前谷歌机器学习工程师团队于2013年创立，总部位于美国硅谷，目前在美国、英国、韩国、中国、日本和新加坡等国家地区设有9个办事处。