重點新聞(0316~0405)
#AI廣告推薦 #AI廣告代投 #社群媒體行銷
Meta揭露自家AI廣告推薦與排名系統背後的關鍵技術模組
近一年，各大廣告平臺紛紛對廣告主強力推廣自家的跨通路AI廣告代投功能。包括Google整合更多過往分散的廣告功能到Perfomance Max，以及Amazon推出可以投放橫跨CTV和RMN通路的Brand+。近月，Meta則採取介紹自家廣告技術做法的策略，期望增進廣告主對自家技術信任，來推廣自家AI廣告功能Advantage+。
繼先前介紹自家AI檢索系統Andromeda後，Meta這次從更高層次來綜觀自家AI廣告系統的3大關鍵技術模組，GEM、Lattice以及Andromeda。
GEM是生成式廣告推薦模型的簡稱，負責彙整、分析並連結數兆筆廣告及使用者資料，根據對使用者理解，在極短時間推薦適合廣告。這個模型今年初開始應用於Meta不同通路和格式的廣告。今年3月，於一個樣本數高達229億觀看次數的Reels廣告實驗中，他們發現GEM提升廣告轉換率5%。
Meta將GEM比喻為超級大腦，可以從龐大圖書館中瞬間讀取大量資料。這個龐大圖書館，正是他們整合過往多個領域知識的模型架構Lattice。
過往，Meta有許多小型模型，專注於預測和驅動廣告推薦的不同面向，例如針對特定通路廣告優化、針對特定行銷目標優化、法規遵循、隱私權政策符合等。近期他們使用Lattice架構，來取代這些獨立小模型。Lattice架構下，許多小模型整合成更大的少數模型，並能交叉運作，在廣告推薦過程中，更深度分析廣告素材、廣告主、使用者，以及行銷通路的特性。
這種做法除了提升整體廣告推薦精準度，還能在啟用新通路或新素材時，更好的從過往經驗來驅動廣告推薦，而不需要花上一陣子累積資料，才能用來優化推薦。使用模型數量減少，更提升Meta開發、迭代和維運AI模型及推薦系統的效率。根據他們自家統計，Lattice提升廣告品質超過11%，也為多種類型的廣告提升轉換率。
Andromeda則是根據使用者喜好，從上千萬則廣告中，挑選出幾千則廣告，提供給後續更精細的排序模型來逐步篩選出最終應呈現廣告。初步檢索階段須處理的數據規模最大，但費時不可過久，以免影響Meta使用者體驗。Andromeda架構下，Meta可以更快速運用較過往複雜1萬倍以上的ML模型，來精準檢索出適當廣告素材。此系統上線後，提升了8%廣告品質。
#伺服器端廣告交換 #CAPI #IAB
IAB將打造伺服器端的通用廣告資料交換框架，以避開瀏覽器對數位廣告活動的限制
IAB Tech Lab宣布要開發一個開源的伺服器端廣告管理框架Trusted Server。這個框架想要定義一套完整的數位廣告資料交換架構，包括了廣告請求與回應管理、伺服器端的廣告拼接（Server Side Ad Stitching），串接各種競價平臺主機、整合現有程式化廣告系統等。未來，還計畫能用邊緣雲執行相關廣告請求及蒐集廣告數據，甚至計畫能支援第三方廣告供應商的外掛，如身份與受眾識別、詐欺防護、品牌安全等。
出於商業利益和隱私維護等動機，瀏覽器營運商近年不斷限制資料交換內容、降低廣告出版商資料交換權利。IAB Tech Lab表示，他們希望將Trusted Server打造成一套數位廣告界的標準框架，可以把原本在瀏覽器端執行的關鍵數位廣告作業，轉移到廣告出版商的伺服器，或託管的基礎架構上執行。
他們期待這套新框架能更好保留第一方數據訊號、減少資料外洩風險，以支持更彈性的程式化廣告策略。對廣告主來說，則能透過簡單操作，自己定義自家網站上如何蒐集、儲存和交換資料。（詳全文）
#生成式AI #AI行銷助手 #AI研究分析
數位行銷調查機構eMarketer推出生成式AI行銷助手，可以研究、分析站上報告，並用於生成行銷素材
數位行銷調查機構eMarketer推出生成式AI行銷助手AI Search，這是一個類似ChatGPT的聊天機器人，可以快速搜尋站上報告、提供報告洞察與分析、根據使用者問題自動尋找對應報告回答，還可以利用站上報告的內容，來分析報表及行銷素材。
此工具有助於行銷人員更快找到適合自己研究目的的報告，並從報告中提取關鍵資訊。例如，行銷人員可以詢問，「有哪些證據用來對快消品品牌說明跨通路行銷的重要性」，來尋找不同報告中的相關訊息。或者，「CTV廣告測量目前最大挑戰為何？」，請AI整理資料，而不必自己猜測不同CTV領域報告中，有沒有提到相關資料，並煩惱如何整合不同報告資料。
蒐集到原始資料後，此工具還能協助行銷人員分析資料，並轉換成行銷素材。例如，可以要求它根據前述報告與討論，撰寫行銷提案。
#廣告成效追蹤 #跨通路行銷
調查顯示：程式化廣告成效追蹤仍難以取信廣告主，跨通路追蹤及ROI難以證明等老問題依然未解
著名數位行銷媒體AdExchanger與市調公司Disqo合作研究，推出The State of Programmatic Measurement報告，根據168家大型品牌及廣告代理商意見，一窺程式化廣告成效追蹤現狀。
調查顯示，只有不到3成廣告主對程式化廣告成效追蹤數據抱有高度信任，且45%廣告主認為，自己廣告活動ROI，超過7成都無法歸因。追蹤成效的前五大挑戰，則分別是跨通路資料整合困難、行銷平臺資料孤島化、成效追蹤成本過高、完整使用者旅途追蹤困難，以及成效追蹤技術破碎化。不過，只有23%廣告主對於未來廣告成效追蹤的技術與做法轉變，自認有足夠準備度。
目前廣告主在探索的「新」追蹤做法，包括經典統計方法MMM（行銷組合模型）、利用第一方資料等。隨著RMN、CTV等新興行銷通路問世並獲得大量採用，更凸顯出破碎化通路及技術導致難以追蹤成效的困擾未解。廣告主只能回歸這些行之有年的做法，也反映出現在市面上鮮有獲得廣告主信任的新廣告追蹤技術。
#生成式AI #RMN #雜貨電商
Instacart推出多種AI驅動的新RMN行銷功能，包括代投、商城生成、資料分析等
揭露自家如何用AI與生成式AI強化行銷功能後，Instacart隨即推出一系列AI驅動的RMN廣告功能。首先是Universal Campaigns，可以根據同一筆預算，投放多種廣告格式，並根據特定目標，如銷售轉換率等，即時調整投放策略。這個功能類似現今大型廣告平臺都在力推的AI跨通路廣告代投。
其次是AI生成品牌頁，可以根據簡單指令自動生成品牌首頁、產品素材和文案。第三則是在廣告管理員中，根據廣告成效資料提供洞察，以及可一鍵執行的修正建議。
另外，他們也更新商品管理後臺，來支援大規模商品素材及資料的管理。
#社群媒體行銷 #跨通路行銷 #行銷專案匯入
Reddit推出可以匯入Meta行銷專案參數的功能，期待降低廣告主使用門檻
近期積極發展數位廣告業務的網路論壇龍頭Reddit推出專案匯入功能，讓廣告主可以快速利用既有Meta行銷專案參數，來建立Reddit行銷專案。目前支援匯入的參數設定包括特定行銷目標，以及地點與性別等受眾分群。不支援匯入的設定包括部分出價策略、美國以外的細緻地理分區等。
未來，Reddit還有意支援匯入更多外部平臺的行銷專案。雖然無法100%複製行銷專案設定，但此功能仍能一定程度提升廣告主跨通路行銷的便利性。這是他們作為數位行銷後進者，吸引更多廣告主的一個嘗試。
#社群媒體行銷
Meta開始於Facebook測試只呈現好友動態的介面，不會有推薦文章內容
在Facebook動態牆充斥著廣告、推薦文章、創作者內容的現今，Meta宣布推出Friends功能，讓使用者能切換到只呈現好友動態的介面。Facebook總監Tom Alison表示，Meta仍會持續發展推薦文章等數位行銷功能，不過希望Facebook能找回一點社群媒體連結人際關係的功能。
對行銷人員來說，Friends功能會提升整體App流量並連帶增加廣告曝光，還是將使用者目光從推薦內容吸引走，則仍待觀察。
更多Martech動態：
2. Best Buy RMN推出於Facebook及Instagram對自家顧客投廣的功能，主打賣點是可以提供商品等級的行銷轉換資料。
3. 外媒Digiday報導，Meta將發展「批發式廣告」，賣大量廣告版位給媒體代理商，再由後者轉賣。
資料來源：iThome整理，2025年4月
責任編輯：郭又華
圖片來源：Meta、Reddit、eMarketer
