下载掌阅APP，畅读海量书库
立即打开
自2000年起，我国的互联网数字技术发展一直紧跟全球先进水平，到2016年后，在移动数字应用和数字广告营销的部分领域（如短视频、直播电商）已超越发达国家。在国家战略建设数字互联网通信设施的基础上，新兴的数字技术给营销与传播带来了“破坏式创新”。
“破坏式创新”（disruptive innovation） 这一概念最早由著名经济学家约瑟夫·熊彼特在1912年提出，指的是将全新的生产要素和生产条件组合引入生产体系。熊彼特被视为技术创新理论的鼻祖。他认为，互联网技术作为一种新兴技术力量，正在推动整个社会产业的创新。
正是互联网技术的广泛应用，推动了新产品、新应用、新市场的不断涌现。一方面，这打破了原有利益共享群体的垄断格局，成为改变原有经济组织、权力和利益分配格局的工具。另一方面，新技术的应用又不断优化社会边际成本，提高社会整体福利，推动国家经济快速发展。
大数据技术、可寻址技术、广告服务器技术、计算广告技术、人工智能技术等一系列创新技术，已开始广泛应用于基于数字互联网的各个行业。数字广告行业尤其成为数字营销传播的重点突破领域。数字科技革命的进步和创新扩散，实际上超越了任何单一学科的范畴，推动了数字广告向复杂系统科学领域的转变，并不断获得新的科学生产力。
自互联网在全球范围内广泛应用以来，人类社会使用数据的方式和规模发生了剧烈变化。利用数据分析技术，我们可以发现消费者、企业供应和市场之间存在的各种联系，这对企业的研发、生产和销售大有裨益，能够优化生产要素的使用效率，提高社会生产力水平，从而更有竞争力地运营市场。
互联网平台能够同时服务于一个国家的数亿用户，甚至全球范围的数十亿用户。数据不再仅仅是传统的二维表形式的，还可以是非结构化的，比如某网站用户的视频观看、点赞、评论、上传和分享数据，某个城市一天内所有车辆和人员的移动数据，某家银行过去几年内所有用户的消费记录和信用数据，以及社交媒体平台上某地用户的社交网络关系和相互对话沟通内容，这些都是大数据的例子。
大数据指的是那些无法在一定时间范围内使用常规软件工具进行捕捉、管理和处理的大型数据集合。国际权威机构Gartner对大数据的定义是：大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据的特征可以概括为“4V”，即Volume（大体量）、Velocity（高速度）、Variety（多样化）和Veracity（真实性），从这四个特征可以归纳出第五个V，即Value（低价值密度）。
大体量指的是数据量庞大。大量的数据在互联网上产生，能够反映现实生活，提供丰富的信息和价值。
高速度指的是数据的时效性。在互联网上，数据的传输和接收几乎是实时的，数据世界与现实世界几乎同步更新，高速度代表了信息处理能力的显著提升。
多样化表示数据的多维性。大数据不仅包括传统的结构化数据，还包括大量非结构化数据。这些数据全面、具体地描述了某个空间和某个时间内的所有信息，需要经过处理转化才能成为有价值的信息。
真实性关注的是数据的质量。数据来源于真实的联网环境，能够真实地反映某个场景中的信息交互行为。全样本的数据采集增强了数据的准确性和真实性。
低价值密度是指在大数据中，有价值的信息含量相对较低。寻找重要的信息和知识往往需要在万亿级的数据流中寻宝，其中有价值的信息可能仅占极小比例，比如百万分之一。因此，有效且高效的挖掘与分析技术成为解决这一问题的关键。
舍恩伯格和库克耶在《大数据时代：生活、工作与思维的大变革》一书中指出，大数据分析不采用传统的抽样随机等调研分析方法，而是针对全样本数据规模进行分析处理。这表明，大数据分析技术对传统市场研究行业构成了威胁，直接影响了广告调研洞察和营销市场分析领域。
大数据产业涵盖了与大数据的产生、集聚（数据源采集）、组织与管理（存储）、分析与发现（处理）、服务应用与交易（垂直行业）及其衍生相关的所有领域，主要可以分为大数据硬件、大数据软件和大数据应用三大部分。2022年4月，《中共中央 国务院关于加快建设全国统一大市场的意见》发布，明确将数据作为新型生产要素，与土地、劳动力、资本、技术并列，并强调推进政府数据的开放共享，实现数据效能最大化。
目前，我国正在加速从数据大国向数据强国转变。国际数据公司（IDC）的报告显示，预计到2025年，随着物联网等新技术的持续推进，中国产生的数据量可能超过美国。中国大数据对世界的贡献主要体现在三个方面：一是引领大数据的创新应用，尤其是在消费领域；二是互联网公司和初创企业在技术创新上的领导作用，特别是在语音识别、图像理解、文本挖掘等方面已涌现出众多领先企业；三是中国已成为世界上数据量最大、数据类型最丰富的国家之一。在数字广告营销服务、电商服务、移动金融支付和数字物流领域，中国大数据的主要市场应用均处于全球领先水平。
大数据服务指的是以大数据为核心资源，以大数据应用为主业的企业运营活动。这些企业通过挖掘大数据中隐藏的价值，不断推动大数据产业链中各环节的发展和成熟。从某种程度上来说，互联网数字经济平台激发了大数据的真正价值，集中了：
1）应用服务，基于大数据技术对外提供相关的服务。
2）分析服务，即技术支持服务、技术（方法、商业等）咨询，或类似数据科学的专家级研究与咨询服务。这类服务使企业能够更深入地理解市场动态和消费者行为，从而做出更加精准的商业决策。
3）大数据基础设施服务，关于大数据技术的培训、咨询、推广等基础类和通用类的服务。这些服务可以为企业在大数据应用方面的技术提升和知识积累提供支持，使企业能够更有效地利用大数据资源。
大数据营销是指基于多平台的大量数据，将大数据技术应用于营销过程中的组织行为。数字广告和营销供应商可以通过收集在线场景数据、制作用户画像并精准预测在线顾客群体的潜在需求，为广告主提供服务，将商品和广告精准地推送给目标顾客。
传统营销的4P组合——产品（Product）、价格（Price）、渠道（Place）、促销（Promotion）——正在经历大数据的改造。依托于多平台的数据采集及大数据技术的分析和预测能力，能使企业的广告促销更加精准和有效，为品牌企业带来更高的投资回报率。
我国的大数据应用广泛覆盖各类市场。但是，随着“互联网流量红利”的见顶，线上数字服务的效能正在向线上线下融合转移。一些新零售营销者认为，线上销售将与线下销售结合，同时融合物联网、大数据、云计算等技术，预计未来超过50%的零售将属于数字零售。在这个过程中，大数据驱动正成为数字新零售增长的关键。
可寻址技术是信息通信技术（ICT）的基础，广泛应用于计算机通信和网络设备定向，是数字广告位的底层技术之一。这种技术改变了信息接触（大众）用户的方式。数字广告是可寻址技术在互联网上比较大的应用场景之一。对于广告主而言，可寻址技术也称为用户定向技术。在互联网上，基于用户定向技术精准分发信息、内容和商品给有需求的用户，是创造价值的核心逻辑。可以说，数字广告和数字营销在很大程度上是建立在用户定向技术之上的，进而得出互联网经济在一定程度上是建立在可寻址技术之上的结论。
ICT 本身是信息技术和通信技术的融合，属于信息时代的基础学科和新技术领域。过去，通信技术与信息技术分属两个相通的领域，通信技术着重于信息的传播和广播，而信息技术着重于信息的编码和解码，需要基于通信基础设施进行传输。
IT（信息技术）主要是管理和处理信息的各种技术的总称，指应用计算机科学和通信技术来设计、开发、安装和实施信息系统及应用软件的技术集合。
CT（通信技术）包含传输接入、网络交换、移动通信、无线通信、光通信、卫星通信、专网通信等技术，已发展成熟的技术包括5G、LTE、IPTV、VoIP、NGN和IMS等。
随着互联网的发展，各种信息通信技术变得密不可分，逐渐融为一体。
在互联网服务中，识别用户的第一步通常是网站服务器识别个体访问者的请求、来源地址和使用的浏览器。本书中提到的可寻址技术主要指的是能够找到用户数字终端的地址，包括网站服务器识别个体访问请求、地址和浏览器的技术。从计算机通信的角度来看，可寻址对象指的是可以使用操作符“&”来直接获取地址的对象。
可寻址技术的起源可以追溯到域名系统（Domain Name System，DNS），这是互联网的基础技术之一。DNS建立了一种将字符（数字和字母）与互联网上的服务器地址（IP地址）相对应的解析关系，通常称为“域名解析”。例如，新浪网的国内域名是www.sina.com.cn，访问者可以使用trace等命令解析查看网站服务器路由策略，包括重定向的IP地址。用户使用网址，使得互联网上的资源具有用户传播记忆。移动用户一般则通过点击APP图标直接访问。
IP（互联网协议）是为了实现计算机间的互联通信而设计的协议，是连接到网络上的所有计算机进行相互通信的一套规则。每台连接到网络的计算机和手机都有一个唯一的IP地址。IP地址的唯一性可以用于实现可寻址。在全球互联网中，通常是通过识别访问终端（而不是直接识别个人）来提供网络信息服务的。
用户的可寻址通常是基于用户访问终端的识别码数据来实现的。用户识别可以分为多种方式，包括硬件设备号识别、网络与通信运营商分配号识别、网站服务器写入浏览器的Cookie识别以及用户注册网络服务ID识别等。例如，手机号就属于通信运营商分配号。
由于可寻址技术在互联网上的广泛应用，采用对全体用户普查（census）的方法进行网站分析成为可能。基于此，互联网平台和数字服务提供商能够使用网站或广告活动周期内的完整用户访问记录（用于广告服务）。可寻址技术对传统广告行业基于消费者样本的预测和后监测活动形成了挑战。10.3节将解读数据调研系统的变化。
互联网用户标识主要基于终端身份标识（ID），包括用户ID（UID）、设备ID、链接ID等。其中UID是用户在注册使用邮箱、互联网平台和应用程序（APP）时产生的唯一标识。
用户ID并非个人敏感信息（如身份证号或银行卡信息）。尽管广告主的顾客关系管理（Customer Relationship Management，CRM）系统原本就管理顾客的个人信息，但在法律监管下，这些个人敏感信息实际上无法用于广告。数字广告主要使用可寻址技术访问终端源信息。即便CRM系统后续被纳入数字广告生态，也遵循数据保护的不同等级。
在连接用户时，数字互联网服务会根据不同的连接层级使用互联网（用户）终端识别码。例如，在连接万维网时会使用访问终端的IP地址；使用手机访问时会用到IMEI或IDFA等终端设备识别号；使用浏览器访问网站时会接收和使用网站服务器的Cookie等。由于互联网通信方式复杂多样，可寻址技术的对象和方法也相应复杂多样。但一个不变的事实是，数字用户（访问者）在互联网上是可追踪的，即终端识别码在通信过程中会作为一种用户标识数据，被系统采集、存储和处理。
在互联网广告应用中，用户标识通常指的是设备ID、顾客ID或用户注册ID。在2018年之前，这些用户标识一般未被视为个人信息。然而，欧盟的GDPR推动了全球政府严格看待可用于识别个人的用户ID，并将其纳入个人信息保护。简而言之，网站服务器使用可寻址技术收集用户数据时需要获得用户的授权许可。这类法律法规是2018年之后随着互联网技术的发展而出现的，标志着政府开始监管可寻址技术滥用的问题。
在可寻址技术的基础上，互联网企业开始基于用户ID建立用户数据结构，随后添加字段作为该ID的属性数据，即用户标签，这些用户标签可用于用户画像（persona）的构建。
用户画像是指对聚类人群中数量较大、价值较高且特征显著的主要标签进行组合，形成基本画像和精细标签画像。对个体用户进行精准详细的特征画像，在2018年后受到了全球法律法规和行业标准管制升级的限制。
数字广告位是指互联网平台在提供信息内容服务的同时开辟出的可售卖的加载广告位置。利用可寻址技术，互联网平台才能提供“广告位”地址。广告主的广告信息要想投放到数字广告位上，需要通过识别“广告位”提供的基本信息（如画像特征），并在竞价中胜出。这一过程同样离不开可寻址技术和一系列数字广告技术，例如广告服务器。
在数字广告开发定向人群之前，用户定向（通信）技术就已经出现。随后，用户画像和特征工程的概念逐渐形成。搜索引擎最早通过信息服务与广告结合的方式，回应用户的搜索需求，实现了以个体用户定向为基础的精准化定制。随着用户定向技术被用于精准化定制，这项技术逐渐走向成熟，累积形成了越来越全面的用户标签和用户画像。数字广告位建立在可寻址技术之上，而可寻址技术是整个数字广告生态系统的基础。实际上，所有互联网应用服务都在不同程度地使用用户定向技术，以提供更具关联性的服务、信息、内容和商品。
可寻址技术也造就了互联网经济兴起后用户行为分析工具的发展。在2010年以前，网站与APP上的用户行为数据几乎是匿名的，且基本未打通。从2010年开始，随着程序化广告的投放，基于Cookie和更多设备ID的数据在主流互联网平台上大量流通，以人群属性为主要标签的人群细分方式成熟应用于数字广告投放。数字广告技术公司开发出的DMP（数据管理平台）能比广告主的CRM（顾客关系管理）系统更准确地完成用户画像。因此，大数据营销逐渐形成。
2020版《信息安全技术 个人信息安全规范》的实施，以及2021年《中华人民共和国个人信息保护法》（简称《个人信息保护法》）的施行，标志着企业内部的CRM系统中的顾客实名信息，或利用实名信息打通的匿名数据，需要与外部数据严格区分管理。用户行为分析工具需要通过数字广告系统的整合应用，合法使用CRM系统中的顾客数据。
互联网平台掌握了大量的用户ID、标签和行为数据，也必须严格遵守个人信息保护和数据管理相关的法律法规。因此，SSP/ADX通过公开的RTB（实时竞价）方式进行程序化广告交易，给到DSP/TD
，这种模式在合法性方面面临着挑战，尤其是在跨第一方和第二方平台间匹配个人用户ID和标签进行广告投放时。
当数字广告位识别出用户标签后，广告服务器技术开始发挥作用，从而以可寻址的方式发送广告内容。广告服务器为广告主和互联网发布者（Publisher）在竞价渠道中优化、管理和发布广告提供了技术支持，可以根据各种广告活动设置，如细分受众群、预算和时间表，实时计算最合适展示给特定受众的广告并执行。
广告服务器主要用于部署广告和优化数字广告活动，包括从制作特定品牌的广告素材到自动触达受众。互联网发布者在划分出可执行广告位后，涉及广告信息传播技术处理的部分由广告服务器完成。广告服务器也是数字广告服务产品的一部分，其功能包括投放图片、文字、视频、音频和其他形式的互动广告。
广告服务器也是负责处理互联网广告交易的平台，它按照广告交易平台设定的价格、用户、内容和场景匹配规则，在相应广告位上执行不同广告内容的填充和投放，创造用户在数字活动中的交互式体验价值。早期的广告需要从客户端植入，简单来说就是将广告直接下载到用户的客户端，然后插播（投放）到用户访问的页面内容之前。客户端广告可能对观众体验产生消极影响。
如果你认为缓冲会让用户生气，不妨想象一下这样的情景会有什么后果：用户耐着性子看完正片前的贴片广告后，页面突然崩溃了，使他们不得不重新加载页面，再次观看贴片广告。
客户端广告投放需要大量适用于相应平台的代码，尤其是在用户通过应用观看视频时。这不仅意味着处理页面或应用的公司需要投入更高的开发成本，还意味着用户可能获得不稳定的播放体验。
广告服务器的直接处理能力，使互联网发布者仅需设定页面中“数字广告位”的大小，而将广告加载任务委托给广告服务器，由广告服务器进行技术操作和交易处理。广告内容加载可以与内容页面展示分开执行，服务器端的广告插入成了主流模式，使在线广告对用户更为友好。网站和互联网平台统一采用服务器端的广告解决方案，这不仅使得构建和管理工作变得更加简单，也降低了页面崩溃的可能性。
当用户浏览网页、收听播客或观看视频时，广告服务器处于通信状态，在100毫秒（早期为200毫秒）内向受众展示数字广告活动。用户打开网站时，浏览器将调用发布者的广告服务器来呈现页面内容。为了动态投放最相关的广告，广告服务器通过调整广告活动参数、简化广告购买流程以及规划数字推广流程，循环执行这一过程。
广告服务器处理广告投放的步骤比较复杂。如图1-4所示，主要流程说明如下：当用户开始加载网页（步骤1和步骤2）时，网页源代码中的算法向广告服务器请求广告（步骤3）。在识别出广告网络分配给发布者的广告ID后，广告服务器记录该请求（步骤4），按照之前与广告商确定的规则，返回包含用于点击跟踪的唯一标识符的广告（步骤5）。一旦用户点击广告（步骤6），将发送HTTP GET请求到广告网络（步骤7），这会被视为点击事件并记录，用于计费（步骤8）。然后，广告网络将浏览器重定向到广告主的落地页面（步骤9），之后用户可以浏览登录页面上的项目（步骤10和步骤11）。
图1-4 广告服务器的投放生产过程
通常，当广告网络首次遇到用户时，会向用户发送Cookie或使用其他间接方法（如IP地址和HTTP用户代理组合）进行标记。然后，广告服务器能够完成API调用或响应用户的HTTP（s）请求。如前所述，广告服务器必须标记访问终端数据，以形成通信并确定用户的浏览模式，以及衡量特定广告活动的有效性。
通过向服务器发送广告请求，由服务器完成广告创意渲染、广告展示事件上报等操作，发布者和APP开发者无须直接与广告服务器交互，也不需要自行渲染广告位或处理相关事件，极大简化了它们接入广告业务的流程。以广告服务器作为作业中心，广告交易的双方可以连接到平台上。存在两种类型的广告服务器发布者：1）由广告网络（如谷歌搜索）拥有和运营的发布者；2）不由广告网络管理的联合发布者（如Reddit）。
广告服务器可以是互联网平台自有的服务器（Ad Server），也可以是第三方提供的服务器，如广告网络（Ad Network）、广告交易平台（Ad Exchange）、需求方平台（DSP）和供应方平台（SSP）。
由大型互联网平台运营的服务器一般称为第二方广告服务器，提供直接或程序化广告活动的广告空间。这类广告服务器接收各种创意素材，可以通过自定义参数定位受众，并依据点击量、展示量和可见展示量衡量广告效果。
第三方广告服务器由外部多方所有，广告主利用这些服务器定位特定受众，实现广告目标，管理广告素材，与多个发布者互动。这类广告服务器在展示广告的过程中集中进行广告活动管理和效果衡量。
由于广告行业长期将“第一方”指定为甲方广告主，即品牌方，因此第一方广告服务器最初并不存在。甲方一般都是委托第二方或第三方投放广告，不能自己委托自己。目前我国广告主（第一方）的服务器主要是第一方DMP（数据管理平台）或企业营销CDP（客户数据平台）。
广告服务器通过一系列事件驱动的投放指标（如单次展示成本、单次点击成本和广告展示后的单次转化成本）来计费。同时通过管理服务、培训和支持、高效测量分析等功能进一步提高收益。
广告服务器会根据数字渠道、广告格式、可见展示量指标，向广告主收取投放广告相关的费用。基本费用通常依据行业标准指南和展示量来计算，包括广告的加载次数和展示次数。当顾客点击广告并购买相关商品时，可能产生额外计费，费用由广告平台支付给发布者。
广告服务器是程序化广告技术的重要组成部分。数字广告位的发布者可以通过广告服务器自动售卖广告位。广告主可以通过广告服务器获取发布者的广告位资源，并根据需要购买视频广告、展示广告和移动广告的广告位。广告服务器提供了稳定且灵活的广告作业方案，使广告网络开发者能够参与程序化广告交易。广告交易量的增加促进了竞价市场技术在计算广告领域的发展。
计算广告技术指的是使用数据计算广告位的一整套方法，涉及用户特征标签、广告内容、广告竞价以及与广告场景的匹配。这一过程依赖于强大的计算能力、算法模型和技术基础架构，以创造或传递消息，并监测广告（交互）效果。
计算广告是计算机科学和互联网技术专家的创新成果。2008年，雅虎的首席科学家安德烈·布罗德在ACM国际会议上首次提出了计算广告这一概念，他认为计算广告要解决的核心问题是为流量用户、流量场景以及灵活多变的广告信息寻找最佳的“匹配”解决方案。
我国互联网广告科学家、前微软研究院和雅虎研究院研究员刘鹏博士于2013年开始在北京大学计算机学院开设“计算广告”课程。2015年，刘鹏博士出版了《计算广告》一书，科学地定义了计算广告的核心公式 [1] ：
❑ a ：代表品牌内容（广告）。
❑ u ：指用户兴趣与行为标签，超越人口地理统计。
❑ c ：指场景，如网站分类、搜索查询词和场景信息（例如，用户相关的空间和时间数据）。
❑ r ：因变量，追求可持续的广告预算费用（广告最终价格×可计数的结果）。
在本书中，计算广告被描述为基于数字广告位的实时高效计算，通过用户特征和场景画像，进行快速投放、精准匹配及优化竞价，使用算法自动处理广告信息投放的营销传播过程。
互联网科学家开发的计算广告将数字广告寻求用户信息价值最大化的方法转化为求解约束方程的工程化计算问题，为数字广告位交易处理引入了更高的技术维度和数据科学方法。这在传统广告业中是未曾涉及的，因此计算广告的知识不属于传统广告学体系。
计算广告在竞价市场领域引入了博弈论、信息经济学和行为经济学的理论，形成了第一价竞拍、广义第二价、VCG定价等专题解决方案。计算广告所创新使用的竞价模型，推动了基于程序化广告技术的广告交易的发展，其效率在很大程度上已经超越了传统代理商媒介采购，因此受到了全球数字广告业务领域的技术专家和互联网科技公司的青睐。
计算广告这一新概念属于广告学、计算机科学和营销科学的交叉前沿领域。2017年，华南理工大学的段淳林教授在中国发起了关于计算广告的学术会议。2020年，美国西北大学的马特豪斯教授和明尼苏达大学的吉苏·胡教授提出计算广告领域必须结合计算机科学、营销科学与计量经济学的学科特征，如图1-5所示。
计算广告整合了广告竞价模型、程序化广告技术、用户定向识别技术以及数字广告监测系统等多个方面，为数字广告带来了复杂科学系统的新特性。互联网科学家通过研究和开发计算广告技术产品，并在互联网平台上大规模推广使用，引领着数字广告知识体系的创新。随着互联网平台逐渐超越传统媒体并主导消费者趋势，计算广告通过将数字广告的匹配能力嵌入互联网用户行为中，成为提升用户体验、重塑产业价值链、推动行业数字化转型的关键。
图1-5 马特豪斯和吉苏·胡提出的计算广告学科交叉 [2]
中外高等教育机构也开始大力发展计算广告学科。2018年，美国伊利诺伊州立大学厄巴纳-香槟分校（UIUC）将广告学专业改革为CS+AD（计算机科学与广告学）的双学位。2021年，中国传媒大学广告学院开始开设计算广告本科专业，并在2022年开始招收计算广告方向的研究生。
人工智能 （Artificial Intelligence, AI）是一个包罗万象的术语，可以泛指一系列能在人类帮助下学习或独立学习的机器。较为普遍接受的定义为：人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
人工智能赋能的机器能够完成阅读和理解文本、识别图像、导航避障、听取和理解声音，以及感知外部环境等任务。例如，自动驾驶汽车利用人工智能技术探测障碍物以安全行驶；智能家居设备（如Nest恒温器）使用人工智能技术观察和感知环境变化并做出响应；智能移动设备（如苹果手机）通过人工智能技术理解和回应用户的语音指令。人工智能正在重塑金融、医疗保健、零售等多个行业，改变我们的工作方式，大幅降低人力成本。
从发展阶段来看，广告行业的数字化进程领先于其他行业。随着计算广告的成熟，智能化技术被应用于广告领域，进而不断构建数字广告生态系统，并推动营销技术向智能化转型。经过二十多年的发展，数字广告已成为一种成熟的商业营销信息服务，并开始从程序化广告和计算广告的阶段，进入人工智能技术赋能的新阶段。
搜索引擎最早开始应用 计算智能 输出排序结果，即“推荐”搜索信息，尽量使搜索页展示的结果与用户的需求一致。随后， 感知智能 在图片和文字广告的自动处理过程中得到了广泛利用，数以亿计的图像和文字材料经过早期人工标注，成为机器学习的训练数据，从而使机器智能在诸如文字识别、图像识别、语音转文字等细分领域达到了超过98%的精确度，为大规模商业化使用奠定了基础。感知智能不仅被应用于广告行业，还广泛应用于智能驾驶、智能安防、智能物联网等多个领域。
认知智能 的难度最大，涵盖了机器的自动理解、记忆、学习、推理、知识生成、规划、决策和创造能力。认知智能可以在自主和非监督的状态下，生成整套解决方案并执行测试体系验证。
数字广告自成为互联网平台的收入支柱以来，一直处于人工智能技术应用的前沿。虽然从理论上来说，从搜索引擎算法排名开始，数字广告就已经在开发和应用计算智能，但全行业对人工智能的普遍关注是在2018年之后。人工智能广告（AI广告）以认知智能为目标，成为技术开发、营销投入和市场开拓的热点。数字广告与营销技术“由数入智”，成为数智时代生产力发展的先锋。
综上所述，人工智能主要出自机器自动计算并处理任务的设想，目前已在多个领域得到了广泛应用，并不局限于智能广告与营销技术，还涵盖智能产品、智能服务和智能化市场。伴随着互联网数字技术的持续创新，数字广告的新型业态已经扩展到短视频、网络直播、社交电商、智能终端体验等营销传播新模式，推动着移动广告算法、视频广告算法和跨设备程序化广告算法等新型广告匹配分发算法的发展。
经过数字技术及智能技术的赋能，广告已经从营销与传播交叉学科的竞争应用领域，升级为数据科学驱动的商品经济信息处理中心。通过广告信息传播技术的数智化转型，不仅能提升每个消费者的互联网使用体验，还能催生新的广告模式，创造新的商业价值，推动数字广告成为企业数字营销升级和国家数字经济发展的先进生产力。如今，我国的数字广告知识体系已经与20世纪90年代美国营销与传播学科所划定的广告学知识体系产生了很大的差异，数字技术创新贯穿了中国互联网经济的发展。
[1] 本书统一使用计算广告公式 r （ a , u , c ）表述数字广告领域的核心命题，下文引用的字母符号均出自此公式。
[2] 引自Huh, Jisu和Edward Malthouse的 Advancing Computational Advertising:Conceptualization of the Fieldand Future Directions 。