优化移动DSP广告投放算法和智能预算的方法

  对一个买汽车的高富帅，是投放奥迪汽车的移动DSP广告呢，还是宝马汽车的移动DSP广告，这是一个问题。移动DSP广告投放算法的优化，是移动DSP广告的核心竞争力，需要有大量的实际广告投放经验，结合优秀的技术团队，让机器不断的学习，才能形成独有的一套算法优化策略。
  目前，常见的移动DSP广告对于算法优化，在常规的点击率预估模型(CTR)及转换率预估模型(CVR)基础上，结合电商行业、在线培训行业的行业知识进行优化。基于hadoop的离线计算机集群和storm的实时计算机群，每天可以获取数亿条实时广告数据，基于这些数据进行建模，进一步实时优化广告主的点击率和转化率。基于这套模型的转换效果，比最优秀的运营人员手工操作的优化方式，转换率要提升80%以上。
  移动DSP广告预算的开销方式上，最基础的对预算进行匀速优化，就是根据移动DSP广告投放的周期，把广告预算平均分配到每天甚至每个时段，这种方法实现简单，但是容易造成非常大的浪费。比如，晚上9点以后，用户躺在床上使用手机的概率很大，从而这个时段的广告展示流量很多，如果早上就高价购买了太多流量，就会导致广告主预算的浪费。
  移动DSP广告的预算智能优化方式，是基于长期历史数据的大数据模型，根据流量的质量和竞争激烈程度，分别统计出不同时段的流量，不同竞价价位的成功率，直到效果为王的正轨上。