1993년, 은퇴한 수학과 교수이자 컴퓨터 과학자이자 수상 경력이 있는 공상과학 작가인 버너 벵게는 초인적인 인공 지능의 탄생이 "인간의 시대가 끝나는 시점"이 될 것이라고 주장했습니다. 2005년 출간된 미래학자 레이 커즈와일의 저서 ' 특이점이 가까워졌다'와 연관된 이 아이디어는 컴퓨터가 자기 주도적으로 활동하며 스스로를 더욱 지능적으로 만들고 인간의 이해력이나 이해력을 뛰어넘을 정도로 컴퓨팅이 발전하는 순간을 가정하고 있습니다.
아마도 그것은 가장 완전한 형태로 멀리 가져온 개념처럼 보일 것입니다. 그러나 컴퓨터에 의해 너무 많은 인간 활동이 점령 된 광고 산업은 어떻습니까? 임박한 광고 특이성이 있습니까? 인공 지능이 광고 및 미디어 최적화를 의사 결정을 이해하는 능력을 넘어 발전시킬 수 있습니까?
나는이 생각을 즐겁게하는 첫 번째 사람이 아니다. 예를 들어, Matt Herman은 2010 년 광고 시대 기사 " 다가오는 광고 특이점의 결함" 에서 광고 창조적 인 개발과 관련하여 그것에 대해 썼습니다 (그리고 대부분 그것을 썼습니다). 한편 Roger Toennis는 "마케팅 특이성이 가까운 "것과 사전 방송 미디어 일대일 입소문 마케팅의 마케팅을 "미래로 되돌릴 수있는"방법을 제안했습니다.
나에게 짧은 대답은 "창조적"에서 특이점은 거의 없다는 것입니다. 다른 모든 것에서, 그것은 어느 정도 이미 도착하고 있지만, 그것이 여전히 인간의 개입을 포함하는 더 큰 생태계의 일부라는 것을 의미 할 수있는 요인이 남아 있습니다.
창조적 특이점
광고 창조적 특이성에 관해서는 회의론적 칼럼에 분명히 나를 넣으십시오. 최근 닐슨 뉴스 와이어 (Nielsen Newswire) 게시물에서 나는 광고의 창조적 성공과 관련된 다섯 가지 요소에 대해 썼다. 스토리 텔링, 유머 및 좋은 광고에 들어가는 다른 창조적 인 요소의 독특한 인간 특성을 감안할 때 컴퓨터 중심의 창조적 특이성을 조만간 상상하기는 어렵습니다.
즉, 음악과 뉴스 기사를 작성하기위한 알고리즘이 개발되었습니다 : MIT Technology Review에서 "창의력을 자동화 할 수 있습니까?" 를 확인하십시오.
미디어 특이점
여기에서, 특이점의 지지자들은 더 견고한 근거에 있습니다. 크리에이티브 미디어 계획과 달리 구매 및 측정은 인간이 이해할 수있는 능력을 훨씬 뛰어 넘고, 더 똑똑하고, 빠르고, 자기 개선되고, 철저하게 자동화 될 가능성이 훨씬 큽니다. 사실, 그것은 이미 디지털 실시간 입찰 플랫폼을 통해 어떤 경우에는 수행되고 있습니다. 미디어 특이성이 손짓합니다.
구성 요소 부분은 통합 된 방식으로 완전히 작동하지는 않지만 대부분 여기에 있으며 미디어 생태계의 일부 영역에는 전혀 없습니다. 완전히 자동화되고 인간보다 똑똑하며 미디어 최적화 특이성의 요소는 무엇이며 얼마나 가능성이 있습니까?
디지털화. 디지털을 사용하면 컴퓨팅을 통해 데이터를 완전히 활용할 수 있습니다. 광고 및 미디어 데이터를 디지털화할수록 더 많은 컴퓨팅 파워가 인간의 개입 없이 자동으로 실시간으로 성능을 구매, 측정 및 향상시킬 수 있습니다.
- 노출 및 변환 데이터. 드라이버(예: 잠재고객, 시청성, 콘텐츠, 노출 빈도, 게재 위치 등)와 결과(예: 브랜드 영향 및 전환)를 포함한 데이터를 캡처하면 작동하는 내용, 그렇지 않은 점, 개선 방법을 더 쉽고 쉽게 이해할 수 있습니다. 이러한 데이터 캡처의 대부분은 이제 고도로 자동화된 실시간 시스템에서 이루어지며, 그 중 다수는 디지털 어트리뷰션 모델링 회사에 의해 개척되었으며 자사 광고주 데이터와 타사 데이터를 모두 활용할 수 있습니다.
- 어트리뷰션 모델링. 우리는 공분산 (ANCOVA) 및 마케팅 믹스 모델링에 대한 단일 소스 분석을 통해 수년간 광고 및 미디어 판매 효과를 측정했습니다. 둘 다 그들이하는 일에 매우 능숙합니다. 개인 수준에서 비 PII (비 개인 식별 정보) 노출 및 변환 데이터의 출현은 개별 수준에서 각각의 모든 터치 포인트와 모든 터치 포인트의 모든 조합, 온라인 및 오프라인의 브랜드 또는 판매 영향 측정을 가능하게합니다. 브랜드 및 판매 영향을 터치 포인트 노출로 돌릴 수 있으면 성능을 최적화할 수 있습니다.
- 기계 학습. 기계 학습은 인공 지능의 한 분야로, 인간의 개입없이 데이터에서 배우고 시간이 지남에 따라 개선 할 수있는 시스템과 관련된 일련의 활동 (일종의 미니 특이점)을 포함합니다. 어트리뷰션 모델링과 연결된 기계 학습 기능을 통해 기계는 광고 성과를 지속적으로 개선하고 최적화하기 위해 스스로 학습할 수 있습니다.
- 프로그래밍 방식 및 실시간 입찰. 이미 디스플레이 광고의 20 % 이상이 실시간 입찰 (RTB) 플랫폼을 통해 거래되고 있습니다. 플랫폼, 프로세스 및 데이터 세트는 이미 디스플레이 광고를 넘어 RTB에 전력을 공급하기 위해 마련되어 있지만 TV 및 기타 비 디지털 매체는 대부분 경계를 벗어났습니다. 현재 RTB 초점의 대부분은 잠재 고객 유형, 웹 행동, 활동 (익명으로 수신)이 응답 할 가능성이 있다고 식별 한 사람들에게 광고를 보내는 등의 작업을 기반으로합니다. 그러나 위에서 다룬 어트리뷰션 모델링 기능을 통해 브랜드 및 판매 영향을 기반으로 RTB를 추진하는 것은 불가능한 도약이 아닙니다.
따라서 이것이 의미하는 바는 개별 수준 노출 및 판매 데이터가 디지털화되고 API를 통해 데이터 플랫폼에 연결되고, 어트리뷰션 모델이 실시간으로 실행되고, 기계 학습이 반복적으로 결과를 개선하고, 구매가 실시간 입찰 플랫폼을 통해 거래되는 미래 세계입니다. 제한된 형태로,이 미래는 이미 광고 생태계의 하위 규모 주머니에 존재합니다. 이 가능성을 특이점으로 생각하는 것이 타당한데, 이 모든 것이 수억 개의 데이터 포인트를 통합하는 번개 속도(밀리초 단위로, 대규모로)에서 일어날 것이기 때문에, 개념적 수준을 제외하고는 무슨 일이 일어나고 있는지 이해하는 인간의 능력을 넘어서게 될 것이기 때문이다.
즉, 광범위한 광고 특이성에 대해 회의적 인 이유가 여전히 남아 있으며 최소화되어서는 안됩니다. 기존 비즈니스 모델, 기술 플랫폼, 프로세스, 미디어 및 장치 단편화, 디지털 광고 사기 / 봇, 업계 습관, 개인 관계 및 기타 요인은 모두이 미래 상태를 실현하는 데 매우 실질적인 장애물입니다.
따라서 기술 빌딩 블록은 이미 작동 중이지만 특이점의 도착을 방해하는 요소가 있습니다. 이것이 의미하는 바는 우리가 특이점으로의 진전이 들쭉날쭉하고 비선형 경로를 따라 진행되더라도 빠르다는 것을 기대해야한다는 것입니다. 지난 100 년 동안 우리가 알고있는 광고의 대부분은 중단 될 것입니다.
진정한 특이성에 도달했는지 여부에 관해서는, 그것에 반대하는 모든 요인 중에서, 인간 요소는 아마도 가장 강력 할 것입니다. 그런 점에서 특이점은 올 수 있지만 사람들이 기대하는 것보다 늦을 수 있습니다.
최종 결과가 무엇이든 광고의 미래가 다가오고 있으며, 한 가지 확실한 것은 특별한 경험이 될 것이라는 점입니다.
