以前我们曾经讨论过腾讯广告投放平台发生了重大变化，开始推出分行业的投放端，针对不同行业的特征来建立起分行业的投放端。而今天，我们想重点讨论的就是不久前正式发布的腾讯广告电商行业投放平台。
香农在借鉴了热力学的概念，把信息中排除了冗余后的平均信息量称为“信息熵”，信息可以用来消除不确定性，在不断获取信息的基础上，我们可以逐渐的消除不确定性，也就是“熵”。熵经常被用来衡量系统的无序性，代表了混乱程度，一个系统越是混乱，代表熵越高，而想要降低熵所需要的信息量就越大。
而此次发布的腾讯广告电商行业投放平台，可以认为是对抗熵增的一次大进步，从产品系统功能以及算法逻辑层面都大大的减少了信息表达的无效性。原本系统依赖的是广告主在基于自己产品的理解上输入的关于“哪些用户会购买我的商品”的信息，更多的是集中在“人”信息的描述，缺少对于商品信息的描述，而现在希望增强系统对商品的理解，通过结构化的输入特征去详细的描述商品信息，细化了产品的表达特征，将广告和商品结合起来，减少信息差和不确定性，达到人货匹配。
第一个变化是“商品化战略”的变化，现在广告系统基本都是基于机器学习模型来进行运算的，基本逻辑就是广告主输入大量特征信息，由AI来进行建模，抽取数据中的特征，并计算出eCPM，将广告推荐给合适的用户。模型预估的准确性关键在于信息是否充分表达，模型是否可以正确理解输入的特征。以往的信息表达，默认的是广告主对于自身投放的产品是具有充分的了解，广告主会根据自己的需求和对产品的理解去圈选人群，制作素材；实际上这个过程中，系统能接收到的来自广告主的信息是不够充分的，只局限于“受众画像”的表达，而缺乏对售卖商品的充分表达，广告主和系统之间存在信息差。而现在，腾讯广告电商行业投放平台推出了平台标品库和广告主商品关联平台标品的能力，实际上是将广告和商品结合一起，也就是商品广告，其底层原理是建立商品与用户之间的关系图谱，通过标准化的标签输入方式让广告主可以对商品进行充分的信息表达，同时可以让系统更好的理解商品，再加上对用户的人群标签刻画，将人货进行匹配。
第二个变化则是定向能力的增强，让系统自动探索取代过往的人工经验。在原先广告主自主定向的情况下，会偏好于自己所认为的高价值人群，这一方式一般是通过输出人群包以及人群定向来实现的上传人群包，以及在投放平台圈定既定的标签进行定向，而系统则会在圈定的指定人群中去探索和曝光人群，这个过程减少了部分熵，但是并不彻底，因为标签的输入是建立在机器已经圈定的用户上，以及广告主自身对产品理解所匹配的人身上，人工经验往往无法捕捉到一些机器才能发现的特征。举个例子，以经典的“啤酒与纸尿布”来说，在我们的普遍认知中，啤酒与纸尿布之间的销量关联度为零，但是如果将啤酒与纸尿布放在一起，则是购买啤酒的用户同时会购买纸尿布，带动纸尿布销量的提高，这其实是非常反人类直觉的一种统计现象，因此人的经验与AI特征之间实际上也存在gap。
而腾讯广告电商行业投放平台，也重点突出了突破人群包限制的重要性，通过进一步补充商品的信息，再一次减少熵，让系统算法更客观地去将两者信息进行匹配，在系统充分理解商品广告的基础上，通过算法能力可以突破人群包的限制，在海量人群中进行充分探索，实现相关性推荐，弱化广告主“投放给谁”的人为圈选动作，更强化“完成交易/实现营销目标”的结果，让系统朝着这个目标去优化，尽量减少人为圈选而造成的干扰。
第三个变化是广告创意的智能生成和动态展示。在上述的链路中，算法通过相关性推荐将广告推荐给用户，此投放平台通过推出衍生创意商品化以及动态商品广告，广告主可以自定义创意模板和商品属性，批量制作广告素材，而系统也可以通过推荐算法来实现前端广告展示素材的多样化以及针对性。一方面能提高创意的产能，而且也减轻了反复制作素材进行广告测试的压力，提高了广告的竞争力。其实就是减少人为的干预和主观性，实现素材的“千人千面”，比如在投放中经常出现素材和产品内容等不匹配的现象，这是由于个人的审美导致的，如果按自己标准来考虑审美可能有偏差，而交由机器来实现会使得投放过程变得可控，本质上还是对用户对营销的洞察力，而机器操作的过程可以减少不确定性，降低系统的熵。
第四个变化是“商品智投”的实现，在上述的讨论中，我们提到了标签、算法、创意自动化，这些都为“商品智投”提供了基础，此投放平台将商品标准化管理，实现平台级的标签统一化，然后通过素材自动化来投放广告。也就是说，广告主通过标签化来充分表达自己对于广告投放的需求，比如将化妆品的特征进行拆分成一个个基础属性以及价格等，然后系统在得到广告主输入的特征之后就通过算法来进行推荐，可以理解从以往的广告主提供的“非结构化”特征变成“结构化”的特征。在这一链路上我们看到了系统底层逻辑的变化，此投放平台可以以商品的维度来管理投放，而非以往以广告的角度来管理投放，从投放思路来说也是对以往的一种颠覆。广告主负责建立商品计划，设定预算、出价等内容，而剩下的则交给系统，由系统去创建素材，评估优质计划，通过ecpm等指标去对计划进行操作，减少无效广告的堆砌和空耗。
其实整个链路下来，我们会发现对抗熵增的办法中，除去上述提到的一些增加信息量，减少信息差的内容，还有一个就是找出信息的有序性，减少信息在传递过程中的混乱，比如在投放平台中一开始就详细列出了九大营销目标，进行营销目标的细化，从起点就降低了熵，帮助广告主更明确地表达自己本次投放希望实现的目标，这样也方便系统做更高效的匹配。
图1 投放流程图
近期发布的腾讯广告电商行业投放平台，看似是一个行业化投放平台的上线，实际上系统底层逻辑发生了彻底的改变。对于客户来说，自身表达的商品信息越充分，实际上就帮助了系统更加理解所售卖商品的信息，可以帮助自己在投放过程中获得更好的效果。
