wordpress是模板建站,企业网站开发效果,凡科可以做淘宝客网站吗,网站维护工作是做啥IAB平台#xff0c;使命和功能
IAB成立于1996年#xff0c;总部位于纽约市。
作为美国的人工智能科技巨头社会媒体和营销专业平台公司#xff0c;互动广告局#xff08;IAB- the Interactive Advertising Bureau#xff09;自1996年成立以来#xff0c;先…IAB平台使命和功能
IAB成立于1996年总部位于纽约市。
作为美国的人工智能科技巨头社会媒体和营销专业平台公司互动广告局IAB- the Interactive Advertising Bureau自1996年成立以来先后为700多家媒体和营销会员企业赋能 - 为这些领先的媒体公司、品牌、代理商和负责销售、交付和优化数字广告营销活动公司和机构提供数字化营销平台服务和技术援助。IAB公司的使命是帮助平台上的企业快速高效转向数字化营销并建试图在行业之间推动数字化营销的标准并普及推广。
IAB使媒体和营销行业能够在数字经济中蓬勃发展。针对互联网数字世界营销广告眼花缭乱鱼目混珠的现状互动广告局带头进行了批判性研究同时也对品牌、代理商和更广泛的商业界进行了数字营销重要性的教育。 IAB组建了人工智能标准工作组the AI standards working group2019年12月他们发布了第一份报告《人工智能与市场营销中的应用》。随即2020年IAB联合IBM的WATSON广告和尼尔森公司Nielsen决定致力于研发与市场营销相关的人工智能技术、最佳行业实践、推广人工智能的案例和规范营销类人工智能技术条款术语来帮助营销负责人迅速转向数字化营销市场拥抱人工智能和机器学习技术。 IAB与IAB技术实验室合作制定技术标准和解决方案。IAB致力于专业发展提升整个行业员工的知识、技能、专业知识和多样性。贸易协会通过其在华盛顿特区的公共政策办公室的工作为其成员进行宣传并向立法者和政策制定者宣传互动广告业的价值。
IAB全球网络汇集了包括三个区域组织在内的45个IAB组织以分享挑战开发全球解决方案并推动全球数字广告业。IAB分布在北美、南美、非洲、亚洲、亚太和欧洲。每个协会都是独立拥有和运营的根据符合当地市场需求的章程运作。 第十篇如何利用人工智能技术做好营销流量整形管理Traffic Shaping
一、原文作者及本文潜在受众 作者Isaac SchechtmanIPONWEB产品战略高级总监
来源 Sovrn Hires Isaac Schechtman as VP of Product, Ad Exchange - Sovrn, Inc.
首要受众营销人员
次要受众营销服务公司高层负责人
二、流量整形算法及模型的应用场景 – Why for Traffic Shaping 在程序化广告中每天都有数万亿个广告印象机会称为出价请求在交易平台之间传递希望坐在需求侧平台或Demand Side Platform - DSP后面的买家能够检测到一个单一印象机会a singular impression opportunity的特征属性商机使他或她想出价拿下特定的广告投放。 处理这数万亿个投标请求的成本高得离谱亲爱的读者您知道为什么这个成本高吗它和温室气体排放有什么关系欢迎留言探讨其中很大一部分在出版商和平台上重复以至于只有少数技术平台能够承担。所有其他买方平台都使用多种策略以确保他们能够收到所需的尽可能多的投标流以及正确的供应情况以满足活动购买需求而不需要听太多从而产生不必要的硬件处理成本。这种做法被称为流量塑造是机器学习在程序广告中的关键应用。 流量塑造依赖于机器学习模型该模型利用历史交易数据来预测未来购买事件的可能性。更具体地说DSP中的独特算法根据附在投标请求上的所有可用数据点对照历史投标模式评估进入平台的给定印象机会impression opportunity的价值以决定印象机会对其买家是否有价值。如果是的话投标申请有更大的机会从供应商传递给买方。如果没有投标请求更有可能被丢弃。 为了保持准确性该算法基于强化学习将当前处理的结果与未过滤流量的控制组的探索相结合不断更新和完善算法。这在广告技术中至关重要因为活动和相应的流量需求处于不断变化的状态。 流量塑造背后的原则是DSP只听取对买家可能有价值的供应。对于促进这类交易的科技平台来说倾听供应的成本只会被抵消。当买家出价并赢得印象时所收取的费用。他们的交通塑造模型越智能他们就越能在保持活动交付的同时降低成本。但每个买家都有不同的购买需求方案供应总是在变化个人购买需求也是如此方案中的所有决定都需要在不到一秒钟的时间内做出即每小时几十亿次。这是只有机器才能做到的。 有效的流量整形算法可以将流量减少90%同时将支出保持在95%至110%的范围内。在某些情况下支出水平甚至可以通过流量塑造来提高尤其是当买家的目标亲爱的读者如果你刚好是公司负责营销投放的人你此刻有什么想法吗我们该怎样精确向SSP提出我们的精准客户画像需求呢要求非常狭窄时。流量整形的其他好处可以从服务器成本、处理速度开销、日志记录/报告成本和速度降低中看出。
三、如何利用AI管理流量整形 它的工作原理对流量整形算法进行编程以回答以下问题 1特定请求可能多久被出价一次 2该请求产生印象的可能性有多大 3印象的大概价格/价值是多少 这是通过强化学习实现的并实时执行以确保相关性。这个过程增加了大约10到40毫秒的决策速度这取决于分析和处理设置的量。 为了处理这些信息流量被划分为标准参数的组合以确定它对购买合作伙伴的投标系统通常是一个专注于性能的AI/ML驱动的系统的价值。这是在一天中滚动的时间表以确保新鲜度。最佳做法是每四个小时或更长时间进行一次但不需要比每小时更频繁。此外长期学习地图被汇总以表示过去24小时的活动。 流量整形算法用于确定对相应买家的竞价系统的请求的质量水平在该竞价系统中它将确定流量是否可能被竞价和购买或者不被竞价从而相应地整形流量。这将导致每个交易对合作伙伴的流量分配方式发生重大变化并可以解释当前的竞价行为和活动设置。随着新买家和供应商的加入该算法将自动优化可能的低质量流量。
四、原文作者洞见
作者洞见 4.1 速度 在人工神经网络Artifical Neural Network - ANN上使用ML算法的回归模型(regression model)对于以最小延迟大规模(at scale with minimal latency)处理和执行实时竞价Real time bidding - RTB决策至关重要。
4.2 平衡预测 流量整形算法必须能够考虑外部影响如周末与工作日以及其他季节性因素。这可以通过维护和存储基于历史竞价模式的单独的历史聚合数据文件来实现这些历史聚合数据被用作在不同时期指导算法的交叉参考点。
4.3 捕捉不断变化的输入 需要考虑的一个关键领域是请求和投标的性质和数量的变化。 尽管捕获投标模式的历史数据非常重要实时捕获新需求也同样重要。这是使用强化学习算法应用的因此过去的学习可以应用于新的、当前未识别的交易同时保持已知的数据成形并随着时间的推移将新数据转换为已知的数据集。 4.4 学习 捕捉活动不断变化的性质是准确性的关键组成部分。拥有一组固定的参数如一个非常详细但静态的表格短期内有效但完全没有考虑到新的活动激活后的模型塑造或者过于广泛无法带来任何效率效益。为了避免这种情况您需要统计相关的未经过滤的原始流量并结合实时流量不断进行分析亲爱的小伙伴您在实际工作当中有这样操作过吗 您是否会去分析未经过滤的原始流量呢如何防止这个偏差如果我们自己不做好老板会知道吗详细见4.12。结果应该实时反馈到输入中进行迭代处理。
4.5 测试 有多种方法可以测试模型输出的效率和准确性
实时反馈 / 活动交付 / 交易交付 / 历史数据文件分析 / 针对未经过滤的原始请求进行实时脉冲 / 跟踪 / 根据结果进行测量
4.6 算法复杂性 建立在初始模型的基础上可以得到更准确的测量结果。随着复杂性层的增加流量被更有效地集中起来从而更好地理解模型的工作。相对于当前的例子一个好的做法不仅是将输出和结果反馈到模型中作为一种持续的反馈机制而且还可以构建单独的时间尺度聚合即在过去的3|6|9|12|24小时|7天等以保持准确的回顾并在更广泛的固定时间即一天或一周内捕捉交易模式。
4.7 训练 在任何算法可以在实时设置中使用之前重要的是要进行训练和测试以确保算法按预期工作并且不会扭曲结果。在强化学习模型的情况下可以在已知数据集上对其进行训练但随后在已知和未知数据上测试其成功/偏差的结果。
4.8 数据清洁度 构建交通整形算法的一个关键考虑因素也是潜在问题是模型中使用的数据的清洁度。在开放式RTB中每个请求/响应中表示的字段将有许多略微不同的实现这些实现必须进行规范化和/或说明。由于各个请求中的细节差异很大确保构建模型所需的数据存在大量差异会导致更准确的结果但也需要更多的处理。 为了减少差异的数量并说明请求的标准化请使用关键组件字段。为了实现这一点该算法可以获取请求中的关键数据点并使用这些数据点基于焦点区域对流量进行分割。例如
序号数据点序号数据点1浏览版本6领域2内容7语言3买方8AdSlot4用户信息9AdSize5地理10数据中心 除了请求中的字段和分段之外为了处理数据并建立机器学习算法还需要根据关键字段和响应中的数据来评估这些字段。例如
序号字段field序号字段field1创意ID5点击量2活动ID6一天的时长3投标价格7印象量4投标量8活动新颖性
4.9 隐私保护标准 在不违反世界各地司法管辖区严格的新隐私准则和政策的情况下运行这些算法将是未来的一个关键挑战因为投标请求中的更多上述参数将被归类为受保护参数因此无法使用或需要特定用户同意。目标是确保ML回归模型仍然可以做它想要做的事情同时也不会触发立法处罚。 这里的主要考虑因素是在输入字段中以及在处理用户数据时不使用被分类为PII的字段例如IP地址和特定用户标识符。重要的是要及时了解不断变化的隐私法规并确保数据集得到更新并符合新法规。对于特定的用户ID最好的经得起未来考验的做法是开发一个用户组。另一种选择是确保用户同意到位并且只在这种情况下处理流量。
4.10 数据输入、处理和输出 在这个特定的模型中有各种用于预测的数据输入。最初有关键的静态设置和参数来指导每个买家的流程有关键设置来指导高层意图和关键利益。接下来对于实时处理还有类似于上面列出的其他基本输入这些输入将允许分割成重要的流量流使每个流量流能够独立处理并捕捉买家算法的当前出价意图。 除了关键的标准字段和请求中的输入外还需要评估和处理答复中的关键数据和字段。除此之外还有经过聚合处理的历史数据文件这些文件可以捕捉长期的意图以应对各种情况例如在一天中的某些时间或一周中的某些日子安排广告并捕捉任何新的营销活动。 该算法理想地输出的是基于活动设置/成功的个人买家竞价模式的正确流量的精确匹配。这是通过查看历史数据、静态过滤器、实时数据和原始数据的组合来实现的以根据意图、投标响应的可能性、中标和总体中标价格来评估每个请求的价值并将其与分发成本相平衡然后相应地塑造流量。
4.11 解释能力 有趣的是机器学习的一个奇怪之处在于算法越能被解释算法的价值和准确性就越低。相反算法越复杂、越无法解释就越有可能准确并产生更好的结果。
4.12 偏见 在任何AI/ML系统中要记住的一件关键事情是避免试图对处理产生偏见。当机器学习并试图预测时除非特别说明否则人类的参与或错误输入往往会放大偏见。 在构建交通塑造回归ML模型时应考虑并避免一些潜在的偏差领域包括1公平性-该算法的设计应根据每个买家自己的历史和当前投标模式为其提供正确的请求分配并且应设计为对所有各方都公平无论买家的支出规模和数量如何。2公正性偏差-如前所述回归模型ML在设计上是公正的因为算法是根据独特的竞价模式为每个买家单独学习的即模型在SSP1和DSP1之间的性能与SSP1和DSP2不同。3无意识偏见-通常基于用于训练和处理算法的不准确或不完美的数据在处理数据以基于不完美的输入数据预测事件的过程中可能会出现无意识偏见。在流量整形中发生这种情况的一个例子是当事件链被破坏并且竞价算法可以优化为在破坏印象跟踪上增加竞价其中缺乏反馈回路可能导致不完美的输入和处理。 为了防止偏差需要对处理过的和未过滤过的数据中的多个数据点进行持续分析以确保反馈回路是准确的。类似的情况也可能发生在审计印象和点击量较低的情况下这也应该考虑在内。另见4.4 五、致力于流量整形管理专家 – Choozle 一家致力与广告投资收益管理的公司利用自己的专业技能联合强大的商业伙伴植根亚马逊云平台数据库帮助客户做好流量整形以精准获取所要的结果。尤其在付费广告投标上能有效帮助客户对比在不同平台之间的付费效果对媒体投放效果对比提供详细的密切相关的数字化指标比较工具便于客户及时调整广告投入。
一产品思维逻辑
其一、植根与最好亚马逊广告数据库平台DSP合作扩散影响效果好。店大不欺客。 其二、竞标和出价平台工具化无论是发动竞争活动精准营销投标流量整形还是统计报告该平台简洁好用并能辅助用户渐入佳境。如果您是一个营销达人或者公司首席营销官您将体会到我们能够设身处地为您着想确保您可以精力集中用在驱动销售额和结果上。 其三、客户可以设定各种竞价矩阵触达-reach、点击通过率-CTR、每次行为成本-CPA每次点击成本-CPC完成率-CR完整观看视频付费-CPCV), 根据客户预算和偏好制订整个付费周期做好精准计划通过算法可不断迭代的算法及时评估各大投入产出比可以帮助客户及时调换竞价办法。 其四、基于客户已有数据库利用杠杆原理使用CHOOZLE平台可以帮助您从客户CRM数据库中清洗数据建模可以精准定位按各种设备、网站、关键字、出版者自定义的种类等客户。 其五、报告报表清晰可见及时报告关键数据矩阵了解竞价投标状态且下载方便。 二CPM备忘单程序化投标指南 Programmatic Bidding 尽管这是最常见的广告定价模型之一但计算你的广告活动CPM仍然可以让最老练的数字营销人员陷入困境。该公司帮助客户团队轻松掌握CPM的所有内容。这本程序化投标的数字营销指南旨在概述什么是CPM以及其中包含的内容提供一份营销CPM备忘单客户可以下载并保存在手边并将其与交互式计算器联系在一起告诉客户可能的CPM成本、活动成本和总印象。
营销和CPM备忘单什么是CPM 由于程序化广告是在拍卖环境中进行的也称为实时竞价广告商在创建广告组期间设置的CPM是你在广告拍卖中的基本出价和最大出价。CPM或每千次的成本是你每1000次印象所付出的代价。
千分成本CPM一个营销术语用于表示一个网页上1000次广告展示的价格。CPM中的M代表“Mille”源自拉丁语单词1000。
了解营销CPM 你的基本CPM越高你的广告出现的机会就越大。提高您的出价参数的阈值可以扩大您赢得RTB拍卖的机会。最棒的是广告交换只会向你收取将广告放置在下一个最高广告之上所需的费用。
CPM包括两个关键成本
数据CPM或利用受众数据寻找有针对性的潜在客户或长相相似的受众的成本。媒体CPM或当您的中标与您的活动、广告组和创意参数相匹配时提供广告的每千次印象的成本。
CPM备忘单程序化投标指南
CPM备忘单旨在为规划和设置初始广告组出价提供一个通用指南。虽然程序性媒体购买的动态性质不允许我们预测CPM参考下面的投放计划。 制定投标和CPM的最佳实践 目标和广告组变量如活动飞行时间和定制受众的规模将极大地影响确保可用广告库存所需CPM。一般来说目标更窄的广告群需要更积极的出价才能赢得数据类型、用户池大小、网站类别和网站列表的优质内容等因素。重要的是要相应地设置您的出价以最低的成本最大限度地发挥您的数字广告影响力。 什么是基本出价就像在拍卖会上一样基本出价是你开始出价时感到舒适的起点。如果系统能以低于基本出价的价格为你赢得广告拍卖它会这样做。出价调整将在基本出价和最高出价之间的广告交换中自动进行。 什么是最高出价最高出价是您愿意代表您在公开广告的广告交换拍卖中提交的任何出价的上限。Choozle建议您的最高出价至少是基本出价的两倍。通过将最高出价设置得更高您可以让广告赢得更多的印象并在拍卖环境中进行调整。 广告组的总预算和每日预算是多少广告组总预算是指在活动期间可以花费的总金额。活动的所有广告组预算的总和应与总的活动预算相加并且不应超过总的每日预算。在Choozle如果你没有设定活动的结束日期活动将一直持续到预算用完。每日广告组预算是您为每个广告活动设置的金额用于指定您平均每天要花多少钱。如果您选择了结束日期则在选择每日预算时系统将自动平均分配整个广告组的预算。如果没有为活动选择结束日期如果可能有大量的印象添加每日团队预算将使您的预算不会用完。 不同的渠道别忘了为你的社交媒体活动做研究和创意单位可能需要不同的营销CPM出价水平。为了避免浪费资金我们建议将以下类型划分为单独的广告组——显示和视频。显示通常需要最低出价的CPM而视频则需要最高出价。 作为一个起点将你的最高出价至少设置为基本出价的两倍看看价格会自然下跌。边走边调整。重要提示此规则不适用于本地或视频广告。原生和视频都以更高的CPM开始因此将基本出价翻倍将产生难以置信的高最大出价并且由于基本出价和最大出价之间的范围如此之宽系统将在达到最大出价之前超时。 总而言之所有投入开支要建立记录保存下来。赢得可用广告库存有几个因素但通过设置智能的CPM你离实现目标更近了。
六、数字营销工兵观察 - 人工智能技术应用与数字化营销预算和决算
数字营销工兵观察 ---【人工智能技术应用何为智能节流】 上面我们是从 需求侧平台DSP 端看如何控制流量整形的参考美国SMARTAds公司我们还可以从需求侧平台SSP研究如何做好流量整形工作。如何利用人工智能技术智能节流。许多广告平台所有者已经熟悉的智能节流功能以及各种智能节流模型如何影响供应方平台的支出和收益。为ML驱动的白标签SSP广告交换的所有者提供智能限制更新。
「关于智能节流的一些要点」
智能节流工具是一个称为供应路径优化(SPO的更大过程的一部分该过程可以改善广告库存交付。智能节流对于每个特定的广告平台来说都是一个独特的过程。优化原理可以基于使用传统线性模型或具有机器学习特征的现代动态模型的各种度量。具有自更新算法的优化模型具有更高的优先级。
SmartyAds白标SSPWhite label supply side platform广告交换所有者可以使用基于真实CPMRCPM指标的智能节流流程来优化不同DSP之间的竞价。通过这种方式用户实现了两个基本目标收入最大化和费用最小化。此外该平台还扩展了A/B测试和高级报告的功能。
智能节流作为供应路径优化SPO过程的一个组成部分
关注SPO和DPO是规划生态系统发展的基本要素。这两个过程密切相关对供需双方都有利。 什么是智能节流 想象一下一个供应平台一天发送了多少投标。每秒有数百万次投标请求。由于技术问题其中许多都无关紧要。智能节流是一个利用数据驱动算法来限制与没有回应的需求方合作伙伴的投标的过程。 这个过程解决了两个基本问题。 1通过减少不相关的投标请求数量最大限度地减少费用。 2通过优先考虑成功的广告出价和良好的营销表现实现收入最大化。 智能节流优化过程对于每个特定的广告平台都是独特的根据开发的模型或多或少是有效的。各种优化模型基于不同的度量和公式。这就是为什么在扩展所有流量之前应该测试每个特定的智能节流模型。有趣的事实是智能节流过程一旦启动就会减少碳足迹。因此平台所有者可以防止全球变暖的变化。这是因为SSP每月投标数十亿次而所有发送给需求方合作伙伴的无关投标请求在其他项目参与者之间产生了更多的额外互动。每一次出价都会加载世界各地的服务器这就是它对环境的影响。
静态脚本优化模型 在本文的上下文中我们将称线性模型由于其效率性能而过时。让我们来看看传统线性智能节流模型的示例。 1严格限制在最后几个小时内未回复相关投标的DSP的投标请求。 2对投标响应很少在实时拍卖中获胜的DSP的投标请求的实质性或完全限制。 3为赢得拍卖但由于技术问题超时、连接端错误、欺诈性广告重定向等导致印象失败的DSP的出价分配最低优先级。 所有线性模型都有一个共同点它们根据某种算法永久地优化投标过程。如果限制适用于DSP则意味着它们将持续有效。 线性算法确实优化了投标过程但它们不会修改所应用的限制来动态地提高所获得的结果。毕竟在一个小时、一天或一周内其中一个受限制的DSP可以更改其设置并开始发送满足供应方要求的投标书。
动态机器学习模型 动态智能节流模型是线性优化的进化扩展。SSP平台的开发人员使用不同的指标进行优化并应用各种限制来减少投标费用和增加利润。同时所有动态模型都通过收集反馈的过程统一起来任何限制都不会永久应用而且会不断进行趋势审查——平台根据更新的数据测试不同的优化方法。 动态智能节流模型使用大数据和机器学习技术来实现更好的优化。它提高了结果降低了对投标过程的手动控制水平。
「SmartyAds智能节流的优势」 接下来我们将了解SmartyAds软件开发商设计的智能节流投标优化流程该流程可供白标SSP的所有者开箱即用。
基于真实CPMcost per mille/thousand的智能节流Real CPM-RCPM RCPM反映了如果我们排除所有失败的请求SSP平台每千次印象获得的实际总金额。这是我们在智能节流过程中用于优化投标的指标。 如上所述可以基于各种指标来优化投标密钥、印象、请求、中标率和其他参数。我们选择RCPM是因为与其他指标相比该指标对平台用户收入的影响最大。对用户有利的东西成为SmartyAds团队的首要任务——这就是我们在更新平台基础设施时的想法。
程序中计算真实CPMRCPM度量的公式与实例 RCPM是一种指标用于计算与显示特定广告的所有请求相比每千次印象的真实价格。真实CPMRCPM总是低于名义CPM因为由于技术、安全和其他问题某些印象不会发生。动态优化每小时更新一次。
启用基于RCPM的智能节流前后SSP流量的可视化 在白标签SSP广告交换中集成了动态智能节流流程利用机器学习技术进行自我更新和自我完善。不能为了保持竞争优势而披露所有流程特征。无论如何可以概括地解释交通限制背后的原则。如果有很多请求和低印象→ 平台将在接下来的一个小时内将80%的这种流量从链中丢弃到特定DSP。然后将重新检查并自我更新这些限制以优化SSP流量。这就是它在动态中更好地工作的方式。
A/B测试智能节流和其他功能以微调性能 公司正在更新A/B测试功能因此用户在将其扩展到所有流量之前可以更方便地测试智能节流和其他功能。该平台还将获得不同设置的流量单独报告。A/B测试功能的主要任务是减轻技术团队的工作量。并为平台的用户提供测试功能的能力只需切换即可。例如RCPM选项将优化出价而Dynamic Margin将自定义向出版商支付奖励的过程。在即将推出的2.5平台版本中还有许多更有趣的选项和增强功能。我们致力于改善基础设施以拓宽提高业务成果的工具。
无限制的功能定制
对于刚接触此平台的用户可以获取下面两个免费的工具
SSP广告交换性能高级分析指南并记录如何充分发挥SSP广告交换的潜力。
「核心方面」 智能节流是优化SSP出站流量的一大功能。每个特定的平台来说都是唯一的。因此在扩展之前在一小部分流量上测试新功能的性能是一个很好的经验法则。 该公司还建议提前阅读技术文档并咨询专家以增强信心。 SmartyAds团队花了大量时间改进优化算法并更新平台的功能。一些功能已经开箱即用如基于RCPM的智能节流和动态裕度其中一些将在未来几周解锁。外来还将发布更多版本。
数字营销工兵观察 --- 【关于数字化营销预决算建议】
无论与哪个广告平台或者代理公司合作尤其是国外的营销代理公司从谷歌、领英、脸书、Tiktok、亚马逊或者苹果都可以参考以下行业实践
1. 不要把所有数字化营销投入用于一个平台而是要根据企业产品目标客户所在地客户行为习惯进行分析确定与哪些平台合作。这是因为飞利浦.科特勒在他的巨著《营销管理》提到了当代数字媒体营销投放的几个原则其中一个就是关于如何整合传播渠道和内容的博主整理如下 2. 我们需要知道需求方平台数据来自哪里一己对方数据库维护迭代的方式
3. 要制订营销投资计划要与营销平台或者代理公司制订详细的业务达成计划
4. 要制订营销投入评价标准请参考以下KPI细则非常好的CHECKLIST需要此文EXCEL版本的请读者后台私信留言我发给您。 5. 及时检讨定期评估评估营销投入产出比做好流量整形管理。
6、培养专业化数字人才迫在眉睫。
七、文章资料来源及阅读推荐
1. ML-based Smart Throttling for SSP Owners: Maximizing Optimization Potential - 原理与工具
ML-Based Smart Throttling for SSP Owners: Optimizing Ad Platform Performance - SmartyAdsExplore the intricacies of Smart Throttling in SSPs and its role in ad platform optimization. Learn how machine learning-driven models maximize revenue and efficiency for SSP owners, with insights into our white-label SSP.https://smartyads.com/blog/ml-based-smart-throttling-ssp
2. 流量监管和流量整形 - 个人认为最通俗易懂的专业博文之一
https://blog.csdn.net/qq_38265137/article/details/80466790?ops_request_misc%257B%2522request%255Fid%2522%253A%2522170961113516800185871067%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257Drequest_id170961113516800185871067biz_id0utm_medhttps://blog.csdn.net/qq_38265137/article/details/80466790?ops_request_misc%257B%2522request%255Fid%2522%253A%2522170961113516800185871067%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257Drequest_id170961113516800185871067biz_id0utm_mediumdistribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-3-80466790-null-null.142%5Ev99%5Econtrolutm_term%E6%B5%81%E9%87%8F%E6%95%B4%E5%BD%A2%E6%8A%80%E6%9C%AFspm1018.2226.3001.4187
3. QoS技术之流量监管和流量整形 - 适合专业工程师学习
https://blog.csdn.net/sj349781478/article/details/119482174?ops_request_miscrequest_idbiz_id102utm_term流量监管和流量整形区别utm_mediumdistribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-3-119482174.nonecasespm1018.2226.3001.4187https://blog.csdn.net/sj349781478/article/details/119482174?ops_request_miscrequest_idbiz_id102utm_term%E6%B5%81%E9%87%8F%E7%9B%91%E7%AE%A1%E5%92%8C%E6%B5%81%E9%87%8F%E6%95%B4%E5%BD%A2%E5%8C%BA%E5%88%AButm_mediumdistribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-3-119482174.nonecasespm1018.2226.3001.4187
4. 教程篇(6.4) 0 流量整形 ❀ SD-WAN ❀ Fortinet 网络安全架构师 NSE-难得的技术贴
教程篇(6.4) 04. 流量整形 ❀ SD-WAN ❀ Fortinet 网络安全架构师 NSE_fortigate qos-CSDN博客文章浏览阅读1.7k次。在这节课中你将学习流量整形。完成此部分后你应该能够实现此幻灯片上显示的目标。 通过展示流量整形方面的能力你应该能够有效地将特定的流量优先于FortiGate上的其他流量。流量整形尝试将流量高峰和突发规格化以便将某些流优先于其他流。 FortiGate通过应用带宽限制和优先级来提供QoS。通过使用流量整形你可以调整FortiGate如何为不同的流量类型分配资源以提高对延迟敏感或带宽密集型网络应用程序的性能和稳定性。由于带宽是有限的而且某些类型的流量..._fortigate qoshttps://blog.csdn.net/meigang2012/article/details/118573292?spm1001.2101.3001.6650.1utm_mediumdistribute.pc_relevant.none-task-blog-2~default~CTRLIST~Rate-1-118573292-blog-107007448.235%5Ev43%5Epc_blog_bottom_relevance_base9depth_1-utm_sourcedistribute.pc_relevant.none-task-blog-2~default~CTRLIST~Rate-1-118573292-blog-107007448.235%5Ev43%5Epc_blog_bottom_relevance_base9utm_relevant_index2
5. 微服务技术栈流量整形算法服务熔断与降级-国家骨灰级专家专栏适合工程师学习。
https://blog.csdn.net/cicada_smile/article/details/107007448?ops_request_misc%257B%2522request%255Fid%2522%253A%2522170961046716800188520003%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257Drequest_id170961046716800188520003biz_id0utm_mhttps://blog.csdn.net/cicada_smile/article/details/107007448?ops_request_misc%257B%2522request%255Fid%2522%253A%2522170961046716800188520003%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257Drequest_id170961046716800188520003biz_id0utm_mediumdistribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-107007448-null-null.142%5Ev99%5Econtrolutm_term%E6%B5%81%E9%87%8F%E6%95%B4%E5%BD%A2spm1018.2226.3001.4187
6. CPM Vs. eCPM Vs. rCPM: Understanding The Difference - 基础术语和流量控制原理
CPM Vs. eCPM Vs. rCPM: Understanding The DifferenceWhats the difference between CPM, eCPM, rCPM? Definitions, formulas, when to use which. Read more on the Eskimi blog.https://www.eskimi.com/blog/cpm-ecpm-rcpm
7. 流量和防火墙安全控制专家 - Barracuda CloudGen Firewall非常直接学习的一个结合流浪整形和网络安全管理的美国公司。强烈推荐。
CloudGen Firewall | Barracuda Networkshttps://www.barracuda.com/products/network-protection/cloudgen-firewall
为了便于读者后续深入学习数字化营销体系相关的这九种人工智能和机器学习技术经过与多位同行讨论及前辈老师们的讨教后续每一篇文章将尽可能按照以下原则要求和框架进行编写。 下一篇文章
第十一篇 视频Video
