亚马逊 DSP 全新机器学习模型赋能提升广告活动效果、成本效益和可寻址性

借助这些改进，广告主实现了以下成果¹：

“先进的科学和技术是亚马逊 DSP 的核心。亚马逊会不断探索可提升广告主的广告效果和成本效益的方法。”亚马逊 DSP 技术总监 Neal Richter 说道，“亚马逊知道，每一个百分点的改进对广告主都很重要，这些新的升级有助于提高互动度和广告投资回报率。亚马逊很高兴在品牌特别注重提高成本效益和达成业绩时推出这些增强功能。”

新的预算分配机器学习模型有助于确保品牌在整个广告活动期间投放的每条广告都能以合理的价格触达目标受众。这些模型可以更好地预测竞价请求转化的可能性，以实现算法更改，从而在优化广告效果的同时提高实现目标的速度。效果改善包括点击率提高了 12.6%，广告投资回报率提高了 34.1%，单次展示成本降低了 24.7%。

亚马逊 DSP 在 2022 年亚马逊广告 unBoxed 全球大会上宣布其对亚马逊消费者和内容相关投放进行了扩展，以帮助减少对传统广告标识符的依赖。通过可用的活动和内容相关信号，亚马逊基于模型的受众推断方法将正确的信息与相应的受众进行匹配。那些使用扩展的亚马逊消费者和内容相关投放的广告主发现，以前无法寻址的广告库存的可寻址性提高了 20% 至 30%。

这些后台算法改进提供了更具成本效益的广告位，而不需要广告主调整其现有的广告活动。

亚马逊广告将继续为顾客创新，为品牌开发可应对营销挑战的新方法。亚马逊的广告科技可帮助品牌发现新洞察，最大限度地提高营销效果，降低成本，并了解跨媒体投资（在顾客花时间浏览和购物的任意地方）的影响。