根据科技巨头如 Meta、Google 和 Microsoft 的最新财报，皆可以发现大举投资 AI，以巩固市场领先地位并推动创新。他们向投资者承诺，数十亿美元的投入将正向带来回报，展现了他们将 AI 技术应用於广告优化及大型 AI 基础模型的愿景。
全球 Big Tech 企业在本周连续几天的财报电话会议中，不约而同向投资者传达：「不用担心我们在 AI 上花费的数十亿美元，一切都会非常好。」Meta 目标将全年资本支出预测提高到 370-400 亿美元。这一数字仍低於 Microsoft 的资本支出，後者在过去一年成长了 75%，达到 557 亿美元。
同样地，对於数位广告产业来说，AI 技术导入及投资已成了刚需。尤其，对於角逐 RMN 战场的大型企业如 Amazon 或是 Walmart 来说，AI 更是深化广告成效的关键运用，无论是受众、素材、商品推荐、成效归因，甚至商品库存皆可以用 AI 来融合广告功能。
全球 Big Tech 皆重压投入 AI 成本
然而，过去一个月华尔街开始质疑，购买高端晶片和建设数据中心的成本增加，担心这些投资何时能实际看见收入和利润成绩单。Google、Microsoft 和 Meta 各自以不同的方式告诉华尔街可以放心。Apple 和 Amazon 虽然不像其他公司那样，直接参与建立巨型 AI 基础模型竞赛，但它们都在产品结合 AI 应用上进行了重大投资。
上述是市场现况，更是全球各大科技巨头成长动能的核心布局。以 Meta 为例， 根据 Meta 第二季度财报显示，可以观察到该公司 AI 上的大量投资所带来的好处，上一季度，收入 YOY 成长 22%（390.7亿美元）。广告收入占 Meta 98% 收入，AI 技术运用在广告优化预算分配、扩大受众和受众锁定。相比之下，同期 Google 的广告销售 YOY 成长11%。
RMN 阵营 AI 也是核心竞争关键
根据 Cooler Screens 的一项调查，约 53% 的行销人员认为 AI 将显着提升精准锁定购物者。的确，全球 RMN 至今的发展， 就如同当今 AI 浪潮那般火热，AI 的相关应 将使零售数据更加强大，零售数据及 AI 的应用於 RMN 基本可以分为四种面向：
- 精准及个人化广告：52%的行销人员预测，AI将实现高度个人化的购物者体验。
使用 AI 和机器学习个人化广告的品牌，根据 84.51°（美国 Kroger 连锁超市集团子公司）的数据，广告支出的增量回报率增加了1.3倍。 生成式 AI 更可以用来生成整个广告素材，正如 Amazon Ads 所做的那样。
- 结合店内和线上数据：54%的行销人员认为，AI 对於线上和线下数据的无缝整合至关重要。
今年店内广告将仅占美国全渠道零售媒体广告支出的0.7%。 但根据2024年2月的预测，83.7%的美国零售总销售将在店内发生。 店内的零售媒体广告拥有巨大潜力。然而，广告主测量全渠道和店内活动，对实体零售销售的贡献尤其困难。但随着 AI 的发展，全通路的导流归因将有机会被实现。
- 将商品库存数据纳入广告数据：对於零售平台和品牌（供应商）来说，为零库存产品打广告是浪费的。但却总是发生在各广告场景中。
举例来说，Walmart Connect（广告 DSP） 和 Walmart Luminate（品牌供应商商品数据平台）已合并许多功能。广告主可以针对消费者消费力及贡献度，递送个人化讯息或是广告。甚至， AI 可以监控「商品库存」水平，并根据库存数据来调整广告。
- 理解跨平台零售媒体的数据的丰富性
广告主与多个零售媒体网络合作，面临着使用不同指标跨平台理解数据的额外挑战。 根据Amazon首席测量师 Kristina Ciampi 的说法，专注於对品牌最重要的指标，而不是查看每个渠道和数据点，是优先考虑零售媒体数据的最佳方式。 AI 可以帮助深入挖掘最重要的数据点。它还可以概括大量数据，以建立更广泛的图像。
零售 AI 对广告主的魅力
任何数据运用最重要的第一步，就是好的「数据源」。对数位广告产业而言，所谓的「好数据」，泛指真实、结构化、可分析、可客观直接解读意图的数据。
如果数据与使用者或是消费者有关，User ID 的持续性追踪就成了数据品质关键因素。举例来说，利用网页上 pixel 像素在 Safari 的 Web 网页的收集的数据，相较在 Chrome Web 网页的收集数据，Chrome 数据的价值远比 Safari 高，其原因在於 Safari Web 网页本身是不允许第三方 Cookies 追踪。
同样道理，零售 AI 的数据源就是零售数据，而零售数据本质上包含了第一方数据的优势，却同时可以满足广告主在第三方数据丰富性的期待。因此，零售数据既可以兼具实名制登入的讯号强度，又兼具浏览、加入购物车、购买等多元丰富行为数据的广度。本文以 91APP 零售 AI jooii 结合 91APP CDMP 的数据为例，发现婴儿尿布消费族群不同轮廓及特徵：
- 35岁以上：对保健(含铁)食品有购物意图消费者，对於购买尿布提升度为7.14倍
- 35岁以下：对寝具(防尘蟎)有购物意图消费者，对於购买尿布提升度为17.7倍
对於尿布品牌来说，上述内容可以是数据、资讯、知识或是决策，甚至可以是行动，零售数据运用「不仅是打包受众，投递广告而提升成效」，其运用程度更是可以协助品牌理解消费者，定位品牌核心策略和创造消费者品牌心占率。
结论：零售 AI 赋能的 RMN 绝对不仅是广告成效工具
如同本刊 122期报导，RMN 3.0 问世代表零售数据和零售媒体，不仅是「广告主」及「零售媒体平台」之间的协作，而是需要更多「策略夥伴」共创 RMN 盛世，尤其是「广告代理商」更可运用零售数据，形成全漏斗、全通路行销策略，瞄准零售受众提升广告成效，检视零售数据报表来探索洞察广告全通路归因。
因此，具备零售 AI 的 RMN，绝对不仅是广告成效的工具，更是一种策略性的商业模式，能够全面影响和改变品牌与消费者之间的互动方式。透过这种整合型的数据平台，广告代理商不仅能提升广告精准投放的能力，同时也能为品牌带来深入的消费者洞察，从而制定更具前瞻性和效益的全通路行销策略。
本文来自合作媒体 Taiwan Publisher Group，INSIDE 授权转载。快加入 INSIDE Google News 按下追踪，给你最新、最 IN 的科技新闻！
责任编辑：Chris
核稿编辑：Sisley