在经历了粗放运营的1.0时代和精细运营的2.0时代后，全球互联网流量行业正式进入智能运营的3.0时代。根据Zenith的预测，2019年程序化广告的规模将达到849亿美元，占整个数字广告的2/3。
“高效精准的程序化广告将成为流量3.0时代的主流方式。SoloMath希望抓住这个机会，利用大数据和AI，从减少无效曝光、提升长尾流量价值、减少冗余第三方等角度，更好地服务全球广告主和开发者。”赤子城创始人刘说。
SoloMath是赤子城旗下基于人工智能的全球广告服务平台。2014年开始推出广告服务，逐步打造自己的大数据平台和人工智能引擎。2017年开始布局程序化广告，2018年1月正式发布程序化广告交易平台SAX。
精准定向，实现用户获取设备号级别。
在传统的广告购买方式中，人群标签是预定义的，结果只能在报告层面进行评估。SAX的程序化购买，通过大数据挖掘，直接引导广告精准定向，实现客户获取，实现广告追踪ID级别。同时，让投放过程更加透明，从更精细的粒度分析数据，优化投放策略。
SoloMath使用AI引擎和自己的DMP平台来实现精确定位。基于基础特征、社交特征、消费特征、兴趣特征四个维度，对长期积累的高付费、高活跃度用户进行分组，并通过长相相似对现有群体进行扩展。
其中，基本特征包括用户识别、年龄分散、地理属性等。社会特征包括家庭特征、职业特征、信息渠道特征等。消费特征包括活跃度、点餐习惯、支付习惯等。兴趣包括爱好、行为偏好等。
多维用户标签系统
SAX整合了海量的用户数据和交易数据。SAX通过数据清洗、数据管理和数据挖掘，对广告请求进行机器学习和动态标签修正，分阶段预测用户的使用和购买倾向。
具体来说，通过静态和动态标签不断进行机器学习，将设备、位置、频率、时间等粒度条件投入学习，以匹配后续推广效果，将激活、事件、跳出率等指标投入优化，从而减少无效曝光，减少广告费用浪费，实现有效精准营销。
实现顺序优化和流量分类的自学习算法模型。
SAX的订单交付优化服务是一个智能的AI服务框架，集成了离线模型分析和在线模型优化。加入订单系统后，1分钟内会生成多个人群定向方案。在不断优化服务高并发、多线程的效果后，解决了人群选择的复杂性和性能损失，保证订单初始化时间不变。
在下单过程中，我们实时等待广告主和用户的反馈，以确定模型是否有效。当获得可靠的数据时，高可用、并发的无状态数据收集服务，以及可扩展、高性能的数据清洗和模型训练框架，将在100ms左右更新用户所在区域的Deep-FM模型，以优化投放策略，自动修正该国广告主订单的细节。
分层流量自学习模型是SAX提高效率的另一个工具。模型根据广告投放的需求，首先从流量数据库中选取一定比例的流量，通过历史数据训练的层次模型的计算，给出从0到1的11个指标，将流量分为顶级流量、优质流量、普通流量和无效流量。此外，系统可以返回实时数据预测的结果，并实时修正模型。
自动流量分类过程
上线前流量评估11级，有效匹配了不同广告主的需求和预算。同时，通过筛选垃圾流量和无效流量，完成了初步的反作弊工作。将人工识别变为机器识别，大大节省了人力成本，提高了识别效率。
多种投放模式，整合资源，匹配需求
SAX是基于IAB OpenRTB的程序化综合广告交易平台，支持完整、标准的开放RTB、PMP、PDB、PD等多种形式的程序化购买。能够有效整合不同类型的流量资源，提升长尾流量价值，充分满足各种投放需求。
通过OpenRTB公开竞价交易，可以最大化整合资源。广告主可以随时投放广告，针对目标人群设置定向条件，随时调整广告策略。也就是说，不保证PD的价格，流量更好，优质流量的选择向优质效果广告主和品牌广告主开放，最优流量用于高价投放。PDB，即保额交易，可以优先选择最优质的资源，以程序化购买的方式进行多维度定向。
SAX的多种购买方式有效整合长尾流量，结合精准定向，实现长尾流量价值最大化。PD，PDB等。可以满足电商、游戏、社交、快消品等行业客户的需求，而RTB可以满足中小型广告主的需求。多种方式的组合，可以充分满足不同广告主在不同阶段对流量质量、投放进度、投放预算等维度的个性化需求。
赤子城创始人刘把萨克斯比作一个超市，里面聚集了不同种类、不同层次的商品，以及不同类型、不同预算的消费者。
“这家超市通过智能程序化购买进行交易，即使是最小的商家也可以出售优质商品，当地买家可以快速购买到顶级商品，”刘解释道。“SAX需要做的是控制商品质量，根据需求实现精准、实时、高效的匹配。未来，AI和编程将成为每一个‘流量超市’的标配。”
