大数据与计算广告的发展

在移动互联网、物联网、云计算、大数据、智能终端等技术的飞速发展推动下，互联网广告迎来爆炸式增长，这种快速发展的过程也为广告传播思维的转型提供了新机遇。智研咨询发布的《2020-2026年中国互联网广告行业市场竞争格局及投资战略咨询报告》数据显示：2019年中国互联网广告市场规模为4699.9亿元，预计2022年这一市场规模将达到6363.3亿元，同比增长率为15.6%。技术和数据的广泛应用赋予了广告学明显的量化色彩。计算广告颠覆了传统广告从用户洞察到效果衡量的方式，开创了智能营销全链路的变革。从信息驱动的IT时代到数据驱动的DT时代，再到智能驱动的ZT时代，计算广告逐步实现了从程序化计算广告到智能计算广告，再到认知计算广告的发展与流变。

传统上，广告是大众传媒产业收入和利润的主要来源，传播媒介首先将广告产品售卖给受众，然后再将获得的受众注意力售卖给广告主，“二次售卖理论”是主要的经营模式。此时，囿于传播技术与传播手段的局限，广告主通常通过粗犷的全渠道单一灌输产品信息，进行广撒网式的信息输出。这种传播思维无法实现广告信息的精准传播，广告效果难以保证。

计算广告的出现，让广告不再是广告，它不仅是一门艺术、一种工具，更是艺术思维的纯感性化创意与逻辑算法的理性化数字思维的结合。计算广告是以数据为基础、以算法为手段、以用户为中心的智能营销方式，它在数据的实时高效计算下，进行用户场景画像，并快速投放、精准匹配及优化用户一系列需求。

计算广告研究概述

计算广告的研究和发展目前还处于上升阶段。自2008年雅虎研究院资深研究员兼副总裁Andrei Broder首次提出计算广告学的概念，学界和业界开始了对计算广告学的探索。周傲英、周敏奇（2011）等人是较早一批对计算广告学进行研究的学者，此后刘庆振（2016）、颜景毅（2017）、段淳林和杨恒（2018）、曾琼（2019）等学者对计算广告学的概念界定、组成部分、演化过程、理论范式、实践路径以及学科体系的构建等方面都进行了探索和论证。近年来，广告学科的著作也日益丰富，例如段淳林的《计算广告》、刘庆振的《计算广告学》、刘鹏的《计算广告—互联网商业变现的市场与技术》等。目前，学界关于计算广告的研究主要分为四大流派：

1．以算法为核心的计算机软件科学应用研究

近几年，国内围绕计算广告在机器学习、逻辑回归模型等技术方向的论文快速增长。郭庆涛、郑滔（2011）对计算广告研究中的计价模型和匹配算法模型进行了详细综述，从检索词匹配精度、语义情景和用户点击反馈等方面对主要算法模型进行了分析总结。周傲英等（2011）阐述了计算广告在技术上的新型应用模型，对应用全貌进行了较为全面的梳理。吴忠斌（2017）通过对计算广告中相关算法的解释与分析，明确了DSP优化传统交互流程及其要点，并对计算广告的相关算法进行了综合阐述。

2．以计算广告概念及广告产业链发展为核心的广告学研究

景东、邓媛媛（2011）首先从美学艺术视角归纳了计算广告的特点，并将其形式划分为文本分析、用户分析和用户参与三种类别。刘鹏、王超（2015）在合著的《计算广告》一书中，从工业视角对计算广告的算法系统进行了解读，并梳理了网络广告的发展变化。在产业链方面，刘庆振（2016）从计算广告引发的定制、融合、智能、程序化视角，探讨了计算带来的广告产业链变革。

3．以计算广告学科建设和范式构建为方向的理论探讨研究

自计算广告的概念被提出后，2011年美国斯坦福大学开设了Computational Advertising课程；2018年美国伊利诺伊大学创办了计算科学与广告专业，开设Computational Advertising系列课程。此后，越来越多的学者开始探讨计算广告学学科建设和范式构建等方面的问题。祝建华、彭泰权（2014）根据经典的5W模型探讨了计算社会科学运用到新闻传播学研究中的意义和价值。颜景毅（2017）表示学界亟需对计算广告的传播模式进行探讨，为大数据时代的广告传播研究厘清思路。姜智彬（2019）则从技术变革的角度出发，探究了智能广告带来的行业重构，并基于“基础-工具-目的-本性”框架提出了智能广告的定义。

4．以计算广告发展前沿的实践和学术研究为基础的研究动态

段淳林、杨恒（2018）辨析了计算广告的定义等基础概念，梳理了计算广告从Web1.0到Web3.0的发展路径，提出要从数据、算法模型、智能决策三个基本维度来进行研究。《数据、模型与决策：计算广告的发展与流变》一文为计算广告学的研究奠定了理论基础，厘清了研究思路，并被《新闻大学》全文转载。同时，段淳林、张庆园编著的《计算广告》一书，为计算广告学理论和学科发展奠定了基础。

计算广告的发展对传统广告学的冲击与挑战

计算广告对整个传统广告学科带来了巨大颠覆与革命，这种变革主要表现在两个方面，一是对传统广告理论和广告学理论研究范式带来的冲击；二是对当今时代广告教育与广告学科人才培养带来的巨大挑战。计算广告将计算主义理论引入广告学研究中，从根本上改变了广告传播的性质，在数据、模型与决策三个维度，颠覆了传统广告理论。

首先，数据是计算广告的基础。传统的广告实践因为缺少数据，广告从业者经验性的个人智慧主导了广告从用户洞察、创意策划、广告投放渠道到广告优化等环节，而在计算广告时代，数据是智能决策与用户画像的基础和依据，是计算广告组织运作的核心要素，数据的来源、质量和算法决定了广告匹配的效率，也决定了计算广告的交易价格与价值，成为计算广告最大的驱动力。

其次，智能算法模型是计算广告的主要工具。计算广告的一切数据均由智能算法进行处理与优化，因此全链路均涉及到广泛的算法模型的运用，如标签化定向模型、数据化定向模型、智能化定向模型等。算法赋予了计算广告“智能”的基因，智能算法寻找用户兴趣与广告主需求的连接点，间接实现了用户与场景的匹配。

再次，智能决策是计算广告的目的。大众媒体时代，“精准营销”方面的成果乏善可陈，广告决策居于广告链的后端。而在计算广告时代，广告的效果衡量方式更为精细化，开始出现CPC、CPM、CPA、CPT、CPS等多种在线广告效果衡量指标。广告效果的渐趋精准也使广告主有了更为精准集约的广告投放选择，通过大规模的数据利用将广告决策前置，用数据驱动决策，成为广告业的常态。

计算广告对当今时代广告教育与人才培养也带来了巨大挑战。一方面，面对计算广告的飞速发展与冲击，传统广告教育开始面临困境：传统广告教育的理论观念开始跟不上新时代的步伐；传统广告学科的研究方法和研究范式显得较为老套；传统广告教育的学科体系建设与社会人才需求脱节；传统广告教育的课程设置体系亟待更新等。另一方面，在过去，传统广告教育培养了一批兼具理论基础、策划能力、创意能力与市场营销能力的专业人才，而在计算广告时代，这些能力还远远不够，计算广告时代的人才培养模式亟需思考和探索。

段淳林

华南理工大学新闻与传播学院教授、博士生导师