Adobe Advertising Creative Management — Dynamic Creative Optimization (DCO) 結合規則型目標市場選擇與機器學習，在 25 毫秒內轉譯超過 10,000 個產品目錄的個人化廣告，透過雙層架構提供 20-40% 的績效改善。

簡介

想像一下，線上瀏覽時，看到的正是您感興趣的產品的廣告，不是隨機的，而是完全為您量身打造的。在這則看似簡單的廣告背後，隱藏著精密的雙層系統，結合了規則型目標市場選擇與機器學習，可在 25 毫秒內提供個人化廣告。

Adobe Advertising Creative Management 可讓廣告商跨管道建立、管理及最佳化廣告。它支援標準靜態創意內容、動態摘要/目錄廣告，以及目標市場選擇、輪播方法和績效最佳化。

Dynamic Creative Optimization (DCO) 是 Creative Management 的核心功能，可支援動態廣告的即時個人化。雖然 Creative Management 會處理創意設定、目錄上傳和體驗設定，但在轉譯廣告時，DCO 會執行即時決策引擎，以根據使用者偏好選取量身打造的最佳產品。此雙層系統結合確定性目標市場選擇規則與機器學習最佳化，可確保廣告商運用大量產品目錄，同時維持程式化廣告所需的速度和規模。DCO 會將靜態的創意範本轉換為個人化的情境感知廣告，可即時因應使用者的位置和偏好設定。

這就是 Dynamic Creative Optimization (DCO)，它是一種可立即投入生產的架構，每天可處理數百萬個決策，同時持續瞭解哪些是最有效的決策。

_{圖 1：從競標到目標市場選擇、產品選擇、ML 最佳化及最終廣告轉譯。}

圖 2：端到端創意最佳化工作流程

挑戰

大規模提供個人化廣告需要同時解決四個限制：

• 規模：處理每個廣告商超過 10,000 個產品的目錄

• 速度：在 25 毫秒內決定每個廣告請求

• 關聯性：比對廣告與使用者內容 (位置、興趣、裝置)

• 最佳化：從真實的使用者行為持續學習和改善

傳統方法已不盡人意。隨機選取提供的關聯性較差。依序掃描數千項產品的速度太慢。靜態評分規則無法瞭解轉換的內容。沒有商業邏輯的純機器學習可能會提供不相關的廣告或違反行銷活動限制。

創意內容類型：標準和動態

在深入研究目標市場選擇系統之前，請務必瞭解兩種主要類型的創意內容

標準創意內容

標準創意內容為具有預先定義的固定內容的靜態廣告。創意資產 (影像、副本、行動號召) 上傳一次，且無論誰看到廣告，都不會變更。

• 使用案例：不需要個人化的品牌認知度和訂閱促銷活動。

• 範例：Adobe Creative Cloud 橫幅醒目提示功能，例如「將簡短內容變成華麗內容」或「客戶希望完成更多選項」，以固定的版面配置和訊息展示預先設計的廣告範本和創意工具，對所有符合資格的使用者採用相同的顯示方式。

• 最佳化：ML 會最佳化 哪個 靜態創意內容效果最佳，但內容本身不會因個別使用者而變更。

圖 3：靜態創意內容變體的範例

動態創意內容

動態創意內容是從目錄摘要提取即時產品資訊的範本型廣告。範本會定義版面配置，而產品資料 (影像、標題、價格、說明) 會根據使用者內容在服務時間插入。

• 使用案例：零售、旅遊、汽車等任何擁有大型產品目錄且想要向每位使用者顯示相關產品的廣告商。

• 範例：加州的使用者在瀏覽電子產品時看到其所在區域的膝上型電腦的動態廣告，電腦價格為 999 美元，而紐約的使用者看到根據其瀏覽歷史記錄而定的不同產品。

• 最佳化：ML 會最佳化 產品 × 創意範本 組合，為該使用者選取最佳產品與最佳視覺處理。

創意群組與 AdTheme

在 Adobe Advertising Creative 中，行銷活動會整理為體驗。目標體驗可以使用決策樹：每個分支都套用客群規則 (地理、裝置、區段等)，而該樹狀結構中的 最終葉節點 就是本文提及的 AdTheme，這是附加創意內容的特定客群路徑。

創意群組是與一個 AdTheme 相關聯的創意內容 (標準或動態) 集合。第 1 層為目前的請求選取 AdTheme 後，系統仍需決定要顯示該創意群組中的哪個創意內容。這個選擇是由 UI 中設定的 輪播方法 所控制：

基於演算法

使用機器學習 (尤其是 Thompson 抽樣) 自動選取表現最佳的創意內容。此系統追蹤每個創意內容的成功量度 (點按數、轉換次數)，並日益偏向獲勝者，同時仍會探索替代方案。這是最大化行銷活動績效的建議方法。

加權

根據廣告商定義的百分比，為創意內容分配曝光率。例如，廣告商可能會將創意內容 A (其主要訊息) 的曝光率設定為 70%，並將創意內容 B (測試變體) 的曝光率設定為 30%。適用於受控制的 A/B 測試或需要特定流量分配時。

循序

依定義的順序輪播創意內容，在重複之前循環顯示每個創意內容。確保一段時間內分佈均勻，適用於所有創意內容需要同等曝光度的行銷活動。

Random

隨機選取每個請求上具有相同機率的可用創意內容。簡單但未學習或最佳，適用於基線測試或需要真正的隨機化。第 1 層：目標市場選擇和 AdTheme 選擇

目標：尋找正確的創意群組 (AdTheme)。所有廣告類型都會發生這種情況：標準、動態和視訊。

第 1 層：目標市場選擇與 AdTheme 選擇

目標：尋找正確的創意群組 (AdTheme)。所有廣告類型都會發生這種情況：標準、動態和視訊。

兩個目標市場選擇方法

1. 決策樹目標市場選擇

廣告商可以設定決策樹體驗形式的多個目標市場選擇層，並將創意內容指派給決策樹的每個分支。體驗具有廣告標籤，廣告商可在任何需求方平台 (DSP) 中使用

運作方式

同時評估多個標準並執行設定交集。系統會維護每個目標維度的個別索引：

• 地理：國家/地區、區域/州、城市、ZIP、DMA

• 裝置：裝置類型、瀏覽器、作業系統

• 資料傳遞：自訂參數 (t1-t5)

• 輪廓：使用者屬性 (ut1-ut5)

• 區段：行為定向

• 廣告排程：日期/時間範圍

2. 標籤型目標市場選擇

使用者可以設定非決策樹的體驗，並根據廣告大小設定不同標籤。

當請求包含 tag='4' 時，系統會直接擷取與標籤 4 關聯的 AdTheme。比決策樹更快，但彈性更差。

評分：加性模型

在交集識別相符的 AdTheme 後，評分會使用加性模型：

範例：

圖 4：第 1 層目標市場選擇流程 — 將決策樹或標籤型目標市場選擇輸入加性評分，以選取請求的獲勝 AdTheme

對於動態廣告：產品選擇層

重要：產品選擇僅適用於動態廣告。標準廣告會略過此層。

圖 5：DCO 的四大支柱——目標市場選擇、評分、產品選擇和機器學習最佳化會即時共同運作

產品目錄檔案 (MUP 檔案)

廣告商上傳產品摘要 (UTF-8，定位字元分隔)。每一列代表一種產品，且包含：產品 ID、標題、說明、價格、影像 URL、類別、品牌、提供者、地理可用性以及自訂目標市場選擇欄位。

Example feed rows:
739072 | Adobe.xlsx | 0.00 | 129725 | US | 728x90 | 2298599,2229418 | Try Acrobat AI Assistant.
739073 | Adobe.xlsx | 0.00 | 129726 | FR | 728x90 | 2298597,2229412 | Essayez l'assistant AI d'Acrobat.
739074 | Adobe.xlsx | 0.00 | 129727 | JA | 728x90 | 2298598,2229414 | アシスタントを試してみましょう
739075 | Adobe.xlsx | 0.00 | 129727 | US | 728x90 | 2298611,2229600 | Keep your PDFs secure,starting today.
..........

從摘要到索引：離線管道

1. 摘要剖析：將資料列剖析為輕量型產品控制代碼 (初始分數= 1.0)。

2. 索引設定：成為索引的資料行是設定驅動的 (屬性檔案)。

3. 反向索引建立：針對每個已設定的資料行建立反向索引，通常使用壓縮點陣圖。

4. 序列化與熱載入：序列化二進位索引，並以原子更新方式熱插拔到服務 Pod 中。

產品選擇流程

步驟 1 — 以索引為基礎的篩選：根據條件 (國家/地區、類別、區段) 擷取產品集。

步驟 2 — 乘法評分 (與第 1 層不同)：

範例表：

圖 6：變體 1 — 在經過以索引為基礎的篩選和乘法評分後排名最高的產品。這是選取的產品。

圖 7：變體 2 — 通過目標市場選擇但最終分數較低的合格動態廣告產品

圖 8：變體 3 — 保留作比較但未選取的另一合格產品

累積備註：這些 (圖 6-8) 數字代表從產品摘要的不同列衍生的相同動態廣告的三個變體。所有變體都符合目標市場選擇和評分限制，但只選取了 最高評分變體 並對應到創意範本。

步驟 3 — 前 N 個選擇：傳回前 N 個產品 (例如，前 200 個)。為了公平起見，並列的評分也會納入統計。

步驟 4 — 最終產品貼文創意最佳化演算法，會傳回對應到範本的最終產品。

效能工程：達成小於 25 毫秒的目標

有幾項工程實作可實現小於 25 毫秒的目標：

1. 資料位置

• 啟動時將索引預先載入到 Pod 記憶體中

• 快取經常存取項目的產品詳細資料

• 熱載入更新，無需停機

2. 緊湊資料結構

• 控制代碼集的壓縮點陣圖

• 避免字串重複的字典間接引用

• 高效的設定作業

3. 結果快取

• 將重複模式的結果記憶化

• 讓摘要變更失效

• TTL 型期限

4. 有界限的候選集

• 限制 top-N 以保持 ML 快速 (每個創意內容 10-50 個產品)

• 只在合格子集上執行 ML

• 並行統計查閱和產品詳細資料擷取

5. 原子索引交換

• 支援原子更新，而且無停機時間

• 針對大型批次最佳化；復原功能

圖 9：可啟用少於 25 毫秒決策延遲的記憶體內索引、緊湊資料結構和快取策略

第 2 層：ML 最佳化

目的：從最熱門的候選者中進行智慧型選取。ML 會針對所有廣告類型執行，但會在不同的「臂」上運作：

• 標準廣告：臂 = 靜態創意內容

• 動態廣告：臂 = 產品 × 創意内容配對

• 視訊廣告：臂 = 視訊創意内容

ML 何時執行？

ML 會在有多個競爭選項或需要探索時執行。

情境 A — 明確的獲勝者 (無 ML)：

After Tier 1: AdTheme A = 1.8, AdTheme B = 1.2→ AdTheme A clear winner => no ML needed => decision in <5ms

情境 B — 並列/競爭選項 (ML 決定)：

Thompson 抽樣：ML 引擎

1. 擷取每個變體的歷史成功/失敗計數

2. Beta 分佈中的範例 (每個變體一個)

3. 選取抽樣機率最高的變體

為何使用 Thompson 抽樣？處理每日批次更新，自然平衡探索與利用，快速執行，並且顯示比樸素選擇改善 20-40%。

圖 10：DCO 中的 Thompson 抽樣 — 符合資格的臂與每隻臂的績效統計資料輸入老虎機引擎，可為目前請求選取最佳創意內容或產品 × 創意內容

了解多臂老虎機中的「臂」

術語「臂」來自老虎機 (獨臂強盜)。在 DCO 中：

• 標準廣告 — 臂 = 靜態創意內容 (例如，5 個創意內容 = 5 隻臂)

• 動態廣告 — 臂 =產品 × 創意內容配對 (例如，3 個創意內容 × 10 個產品= 30 隻臂)

為什麼內容相關的臂很重要：臂組可以根據請求內容 (位置、可用性) 變更。ML 僅從目前符合資格的臂中抽樣，可動態調整，無需預先計算所有組合。

完成流程：請求回應

對於標準廣告，流程是直接的：第 1 層會根據目標市場選擇規則挑選 AdTheme，然後第 2 層 ML 會使用 Thompson 抽樣從該群組挑選最佳創意內容。對於動態廣告，在 ML 決定最終產品 x 創意內容組合之前，需額外使用一層篩選與評分產品。在這兩種情況下，整個決策管道會在 25 毫秒內完成

圖 11：標準廣告請求流程 — 目標市場選擇和 ML 選取最佳靜態創意內容

圖 12：動態廣告請求流程 — 包括在 ML 最佳化和轉譯之前的產品選擇。

廣告之外：通用應用程式

雙層模式 (目標市場選擇+ ML) 會套用至廣告之外：

1. 內容建議 — 依評等/可用性篩選；ML 會最佳化參與。

2. 電子商務搜尋排名 — 依庫存/價格篩選；ML 會最佳化轉換。

3. 電子郵件行銷活動最佳化 — 強制執行偏好設定；ML 會選取主旨/時間。

4. 臨床試驗比對 — 強制執行適用性；ML 會最佳化註冊成功。

模式：目標→分數→最佳化。

這個架構運作的原因

僅目標市場選擇 + 規則：快速且確定，但可能會隨機打破平局。

僅 ML：可以學習，但可能會違反商業邏輯，而且融合速度會很慢，不會進行刪減。

目標市場選擇 + 規則 + ML：兩全其美——已強制執行商業邏輯、相關性評分和 ML，以便持續改進。一般增益：相較於原始基準線，延遲時間小於 25 毫秒，績效提升 20-40%。

關鍵重點

1. 雙層系統：先進行目標市場選擇/評分 (快速、確定)，然後進行 ML 最佳化 (自適應學習)。

2. 不同的評分：適用於 AdTheme 選擇的加法；適用於產品選擇的乘法。

3. 動態 = 額外層：動態廣告會在 AdTheme 選取和 ML 之間新增產品選取。

4. 針對所有類型的 ML：Thompson 抽樣適用於標準、動態和視訊，只有臂不一樣。

5. 即時規模：每天數百萬個決策，每個請求少於 25 毫秒。

結論

Dynamic Creative Optimization 是一種強大的架構模式，結合了：

• 第 1 層：規則型目標市場選擇和評分 (確定、快速)

• 產品選擇：以索引為基礎的篩選和乘法評分 (動態廣告)

• 第 2 層：使用 Thompson 抽樣的 ML 最佳化 (所有廣告類型)

關鍵洞察：這不是規則 或 機器學習，而是依序進行兩者。目標市場選擇可確保關聯性，評分可確保差異化，而 ML 可確保持續最佳化。

想要深入了解 DCO 如何提升您的廣告效益？探索 Adobe Advertising Creative 以開始使用。