Moloco用机器学习筑一道护城河

在给投资者的信中，巴菲特强调「经济护城河」的重要性：「你们不要忘记经营企业如同守城应当先考虑挖一条深沟，以便将盗贼隔绝在城堡之外……我们不一定要具备杀死恶龙的本领，只要躲开它远一点就可以做得很好了。」

「企业护城河」是可以防止竞争对手进入市场的壁垒，以保证公司能持续创造价值。这对于Adtech公司来说，尤为重要。2019年，投中资本管理合伙人杨斌提出：「站在广告主角度，最终还是要看效果。……关键在于技术能力。是不是有真正有效的机器学习算法？是不是能够做出精准的用户画像？是不是更有针对性地投放来提升效率？」技术能力，正是Adtech公司的「护城河」。

具备机器学习基因的Moloco

总部位于美国的Moloco公司所选择的「护城河」，是机器学习技术。Moloco这一名称即来自于「Machine Learning Company（机器学习公司）」的简写。

Moloco首席商务官 Sunil Rayan在接受Marteker专访时，也这样介绍Moloco：「Moloco是一家机器学习公司，致力于为世界各地的开发者和线上零售商提供增长营销解决方案。我们帮助包括社交、游戏、金融科技还有电商等在内的移动应用程序开发人员，使其可通过Moloco机器学习平台盘活一手数据，以了解公司业务表现，帮助他们获得许多高质量用户，提高ROI并促进业绩增长。」

机器学习是一门多领域交叉学科，研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具备智能的根本途径。高级机器学习技术，可以提供优化解决方案的能力，提高转化率、客户参与，完成超个性化传播，并减少客户流失率。

10年前，一群来自于谷歌的工程师创建了Moloco。创始人曾参与YouTube第一批机器学习模型的部分创建工作，也涉及YouTube变现业务，因此为Moloco带来了机器学习基因。目前，除了谷歌、Facebook还有亚马逊这些行业巨头，Moloco是机器学习及变现领域中少数采用与那些巨头一样的机器学习技术的公司，并用更开放的方式以机器学习服务客户。

利用客户和环境数据训练模型

机器学习的原理在于通过一系列数据训练的算法，找出数据的规律，并根据规律对即将发生的营销活动进行预测，应用于实际发生的商业数据，获得效果后再不断调整，实现正向循环。因此，机器学习应用于营销领域的挑战在于算法和数据。

根据Sunil的介绍，Moloco与客户合作，利用客户的第一手数据，再去训练模型。当然，出于严谨的角度，Moloco在数据安全方面也是有相关的措施，训练完模型之后会删除这些数据。

Moloco还使用了一些环境数据，涉及用户的时间、地点、使用APP情况等内容。「因此，所有的数据都是具有一定情境性的，而不是非常个人化的，我们通过使用这些环境类数据来寻找更高质量的用户。」

从某种意义上说，Moloco的技术基础与ChatGPT比较相似，甚至在ChatGPT风靡全球之前，Moloco就已经采用类似的技术。

Moloco的客户包括零售、游戏、金融科技等。每家客户背景不同，所处的环境也有所不同，Molco会根据其不同要求去训练模型。不论是零售还是电商客户，想要更多的用户，Moloco都有相对应的模型，并在这个过程中实现了定制化和个性化。

Sunil举例说，「游戏跟零售的优化的目标可能就是不同的。比如说现在我们有一个外卖的客户想要获得能够在下载APP的前7天之内就能下单的用户，这就是我们模型优化的目标。在游戏方面如果说一个客户想要去寻找在3天内就能在游戏内去进行购买行为的用户，这也会成为我们模型打造的优化目标之一。」

Moloco的产品聚焦于利用机器学习去变现

目前，Moloco有三种产品，都聚焦于利用机器学习去变现，包括：

1. Moloco Cloud DSP（云营销平台）利用客户一手数据，为程序化广告解决方案提供动力，以获取高价值用户，并进行再营销。通过以效果为导向的广告为客户的应用带来增长。

2. AVOD是与流媒体和OTT变现相关的产品。Moloco利用了当前的基础的架构还有机器学习去帮助相关的客户实现增长。当前这些传统流媒体广告都聚焦于电视，即在电视上进行简单的投放，Moloco在此基础上还提供了更为优化的解决方案，覆盖营销漏斗的每一个阶段——从提高受众意识到考虑购买，再驱动其采取行动。这样，Moloco就可以给流媒体企业带来更多机会触达更多广告主，不仅仅是大品牌。

3. Moloco Retail Media Platform（零售媒体平台）：通过机器学习驱动的自助式效果广告，让客户的商业平台成为供应商触达其客户的最佳渠道。让Moloco的客户更好地优化他们的推荐广告还有产品，开启新的利润中心，实现他们的增长。

之所以进行这样的产品布局，Sunil介绍说，利用机器学习为客户增加收入和利润的公司其实还不够多，很多机器学习技术被用来降低成本，做维护，减少劳动力。「但我们相信机器学习可以应用于更多方面，去帮助企业实现更多的增长，这就是为什么我们更加地聚焦于变现方面。机器学习在助力客户成长方面仍然是具有很大的潜力和空间。」

优化ROI、创意以及CTV

除了机器学习技术和Moloco的产品，Sunil还分享了移动广告领域的新趋势：

首先，越来越多的客户在优化ROI。很多客户都是基于ROI来设置Campaign，十年前大部分人都经历了这样的过程，都是围绕着每次点击成本进行优化，即先去关注为每一个Clip的花费再到CPI再到每个Action的花费，再到每个收入的花费。「但现在，我们发现在Moloco超过75%的客户都是基于ROI来进行设置的，我认为这也会成为未来持续发展的趋势。」

其次，人们在尝试越来越多的创意，令人耳目一新。创意和广告比以前频繁得多。据Sunil介绍，因为现在素材的更迭十分频繁，Moloco有了一个新的素材的格式「试玩」：比如出现一个试玩的时候可以先玩再决定要不要下载这样一个应用程序，互动性就非常强。

第三，CTV，即有线电视。「这其实可以帮助我们更好地定位用户，而且也可以在大屏幕上实现更强的互动。所以我们的客户都在试验不同的广告模式和内容。」根据Sunil的说法，更多的人正在尝试跨越多种格式，比如过去传统移动广告主不会在电视上做广告，现在他们正在做新的尝试，因为客户收获了更好的效果追踪。

AVOD帮助流媒体企业实现YouTube式的营收和增长

正是出于对CTV的预判，一年前旗下仅仅有Moloco Cloud DSP（云营销平台）和Moloco Retail Media Platform（零售媒体平台）两款产品的Moloco，新近推出的、针对海外流媒体平台的产品AVOD。

AVOD即Advertising Video on Demand的简称。Sunil介绍说，类似于Netflix和迪士尼这样的流媒体企业，其订阅用户数量不会无限增长，在订阅数达到一定水平之后，观众可能就想免费观看了，就像在YouTube或其他的免费视频平台一样。此类流媒体企业遇到的问题就是如何提高盈利能力。

海外流媒体企业主要通过两方面实现增长：广告收入与订阅收入。但目前，流媒体公司的广告变现模式依旧是传统的电视广告，类似于品牌广告，无法真正帮助流媒体实现利润增长和提高盈利能力。为了解决这一行业痛点，Moloco的产品可以将品牌广告和效果广告结合，帮助流媒体企业扩大获客规模，从而提高企业的盈利能力。

简单来说，YouTube当前应用的广告技术能够为他们带来非常好的营收结果。Moloco想提供相同的广告解决方案，从而帮助有增长需求的流媒体企业实现YouTube式的营收和增长。这就是Moloco引入AVOD这样一个全新广告解决方案的原因。

中国企业出海需要考虑的因素

Moloco之所以推出AVOD这样的产品，是因为美国有更多的人会在CTV（有线电视）上花更多的时间去看Netflix或者是迪士尼的内容。在西方，CTV的渗透率包括用户覆盖非常强。Sunil因此建议说，「如果有这样的中国出海企业想要寻找相对成熟的客户，而且是愿意在黄金时段去观看电视而不是看YouTube的客户，其实可以考虑CTV。你想找到这样成熟且有购买力的客户，CTV是比移动广告更好的选择。」

除此之外，Sunil还建议中国出海品牌，在出海营销的过程中需要注意「客户公司试图做什么。」他以游戏客户为例介绍说，不同客户的目标是不一样的，他可以在美国获取到许多购买驱动的游戏玩家，但这样的客户在巴西和印度的市场就并不多见了，更多的是移动广告支持的游戏用户。如果你想在巴西和印度拓展的话可以找到许多愿意去玩儿这个游戏的客户，但不见得这些市场上的客户会在游戏内进行很多的内购。

在Sunil看来，收入、规模和素材是出海品牌需要重点关注的三个因素：「你是否试图推动收入？你是否试图扩大规模？目标不同方法自然也不同，一般来说理想的情况下我们的客户是两者都想要，这就需要我们做出一些调整，比如说在美国可以获得愿意在游戏里面花钱的客户，在印度和巴西这样的市场可能用户的付费意愿不是那么强，但可以获得很多的游戏玩家，所以情况是不同的。

另外是与素材有关，比如说北美和西欧跟印度、巴西还有东南亚是完全不同的，这其实里面有很多明显的因素像地缘等等，在新兴市场年轻的朋友会多一点，但在西方情况就比较复杂，而且他们的设备也会不同，在西方可能用的设备会比较优良一点，所以说要考虑到这些不同的因素在素材方面也要做调整。」

「Moloco想要是帮助全球企业实现增长，我们也希望在这样的旅途中有更多的中国企业加入我们。当然现在这个旅程也刚刚开始，所以我们希望未来也会见到更多的中国出海企业和我们携手同行。」Sunil最后总结说。