一直有人问我，说这几年很少有见你提搞自动化投放，这不是所有做广告技术的同学都想干的事情么？

是的，好像很多公司如果有广告技术团队，都想整个自动投放系统出来，整不出来都显的自己无能，所以一直在持续投入人力和资源，在憋。然后变相把算法工程师变成广告优化师。

1. 基于模型（不管是机器学习还是深度学习）的自动化投放的对于媒体自身的广告投放属性和所投放产品的属性的依赖度都非常高。不同的媒体和不同的游戏产品的特征输入和模型参数都差异很大，甚至对模型的选择差异都非常大。简单说就是投A渠道的优化师去操作B渠道，都有了解和学习成本。何况机器，所谓有多少人工就有多少智能。

    

2. 做自动优化的目的是提高投放效率，当前媒体自身均在往UAC化前进，对于过往堆账户、堆计划的诉求会逐步降低。所以我们没必要在这里继续耗一个长线回报率极低的产品。

    

3. 大多数来做这块业务算法工程师基本都不太了解计算广告，非常了解计算广告的算法工程师都去了媒体，去研究如何更准的预估ctr和cvr去了。所以当我们来做这块，也许从了解业务到最终打磨上线能跑起来，达到基本预期——广告能投起来，少则半年，多则1年起。这还只是一个渠道，在外部条件不变的情况下。

    

4. 自动投放真的能代替广告优化师么？还是说算法工程师变成了广告优化师？

    

5. 做一个不确定长期价值和不确定性非常高的事情，不如想想哪些是真的可以快速落地并可以提高效率的事情。

    

6. 做一个灵活快速的账户搭建；高效、便捷、有深度的数据分析；直观反应广告状态，及时洞察问题、快速做出决策并调整广告策略的产品给优化师，帮助他们高效工作，提高人均消耗比和控盘能力吧。

    

7. 把好的优化师的经验通过产品能力沉淀到系统中去，让初级优化师能够在系统的辅助下达到中高级优化师的水平，这些也许更有价值。