段淳林 崔鈺婷

一、引言

廣告行業(yè)伴隨人工智能技術(shù)、大數(shù)據(jù)技術(shù)和5G物聯(lián)網(wǎng)的發(fā)展在近十年產(chǎn)生了深刻的變化，從在線廣告、數(shù)字廣告，到程序化廣告、信息流廣告、原生廣告等廣告新形式的涌現(xiàn)，業(yè)界和學界對廣告發(fā)展的分析單元不斷細化。根據(jù)麥格納情報(MAGNA Intelligence)的報告，數(shù)字廣告銷售(搜索、視頻、社交、展示)繼續(xù)以兩位數(shù)的速度增長，到2019年，數(shù)字廣告銷售首次占全球廣告銷售的一半以上(占51.5%)。[1]學界對于廣告智能化的研究也呈現(xiàn)出快速增長的態(tài)勢。計算傳播學、計算廣告學等理論的提出和發(fā)展，加深了廣告的智能化研究與計算機科學、認知心理學、神經(jīng)科學等領(lǐng)域的融合。然而，基于計算科學和大數(shù)據(jù)而發(fā)展的新興廣告形式對于廣告理論發(fā)展的前沿追溯與熱點探討相對薄弱。

筆者基于Web of Science(WOS)核心合集數(shù)據(jù)庫和中國知網(wǎng)數(shù)據(jù)庫近十年廣告發(fā)展的沿革，從聚類情況、研究熱點、發(fā)展趨勢等方面對國內(nèi)外發(fā)展進行可視化的對比分析，試圖為廣告的智能化發(fā)展和計算廣告學科的構(gòu)建描繪出清晰的歷史脈絡(luò)和發(fā)展路徑，從而為廣告理論的發(fā)展提供合理化建議。

二、研究方法與信息抽取

(一)研究設(shè)計

文獻計量方法不僅為探究國內(nèi)外廣告數(shù)字化和智能化的學術(shù)研究提供了客觀分析的全景式研究數(shù)據(jù)，還明晰了動態(tài)的學術(shù)發(fā)展軌跡與熱點趨勢變化。本研究主要使用的文獻計量方法可視化工具為Citespace和VOSviewer[2-3]。此外，筆者創(chuàng)新融入知識圖譜的思路與框架，對國內(nèi)外智能化廣告的發(fā)展在關(guān)鍵詞聚類、研究方法、學科領(lǐng)域以及學術(shù)貢獻等角度進行了分析和討論?；谥R圖譜的特點即通過具有屬性的實體憑借關(guān)系鏈接而成的網(wǎng)狀知識庫[4]，對文獻數(shù)據(jù)庫進行共現(xiàn)、突現(xiàn)和聚類的可視化分析。并根據(jù)知識圖譜的構(gòu)建技術(shù)即信息抽取、知識融合和知識加工三個步驟完成對廣告智能化的比較研究。

研究主要為三步進行(如圖1)：一是基于現(xiàn)有廣告智能化發(fā)展的相關(guān)定義制定相關(guān)的搜索規(guī)則，并進行信息收取和數(shù)據(jù)清理；二是分別對獲得的國內(nèi)數(shù)據(jù)集和國際數(shù)據(jù)集進行知識單元的數(shù)據(jù)分析；三是基于國內(nèi)和國際數(shù)據(jù)分析單元結(jié)果進行對比分析，并進一步探討廣告智能化發(fā)展的學術(shù)前沿和發(fā)展趨勢以及該研究結(jié)果為廣告理論發(fā)展和廣告學科構(gòu)建帶來的貢獻。

圖1 智能化廣告研究流程

(二)概念界定與信息抽取

關(guān)于智能廣告的定義，李海容認為是以用戶為中心、數(shù)據(jù)為驅(qū)動、算法為中介的品牌傳播[5]。姜智彬、馬欣認為是以數(shù)據(jù)驅(qū)動為基礎(chǔ)，利用人工智能技術(shù)實現(xiàn)廣告內(nèi)容的耦合生產(chǎn)、精準投放與互動反饋，從而個性化滿足消費者生活信息需求的品牌傳播活動[6]。

依據(jù)上述研究流程和定義界定，本研究的信息抽取來自中國知網(wǎng)相關(guān)期刊和CSSCI期刊近十年(2010—2019年)主題為“廣告”并包含關(guān)鍵詞為“智能”或“大數(shù)據(jù)”或“機器學習”或“算法”相關(guān)的文章，共得到了426篇文章。同樣，在WOS核心合集數(shù)據(jù)庫中，由于相關(guān)的文獻較少，且智能廣告的跨學科性較強，本研究在整個WOS核心數(shù)據(jù)庫中就廣告和人工智能或AI或a.i，或機器學習或深度學習(advertis* and artificial intelligence or ai or a.i.or machine learning or deep learning)對2010—2019年相關(guān)文獻進行主題搜索，共得到609篇文章。

三、數(shù)據(jù)分析與知識融合

研究熱點的評估和推斷可以通過關(guān)鍵詞的共被引頻數(shù)、中心度排序以及突現(xiàn)詞等層面進行分析。共被引的頻數(shù)越高，說明研究者對該領(lǐng)域的研究產(chǎn)生的共識和延伸研究相對較多。而聚類關(guān)系，利用探索性數(shù)據(jù)挖掘與分析技術(shù)，可以展示各個節(jié)點的主要關(guān)系和密切程度，用于識別和分析研究領(lǐng)域中的顯著術(shù)語和聚集分類。

筆者將基于上述規(guī)則獲取的數(shù)據(jù)庫導入Citespace中，進行關(guān)鍵詞共現(xiàn)分析。中英文軟件相關(guān)的參數(shù)設(shè)置均如下：節(jié)點類型(Node Types)設(shè)置為關(guān)鍵詞(Keyword)，時間切片(Time Slicing)為一年，為保證每年選取的節(jié)點數(shù)量相對均衡，選擇標準(selection criteria)選用G指數(shù)(g-index)，網(wǎng)絡(luò)剪裁方法為路徑尋找模式(pathfinder)、修剪切片網(wǎng)絡(luò)(Pruning sliced networks)、修剪合并網(wǎng)絡(luò)(Pruning the merged network)。

(一)中國廣告智能化研究發(fā)展路徑及熱點分析

筆者通過將中文數(shù)據(jù)庫的數(shù)據(jù)進行簡單的數(shù)據(jù)清洗，將大數(shù)據(jù)技術(shù)等類似詞語統(tǒng)稱為大數(shù)據(jù)；將報紙、報業(yè)等詞語統(tǒng)稱為報刊；將目標受眾、讀者等詞語統(tǒng)稱為受眾，并刪除了部分無關(guān)的英文關(guān)鍵詞。然后將清洗后的數(shù)據(jù)通過LLR算法進行關(guān)鍵詞共現(xiàn)的聚類分析，共得到七個聚類(圖2)，分別是報刊、智能傳播、計算廣告、實戰(zhàn)教學、視頻智能、廣告產(chǎn)業(yè)、新媒體。圖中字體大小代表的關(guān)鍵詞頻次的高低。節(jié)點表示中心性，節(jié)點越大，表示中心性的程度越高。表1和表2分別是關(guān)于智能廣告研究中的引用頻次和中心性的排名。

表1 2010年至2019年CNKI上被引用次數(shù)排名最高的關(guān)鍵詞

表2 2010年至2019年CNKI關(guān)鍵詞中心性排名

圖2 中國廣告智能化研究關(guān)鍵詞共現(xiàn)聚類圖

從圖2可以發(fā)現(xiàn)，隨著廣告在智能化時代的快速發(fā)展，廣告研究更加關(guān)注于互聯(lián)網(wǎng)、社交媒體等媒介和技術(shù)的變革。在研究內(nèi)容上，更加關(guān)注從廣告創(chuàng)作到投放再到效果評估等自動化智能化的全鏈路廣告流程。因此，精準化、個性化創(chuàng)作、隱私保護，渠道整合與溝通等話題成為新的研究熱點。

如圖2所示，聚類#1智能傳播、聚類#5廣告產(chǎn)業(yè)和聚類#6新媒體聯(lián)系相對緊密。廣告?zhèn)鞑ァ鼍盃I銷、受眾和人工智能技術(shù)是連接上述三個聚類的關(guān)鍵節(jié)點。閱讀這些節(jié)點的來源文獻可以發(fā)現(xiàn)，近年來在廣告產(chǎn)業(yè)轉(zhuǎn)型中人工智能技術(shù)的發(fā)展和融合不斷涌現(xiàn)，同時更加關(guān)注場景和人的多元化和異質(zhì)性屬性。即通過融合智能化技術(shù)，對廣告產(chǎn)業(yè)、受眾、傳播渠道在差異化、定向化和精準化等方面產(chǎn)生的重大變革進行更加精細化的研究和對比分析，從而為智能傳播和廣告產(chǎn)業(yè)的融合發(fā)展提供重要的理論依據(jù)。例如有學者探討了用戶畫像在智能廣告時代的價值和作用，認為用戶畫像是場景匹配，精準營銷的核心要素[7]；也有學者探討人工智能技術(shù)對于廣告產(chǎn)業(yè)經(jīng)濟范式的重構(gòu)產(chǎn)生的影響，認為技術(shù)促進了廣告產(chǎn)業(yè)從人力密集型到技術(shù)密集型經(jīng)濟范式的重大轉(zhuǎn)換，對廣告產(chǎn)業(yè)的生產(chǎn)運作方式、經(jīng)濟組織方式和產(chǎn)業(yè)結(jié)構(gòu)都進行顛覆性的變革與重構(gòu)[8]。從這三個聚類中,可以清晰地看到一條2018—2019年的時間線組成的節(jié)點(標星處)，即數(shù)字廣告、算法、智能傳播、戶外廣告、人工智能技術(shù)、智能營銷?；谶@條近年來逐漸成熟的研究鏈條可以發(fā)現(xiàn)，學術(shù)界對于廣告產(chǎn)業(yè)的理解正在從數(shù)字化廣告研究轉(zhuǎn)向智能化廣告研究。人工智能技術(shù)對廣告及其相關(guān)交叉學科的研究將成為重要的發(fā)展趨勢。此外，戶外廣告的智能化傳播研究在一定程度上說明智能廣告研究對于廣告在場景營銷的跨平臺性和虛擬與現(xiàn)實的融合方面的研究日益增多，未來將對廣告行業(yè)在跨界性和交互性等方面提供豐富的理論基礎(chǔ)。

圖2中，2018—2019年連接最為密集的聚類是聚類#2計算廣告，這個聚類相對來說較為孤立，和其他聚類的連接較少。探究其原因，目前計算廣告的研究中主要是基于計算機科學領(lǐng)域進行探究和分析。其中，被學者討論較多的兩個應(yīng)用領(lǐng)域即點擊率和智能廣告，所運用的方式主要是深度學習、機器學習、矩陣分解、因子分解機等。劉夢娟等人對展示廣告的點擊預(yù)測模型做較為全面的研究綜述，針對點擊率預(yù)測的問題，利用邏輯回歸模型進行研究[9]。然而，由于智能廣告具有稀疏性、數(shù)據(jù)高維、非線性等特點，簡單的線性模型學習能力有限，不能捕獲高階特征。厙向陽和王邵鵬所提出的基于FTRL(Follow-The-Regularized-Leader)優(yōu)化算法的因子分解機模型對點擊率的預(yù)測效率進行了優(yōu)化[10]；其次，胡慶輝等人在深層語義信息中對深度學習的應(yīng)用進行了探討和優(yōu)化[11]；張志強等人基于深度學習的特征學習方法，首先分析了輸入層特征構(gòu)成，然后結(jié)合棧式自編碼網(wǎng)絡(luò)算法學習特征之間的高階組合特征，以此獲得更高的預(yù)估準確率[12]。在該聚類中，關(guān)于社會科學領(lǐng)域的研究相對較少，但呈現(xiàn)增長和發(fā)展的趨勢。例如劉慶振、顧景毅、段淳林等人對于計算廣告的構(gòu)建和發(fā)展流變進行了梳理和分析[13-15]。此外，該聚類中擁有一個突現(xiàn)的節(jié)點——智能廣告，意味著近年來關(guān)于智能廣告的研究呈現(xiàn)了一個爆發(fā)性增長的趨勢。探究其來源文獻，主要是來自社會科學領(lǐng)域的研究。姜智彬，鄭新剛，呂尚彬等人對智能廣告的運作模式、演進軌跡和行業(yè)影響進行了研究和闡述，對廣告的發(fā)展趨勢和未來發(fā)展形態(tài)與人工智能技術(shù)的融合進行了流程和理論意義的歸納[12，16]，從而進一步從計算廣告的研究延伸至智能廣告的研究。基于上述分析，可以從計算廣告這個聚類的內(nèi)部節(jié)點中得出以下觀點，即目前對于計算廣告的研究，在技術(shù)層面和模型預(yù)測等方面的研究相對成熟且連接緊密，而在場景營銷、消費者行為等方面的研究亟須采用多學科的研究方法，進一步融合并充實其在社會科學等領(lǐng)域的理論，為計算廣告學科的跨學科理論構(gòu)建提供理論基礎(chǔ)?；诰垲愔械耐滑F(xiàn)節(jié)點，隨著對人工智能技術(shù)在研究內(nèi)容和研究方法方面的進一步融合和發(fā)展，未來將會基于計算廣告的相關(guān)理論和研究形成新的研究聚類——智能廣告，為廣告研究和理論發(fā)展產(chǎn)生巨大的變革打下基礎(chǔ)。

聚類#3和聚類#4展現(xiàn)了計算廣告和智能傳播的研究對象與研究維度。聚類#3實戰(zhàn)教學，目前對于精準營銷、廣告投放、今日頭條和程序化購買的研究相對較多。這一方面說明為這些節(jié)點在人工智能方面的應(yīng)用較為成熟,另一方面也說明在營銷傳播和實戰(zhàn)教學中，廣告理論的傳承和發(fā)展已經(jīng)開始邁向智能化時代，更加注重基于大數(shù)據(jù)而產(chǎn)生的新的廣告流程和廣告模式。在聚類#4中可以清晰地發(fā)現(xiàn)，視頻智能也逐漸形成一個新的研究聚類。隨著抖音、快手、微視等短視頻行業(yè)的發(fā)展，視頻智能基于大數(shù)據(jù)分析、特征提取等人工智能技術(shù)在業(yè)界的實踐與運用已經(jīng)相對成熟，但對于廣告效果的評估和預(yù)測，用戶行為和認知情感的變化在研究領(lǐng)域都還未形成成熟的節(jié)點，研究的深度和關(guān)聯(lián)性有待進一步挖掘。因此，聚類#3和聚類#4給予學者在研究對象方面更多的啟示，即視頻智能廣告在業(yè)界技術(shù)相對成熟的背景下，已成為覆蓋受眾相對廣泛的新的廣告形式。從廣告效果的評估預(yù)測，用戶的行為和認知變化等方面可以進一步豐富智能廣告的學術(shù)研究，豐富廣告理論在大數(shù)據(jù)時代的發(fā)展。

從智能時代廣告的主要參與主體來看，廣告主、受眾、和廣告代理(廣告公司)之間的關(guān)系研究在近年來產(chǎn)生的新的聚類如視頻智能、計算廣告、智能傳播幾個聚類中相對較少。而三者在智能化廣告時代從傳播、渠道分配整合、接受和分享等方面都產(chǎn)生了巨大的變化，亟須在新的廣告發(fā)展背景下進行研究。

(二)國際廣告智能化研究發(fā)展路徑

首先，為了了解國際上廣告智能化發(fā)展的空間分布，筆者對各國的文獻進行了合作網(wǎng)絡(luò)研究。表3顯示了在廣告智能化研究領(lǐng)域發(fā)表文章超過20篇的國家。引文的數(shù)量可以在很大程度上評價該文獻及其作者和國家在特定領(lǐng)域影響力的一個重要指標。美國、英國、中國在廣告智能化研究領(lǐng)域具有較高的影響力。圖3顯示了不同國家和地區(qū)在廣告智能化研究中發(fā)表的合著地圖，圓圈大小表示發(fā)表的數(shù)量，鏈接的厚度表示合作的強度[17]。可以發(fā)現(xiàn)，除美國外，中國和英國的研究成果相對較多，但平均發(fā)表年份較短。這說明這兩個國家在智能廣告方面的研究正在迅速興起。不難理解，中國和英國是全球廣告支出較高的國家之一[18]，人工智能技術(shù)的發(fā)展也正處于快速發(fā)展階段[19]，新的廣告形式和流程將不斷被優(yōu)化。從而滿足更加復(fù)雜的用戶需求，為智能廣告的發(fā)展帶來更豐富的文化背景和更多元的研究主體。在國家和地區(qū)合作方面，美國、英國和中國三個國家之間的連線較多，說明這三個國家和其他國家的合作較多。而美國、中國和英國之間的連線較寬，說明合作強度最大。

表3 國際中廣告智能化研究綜合影響力前6名國家

圖3 國家/地區(qū)廣告智能化研究中發(fā)表的合著地圖

其次，基于國際上對于廣告智能化研究的話題進行了關(guān)鍵詞共現(xiàn)的可視化分析(圖4)。可以看出，廣告與人工智能結(jié)合的研究主要集中在10個聚類，分別是推特(社交媒體)、卷積神經(jīng)網(wǎng)絡(luò)(cnn)、計算廣告、付費搜索、視頻廣告、點擊、多模態(tài)學習、用戶意圖識別、圖像分類以及未來。其中聚類#2計算廣告、聚類#3付費搜索、聚類#4視頻廣告是與人工智能技術(shù)融合較為緊密的新興的廣告形式，聚類#0社交媒體和其他聚類之間的關(guān)系較為密切，故筆者將重點分析這幾個聚類的內(nèi)部節(jié)點和外部關(guān)系。

圖4 國際廣告智能化研究關(guān)鍵詞共現(xiàn)聚類圖

在聚類#2計算廣告中，中心性較高的關(guān)鍵詞有算法、大數(shù)據(jù)、人工智能、數(shù)據(jù)挖掘等。基于這些人工智能技術(shù)，在該聚類被討論最多的廣告形式是計算廣告(computational advertising)、展示廣告(display advertising)、實時競價(real-time bidding)。基于人工智能技術(shù)和數(shù)據(jù)挖掘這兩個領(lǐng)域的研究日益成熟，又從聚類2中延伸出一個新的聚類——聚類#7用戶意圖認證(user intent identification)?？梢赃@樣推斷：計算廣告的研究正在從聚焦功能性的應(yīng)用研究(實時競價、算法優(yōu)化等)逐漸轉(zhuǎn)向用戶的意圖或者認知領(lǐng)域發(fā)展的研究。例如,范和王(Pham and Wang)在他們文章中介紹的AttentiveVideo,不需要額外的傳感器，就可以檢測觀眾在未經(jīng)修改的智能手機上觀看視頻廣告時的注意力、參與度和情緒[20]。這可能代表技術(shù)與主觀人的情感交互方面將呈現(xiàn)更加豐富且多元的數(shù)據(jù)?；谶@些更精細化的分析單元，將為智能廣告在用戶行為的研究中提供更多元的研究資源。此外，從聚類#8圖像識別(image classification)來看，它存在和用戶意圖識別和卷積神經(jīng)網(wǎng)絡(luò)兩個聚類相延伸的趨勢，即有成為智能廣告發(fā)展的重要分支領(lǐng)域的可能性。

對于聚類#3付費搜索而言，中心性最高的就是網(wǎng)絡(luò)廣告，其次聚集于文意式廣告(contextual advertising)、點擊率(ctr)的預(yù)測和推薦系統(tǒng)幾個領(lǐng)域。從時間來看，近年來的文獻聯(lián)系主要出現(xiàn)在付費搜索、深度強化學習、因子分解機、推薦系統(tǒng)、點擊率預(yù)測和遞歸神經(jīng)網(wǎng)絡(luò)幾個節(jié)點之間，說明這些關(guān)鍵詞之間的聯(lián)系和發(fā)展也成為付費搜索研究領(lǐng)域的前沿課題。例如通過深度強化學習的算法建立模型，可以自動化生成搜索引擎的文字廣告[20]。因子分解機節(jié)點的發(fā)展在于其在解決大規(guī)模稀疏數(shù)據(jù)下的特征組合問題中具有優(yōu)越性，例如有學者通過利用分解機技術(shù)和深度學習技術(shù)描繪了在廣告點擊率預(yù)測方面數(shù)據(jù)的非線性關(guān)聯(lián)關(guān)系，有效解決了稀疏特征學習問題[21]。在推薦系統(tǒng)的節(jié)點中，對于用戶點擊行為和興趣挖掘方面的研究隨著神經(jīng)網(wǎng)絡(luò)等算法的優(yōu)化促進了智能廣告的精準化研究。例如，通過遞歸神經(jīng)網(wǎng)絡(luò)模型，彌補以往忽略用戶點擊行為順序特征的缺點，進一步強調(diào)用戶最近的點擊行為，從而更好地把握用戶興趣變化的趨勢，使用注意力機制來捕獲用戶主要興趣的表示，提高推薦系統(tǒng)的效率[22]。

在聚類#4視頻廣告中，關(guān)鍵詞之間的連線多出現(xiàn)在2018—2019年，說明該聚類主要是近兩年發(fā)展而來且發(fā)展迅速的一個領(lǐng)域。從其聯(lián)系程度來看，主要基于對社交媒體(推特)的發(fā)展而進一步通過對態(tài)度挖掘、模式識別而實現(xiàn)精準化投放和點擊效率提升等方面的研究。從其內(nèi)部節(jié)點來看，因為對象檢測、識別匹配等人工智能技術(shù)是目前智能化視頻廣告發(fā)展的核心，因此作為技術(shù)基礎(chǔ)的卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)技術(shù)在視頻廣告中已經(jīng)逐步發(fā)展成為相對成熟的節(jié)點。例如，通過神經(jīng)網(wǎng)絡(luò)構(gòu)建視頻廣告框架模型，并將其應(yīng)用于電信運營商的平臺收集比較數(shù)據(jù)。通過在視頻播放中執(zhí)行圖像檢測和識別，將識別結(jié)果與廣告數(shù)據(jù)庫相關(guān)聯(lián)，以進行實時分類和準確的廣告投放[23]。此外，在視頻廣告中通過人體檢測、人體姿勢選擇、面部驗證、服裝檢測等方式訓練數(shù)據(jù)模型，將其和廣告庫或者在線商店相關(guān)聯(lián)的算法和模型的研究和實際運用也已經(jīng)成為一個熱點[24-25]。從該聚類的連接和內(nèi)部節(jié)點可以推斷，視頻廣告中的智能化發(fā)展依托于社交媒體等平臺提供的海量數(shù)據(jù)，成為近兩年廣告智能化研究的一個新的趨勢。

在聚類#0推特中，意見挖掘(opinion mining)、語義分析、文本挖掘、社交網(wǎng)絡(luò)分析等方面研究較多，從而可以推斷出未來在非結(jié)構(gòu)化文本、情感挖掘等方面的研究將為社會學科的發(fā)展帶來新的研究方法。目前，主題模型與情感分析是數(shù)據(jù)挖掘在文本分析中較為成熟，且在社會學科應(yīng)用最為廣泛的兩種方法?；谟脩粼谠u論、分享等交互模式中留下的電子痕跡，利用文本分析算法進行量化分析，將為學者在研究智能化廣告的交互能力，探究智能化廣告效果等方面提供更加多維且精準的數(shù)據(jù)。例如在消費者評論方面，有學者將計量經(jīng)濟學、文本挖掘和預(yù)測建模技術(shù)融合運用，為智能廣告的預(yù)測提供了新的研究方法[26]。還有學者通過分析推文，進行主題建模，了解用戶討論最多的主題[27]。在情感分析的運用方面，有學者通過提取Twitter文本數(shù)據(jù)來分析公眾的情緒狀態(tài)，并探究公眾情緒狀態(tài)的每日變化與道瓊斯工業(yè)平均指數(shù)收盤價的每日變化之間的相關(guān)性[28]。可以發(fā)現(xiàn)，目前國際上對于廣告研究中非結(jié)構(gòu)化文本的數(shù)據(jù)日益增多，且研究中多運用LDA算法和情感分析兩種較為新興的計算機科學分析方法。通過結(jié)合不同場景、傳播渠道和文化背景，分析智能廣告中的用戶意圖、行為、興趣、態(tài)度情感等已經(jīng)成為國際上智能廣告研究的熱點和趨勢。

最后，筆者調(diào)取聚類#1卷積神經(jīng)網(wǎng)絡(luò)和聚類#6多態(tài)式學習中的相關(guān)論文，發(fā)現(xiàn)這兩個聚類主要來源于計算機科學與人工智能領(lǐng)域，更加注重研究智能化廣告的技術(shù)優(yōu)化與框架革新。隨著技術(shù)的成熟運用和研究方法的創(chuàng)新融合，該領(lǐng)域的研究結(jié)果將為廣告在用戶的行為習慣、態(tài)度情感等方面的研究提供新的思路與方向。可以說，這兩個聚類所代表的是前沿的人工智能技術(shù)在廣告領(lǐng)域的應(yīng)用以及智能化廣告研究的未來。技術(shù)層面的優(yōu)化升級在發(fā)展階段需要考慮到更多的用戶需求與反饋。因此，融合社會科學方法對于人的需求和心理研究將成為智能廣告在融合技術(shù)與用戶行為方面的研究重點。通過分析人工智能的主流技術(shù)在廣告中運用的發(fā)展趨勢，可以推測機器學習、算法、社交網(wǎng)絡(luò)等中心詞將與計算廣告、視頻廣告等節(jié)點建立更多的聯(lián)系。智能化廣告的研究將從技術(shù)和框架的優(yōu)化升級逐漸轉(zhuǎn)向技術(shù)的應(yīng)用研究與用戶個體認知和行為的研究。

四、結(jié)果分析與啟示

基于上述對國內(nèi)和國際上的廣告智能化研究分析，可以發(fā)現(xiàn)計算廣告、視頻廣告(視頻智能)、新媒體(社交媒體)是目前國內(nèi)外研究發(fā)展的共同熱點和趨勢。計算廣告、視頻廣告代表了人工智能技術(shù)在新時代下對廣告形式變化的研究，新媒體代表了廣告研究在傳播渠道和研究對象方面的轉(zhuǎn)變。

(一)計算廣告的研究熱點與發(fā)展啟示

計算廣告是廣告智能化發(fā)展的重要產(chǎn)物。計算社會科學理論認為，人具有多元行為屬性，在社會科學研究中應(yīng)當通過考察初始狀況、基本行為方式、學習演化規(guī)則等方面的差異性來看待行為的多元屬性并建立相應(yīng)的分析維度[29]。廣告從創(chuàng)作開始到傳播結(jié)束，從模型預(yù)測到效果評估，核心要素在于不斷趨向于挖掘受眾個體在廣告各個流程中的行為、認知變化。廣告的智能化發(fā)展以及計算廣告學科的建立正是基于對多元行為屬性和個體行為感知的挖掘和分析。

從目前聚類和節(jié)點分析來看，國內(nèi)外計算廣告學發(fā)展的研究主要有兩個方向：一是聚焦于算法，例如利用深度學習、機器學習對點擊率、效果提升等方面進行優(yōu)化和測試；一是聚焦計算廣告學的特性，從宏觀探討計算廣告的特點趨勢以及對傳統(tǒng)廣告的變革。前者主要基于計算機領(lǐng)域，更強調(diào)模型的優(yōu)化、算法的提升、數(shù)據(jù)分析處理的效率，對于廣告受眾、廣告行為、情感認知、社會關(guān)系等社會科學領(lǐng)域的研究還處于探索階段。后者則是引領(lǐng)社會學科在計算廣告領(lǐng)域的主要研究熱點。例如雅虎研究院的安德雷·布羅德(Andrei Broder)認為：“計算廣告學是一門新興的科學學科，它集大規(guī)模搜索和文本分析、信息檢索、統(tǒng)計建模、機器學習、優(yōu)化和微觀經(jīng)濟學于一體。計算廣告的核心挑戰(zhàn)是在給定的文意(context)中找到給定用戶和合適廣告之間的‘最佳匹配’?！盵30]隨著智能化廣告、計算廣告在中國本土化的發(fā)展，近年來越來越多的學者立足于中國情景和發(fā)展特色，段淳林、劉鵬、劉慶振等人從工業(yè)視角、學術(shù)視角融合產(chǎn)業(yè)運作流程、理論構(gòu)建、計算機科學與應(yīng)用等在計算廣告方面形成專著，進一步促進廣告和營銷行業(yè)在業(yè)界與學界的發(fā)展[31-33]。因此，計算廣告學科的構(gòu)建與發(fā)展亟須在技術(shù)成熟運用和發(fā)展的基礎(chǔ)上融入更多的人文因素，即需要考慮人、場景、關(guān)系等方面的復(fù)雜性因素，進一步拓展研究視野，豐富廣告理論，為計算廣告學科的構(gòu)建和發(fā)展提供理論基礎(chǔ)。

在國內(nèi)外廣告智能化研究中，都將計算廣告作為近期研究的一個熱點，并且較多關(guān)注于新的廣告形式方面的研究，例如展示廣告、智能廣告。但在具體的研究內(nèi)容與外部聯(lián)系中卻存在一定程度的差異。在國際計算廣告研究聚類中，已經(jīng)出現(xiàn)了計算廣告技術(shù)通過點擊率、算法、數(shù)據(jù)挖掘等節(jié)點與用戶意圖、社交媒體、付費搜索等方面產(chǎn)生聯(lián)系。這從一定程度上說明計算廣告的研究正在從算法功能性的研究轉(zhuǎn)向?qū)τ脩?、渠道、表現(xiàn)形式的變化研究。相比較而言，中國在計算廣告方面的研究則正在從算法功能性的研究轉(zhuǎn)向?qū)τ趥鞑ゲ呗院蛷V告產(chǎn)業(yè)方面的研究，對于計算廣告宏觀的變革特點、流程變化、關(guān)系變革的研究更加豐富。

(二)視頻廣告的研究熱點與發(fā)展啟示

基于對圖2和圖3的分析，視頻廣告(視頻智能)是2018—2019年迅速發(fā)展的一個新的研究聚類。區(qū)別于以往的視頻廣告，筆者基于國內(nèi)外該聚類中對于視頻智能廣告的研究，將視頻智能廣告定義為：注重于數(shù)據(jù)的特征識別和匹配，廣告內(nèi)容的自動化創(chuàng)意、生成和投放，傳播和反饋的自動預(yù)測、調(diào)整和推薦等基于人工智能技術(shù)而發(fā)展的動態(tài)的、具有強交互屬性的廣告?zhèn)鞑バ问?。目前在中國有兩類產(chǎn)品可以對該概念進行具象化了解。一是基于AI識別技術(shù)的自動匹配，如騰訊的廣告產(chǎn)品——如影隨形，即通過AI動態(tài)影像識別技術(shù)，智能識別出視頻對應(yīng)場景，并且支持廣告主投放該內(nèi)容相關(guān)場景廣告[34]。另一種是基于強社交屬性和推薦系統(tǒng)的短視頻廣告，目前在抖音、淘寶的運用較為廣泛，優(yōu)勢在于制作門檻低，交互性強。隨著抖音、快手兩大廣告公司的迅速崛起以及疫情帶動下直播行業(yè)的發(fā)展，短視頻行業(yè)也同樣促進了學界對于視頻智能廣告的研究。

從現(xiàn)有的文獻中可以發(fā)現(xiàn)，目前國內(nèi)外對于視頻智能廣告的研究主要集中在模式識別、場景匹配、數(shù)據(jù)分析幾個方面。可以預(yù)見的是隨著視頻廣告在業(yè)界被廣泛使用，場景使用更加多元，受眾更加廣泛，相關(guān)的研究將得到進一步豐富，對于動態(tài)化廣告的交互和精準化傳播乃至智能化廣告?zhèn)鞑?，提供更加豐富的研究資源和研究話題。此外，視頻廣告的應(yīng)用范圍相對較廣，通過識別和匹配不同場景，可以融合開屏廣告、戶外廣告、社交廣告、游戲廣告等多種形式的展示廣告，在深度傳遞品牌價值、提升交互效率等方面，進一步擴展廣告智能化研究的視野。

從視頻智能廣告與外部聚類之間的關(guān)系來看，目前聯(lián)系較為緊密的聚類是社交媒體和實戰(zhàn)。國際上對于視頻智能廣告的研究更著重于研究用戶的具體行為和情感；中國的視頻智能廣告研究更加側(cè)重于其精準化營銷所帶來的企業(yè)級的變化和教學方式方面的轉(zhuǎn)變。

基于視頻智能廣告在業(yè)界的發(fā)展狀況以及在研究領(lǐng)域的技術(shù)不斷優(yōu)化與實踐，視頻智能廣告研究將成為智能化廣告研究的重要發(fā)展領(lǐng)域。其核心在于進行精準化的動態(tài)圖像識別和實時匹配，為用戶在動態(tài)化的交互體驗升級，品牌主在傳播質(zhì)量與效率的提升以及廣告代理的資源優(yōu)化分配和利益最大化等方面提供更加豐富的理論基礎(chǔ)和發(fā)展可能。

(三)新媒體的研究熱點與發(fā)展啟示

通過比較圖2與圖3，可以發(fā)現(xiàn)新媒體和推特的聚類與其他聚類之間的聯(lián)系最為緊密。在圖2新媒體中，微博、微信、社交網(wǎng)絡(luò)作為成熟的節(jié)點，連接了報刊、廣告產(chǎn)業(yè)和智能傳播幾個聚類。在圖3中，推特所代表的新媒體中，推特、臉書(Facebook)、社會網(wǎng)絡(luò)、信息等關(guān)鍵詞的共現(xiàn)次數(shù)也相對較多。從上述發(fā)現(xiàn)可以謹慎地推斷出目前在智能化廣告研究中，對于社交網(wǎng)絡(luò)、社交媒體的研究成為國內(nèi)外研究的熱點，主要原因在于廣告智能化研究自身的屬性帶有較強的社交性和連接性。而社交媒體的優(yōu)勢在于將數(shù)據(jù)進行了網(wǎng)狀化連接，為廣告?zhèn)鞑ピ谕扑]和分享中提供了更多的優(yōu)勢。

從內(nèi)部節(jié)點的發(fā)展來看，則存在一定的差異性。國際上對于以推特為代表的新媒體的廣告研究中，更強調(diào)媒體的社交性以及對這種社交所產(chǎn)生的數(shù)字痕跡進行的挖掘和分享。例如圖3中，該聚類中的意見挖掘、文本挖掘、情感分析等節(jié)點多是基于用戶的數(shù)字痕跡進行分析；而在中國的廣告新媒體研究中，對于媒體轉(zhuǎn)型、廣告收入、對傳統(tǒng)媒體的沖擊等方面的研究成果相對較多。

值得注意的是，國際上對于社交媒體廣告智能化的研究在方法上值得借鑒和進一步發(fā)展。通過觀察該聚類的論文可以發(fā)現(xiàn)，基于LDA算法的主題模型和情感分析的運用成為近年的熱點。目前對于情感分析主要有兩種劃分方式：一種是基于算法得分分成正面、負面和中性；另外一種是基于算法分析的得分將情感定義為3～5類不同維度的情感。主題模型和情感分析是目前對于非結(jié)構(gòu)化文本使用運用最為成熟的兩種研究算法。這對于研究消費者行為來說具有兩個優(yōu)勢：一是通過分析網(wǎng)上已經(jīng)產(chǎn)生的文本行為進行分析，相較于問卷法或者實驗法減少了研究者因過分參與而產(chǎn)生的誤差。二是樣本數(shù)據(jù)的選擇和處理速度都得到了巨大的提升。利用計算機科學進行數(shù)據(jù)的挖掘和處理，既減少了樣本誤差又提升了效率。而獲取大規(guī)模且真實度高的數(shù)據(jù)，最便捷的資源即是通過新媒體合法且公開地抓取受眾的電子痕跡。此外，對于感知價值等方面的策略，跨學科利用神經(jīng)生理學的方法來分析營銷現(xiàn)象和廣告效果的研究突現(xiàn)。例如，有學者結(jié)合行為和神經(jīng)科學實驗的方法研究了嗅覺敏感性對嗅覺圖像在廣告中的效果，即研究認為嗅覺圖像會影響廣告的評估，并可能對敏感個人產(chǎn)生負面影響[35]。還有學者基于面部肌電圖(EMG)測量用戶在觀看廣告時的客觀和無偏見的瞬間情感，通過更客觀的生理數(shù)據(jù)評估旅游廣告的效果[36]。

因此，新媒體尤其是社交媒體是未來廣告智能化發(fā)展研究的主要渠道。這一方面源于廣告在智能化時代發(fā)展具有的強社交性，另一方面源于社交媒體可以為廣告的智能化發(fā)展提供龐大的更精細化的數(shù)據(jù)單元，從而可以從個體層面分析廣告對受眾在行為和情感認知方面的影響。

五、研究貢獻與未來研究

基于上述分析，筆者從以下幾個方面對廣告的智能化發(fā)展提出研究建議。

首先，計算廣告是目前廣告智能化研究的熱點和學術(shù)前沿，計算廣告學科的構(gòu)建和發(fā)展一方面需要發(fā)展和研究廣告在物聯(lián)網(wǎng)時代，跨場景、跨渠道的算法與數(shù)據(jù)的優(yōu)化，另一方面要進一步注入人文因素，考慮廣告在傳播受眾的復(fù)雜性和多樣性?；谶@兩個方向的發(fā)展，跨學科的融合是智能化廣告研究的重要發(fā)展路徑。在發(fā)展過程中，尤其要注意研究方法的創(chuàng)新使用，用量化思維考慮復(fù)雜的傳播效果和受眾的價值感知等因素。

其次，視頻智能廣告的研究將隨著視頻廣告技術(shù)融合于各類展示廣告，基于不同場景，進一步豐富廣告智能化的發(fā)展，成為智能化廣告研究重要的發(fā)展趨勢?；趧討B(tài)圖像識別和實時匹配的核心優(yōu)勢，視頻智能廣告將進一步充實計算廣告學科的架構(gòu)，指導實踐與企業(yè)創(chuàng)新，為其深度傳遞品牌價值，刺激用戶需求，強化品牌記憶提供建議和意見。

最后，社交媒體的發(fā)展將為廣告研究帶來更加豐富的研究資源，隨著計算機和算法技術(shù)的融合運用，廣告對于個體行為和認知情感的研究將從研究方法和研究視角上帶來變革。目前運用較為成熟的主題模型構(gòu)建和情感分析為計算社會科學的研究方法提供了一種新的思路。隨著更多非結(jié)構(gòu)化文本的研究，對于用戶個體行為和認知方面的量化研究將為廣告智能化發(fā)展在策略研究、效果評估、流程優(yōu)化等方面提供新的理論貢獻。

本研究數(shù)據(jù)存在一定的局限性，在未來的研究中亟須更多的研究方法和多維度的數(shù)據(jù)進行補充和完善。本研究在數(shù)據(jù)的來源上存在單一性和滯后性的問題，即僅基于過往文獻研究對研究脈絡(luò)、研究熱點和研究趨勢進行分析，而對業(yè)界的直接關(guān)注較少。因此，基于上述的研究啟示，亟待更多立足于廣告發(fā)展的實證研究豐富廣告智能化研究，共同建構(gòu)和發(fā)展計算廣告學科。