林宗平，楊 靜，李建鋒

(卡威迪國立大學(xué) 商學(xué)院,菲律賓 卡威迪 999005)

一、引言

以互聯(lián)網(wǎng)用戶大數(shù)據(jù)行為資產(chǎn)化為前提，基于數(shù)理統(tǒng)計(jì)分析作為理論基礎(chǔ)，以行業(yè)頂級(jí)廣告主深度參與用戶數(shù)據(jù)平臺(tái)(DMP和CDP)搭建與實(shí)施為數(shù)字化實(shí)踐點(diǎn)，從多元化角度積累用戶數(shù)據(jù)以資產(chǎn)形式沉淀于平臺(tái)。用戶數(shù)據(jù)資產(chǎn)全面作用于數(shù)字營銷領(lǐng)域，提升數(shù)據(jù)利用率成為關(guān)鍵，實(shí)現(xiàn)以用戶數(shù)據(jù)資產(chǎn)為基礎(chǔ)的數(shù)字營銷全面變革。程序化技術(shù)的成熟和媒體支持程度的提升，媒體資源從多角度支持廣告主的數(shù)據(jù)在營銷領(lǐng)域的價(jià)值變現(xiàn)，成為媒體資源商業(yè)化進(jìn)程的關(guān)鍵模塊[1-3]。用戶資產(chǎn)變現(xiàn)兼具品牌與效果雙重需求，高效實(shí)施品牌傳播覆蓋新用戶和效果持續(xù)影響用戶決策行為趨勢日益明顯。用戶資產(chǎn)程序化價(jià)值變現(xiàn)是廣告數(shù)字化技術(shù)的縮影和實(shí)踐基地，對(duì)大平臺(tái)的廣告技術(shù)有前驅(qū)探索價(jià)值[4-7]。

二、用戶數(shù)據(jù)資產(chǎn)

(一)現(xiàn)狀與挑戰(zhàn)

大數(shù)據(jù)時(shí)代數(shù)據(jù)為互聯(lián)網(wǎng)行業(yè)奠定了堅(jiān)實(shí)的發(fā)展基礎(chǔ)。傳統(tǒng)網(wǎng)絡(luò)廣告轉(zhuǎn)化率偏低，互聯(lián)網(wǎng)廣告覆蓋用戶效果不佳。按照Google搜索引擎單位秒內(nèi)計(jì)算百萬用戶搜索使用，F(xiàn)acebook日均40億用戶量級(jí)分享數(shù)據(jù)，Twitter甚至能夠達(dá)到3.4億數(shù)量，形成龐大的互聯(lián)網(wǎng)用戶數(shù)據(jù)資產(chǎn)[7-8]。大數(shù)據(jù)在廣告領(lǐng)域的成熟技術(shù)成為用戶資產(chǎn)價(jià)值變現(xiàn)的前提條件，程序化高速發(fā)展成為用戶資產(chǎn)價(jià)值變現(xiàn)的優(yōu)質(zhì)載體，以用戶資產(chǎn)價(jià)值變現(xiàn)為核心體系進(jìn)入關(guān)鍵領(lǐng)域，用戶數(shù)據(jù)資產(chǎn)圍繞用戶數(shù)據(jù)形成無形資產(chǎn)也步入關(guān)鍵領(lǐng)域，但目前用戶資產(chǎn)處于變現(xiàn)初期面臨各種挑戰(zhàn)[9-11]。

以用戶數(shù)據(jù)特征為基礎(chǔ)，按照行業(yè)認(rèn)知和經(jīng)驗(yàn)梳理用戶數(shù)據(jù)資產(chǎn)表，如表1。將用戶數(shù)據(jù)資產(chǎn)分為固定數(shù)據(jù)和流動(dòng)數(shù)據(jù)兩種類型，以用戶與廣告主交互深度作為評(píng)估標(biāo)準(zhǔn)，制定用戶價(jià)值度和基礎(chǔ)變現(xiàn)方式。

當(dāng)然“程序化”并非單一廣告主和媒體之間資源對(duì)接，而是廣泛且高效搭建廣告主與用戶之間的核心橋梁，提升廣告主無形的用戶資產(chǎn)數(shù)據(jù)利用率和媒介采買效率。從廣告投放和數(shù)據(jù)收集角度，廣告預(yù)算執(zhí)行實(shí)現(xiàn)廣告?zhèn)鞑サ纳疃群蛷V度。媒體維度則加大用戶數(shù)據(jù)的變現(xiàn)和流量售賣的收益，但廣告主的數(shù)據(jù)變現(xiàn)運(yùn)用和流通屬單向模式，無法循環(huán)積累用戶行為，用戶數(shù)據(jù)相對(duì)靜態(tài)固化。

表1 用戶數(shù)據(jù)資產(chǎn)表

(二)用戶數(shù)據(jù)資產(chǎn)——利用率

用戶數(shù)據(jù)資產(chǎn)變現(xiàn)過程中，受限整體渠道流量量級(jí)、數(shù)據(jù)字段一致性和創(chuàng)意深度處理等因素，需多維度對(duì)用戶數(shù)據(jù)資產(chǎn)進(jìn)行過濾，最終數(shù)據(jù)實(shí)際利用率低，整體行業(yè)數(shù)據(jù)利用率低于20%。廣告主基于數(shù)據(jù)安全、用戶分布和媒體屬性的綜合考慮，會(huì)全方位對(duì)于數(shù)據(jù)進(jìn)行處理，行業(yè)層從法律和業(yè)務(wù)角度把控，業(yè)務(wù)層從廣告投放合作基礎(chǔ)上把控。媒體流量變現(xiàn)過程中頂層直接區(qū)分品牌廣告和效果廣告，從流量源頭對(duì)數(shù)據(jù)利用形成限制，致后續(xù)廣告用戶無法全方位利用。外加國內(nèi)媒體間創(chuàng)意不規(guī)范，導(dǎo)致廣告主輸出創(chuàng)意層面覆蓋50個(gè)尺寸以上或尺寸不覆蓋也是數(shù)據(jù)資產(chǎn)利用率低的因素。數(shù)據(jù)資產(chǎn)變現(xiàn)的過程，必然面臨上述問題，用戶數(shù)據(jù)資產(chǎn)利用率較低導(dǎo)致數(shù)據(jù)價(jià)值持續(xù)降低，無法真正發(fā)揮價(jià)值，利用率成為用戶數(shù)據(jù)資產(chǎn)關(guān)鍵指標(biāo)。

(三)用戶數(shù)據(jù)資產(chǎn)——存儲(chǔ)狀態(tài)

移動(dòng)用戶發(fā)展相對(duì)PC端口較穩(wěn)健。用戶資產(chǎn)穩(wěn)定性是基礎(chǔ)條件，用戶資產(chǎn)行為是循環(huán)且豐富。用戶行為本身是動(dòng)態(tài)變化過程，依據(jù)不同場景進(jìn)行變化和調(diào)整。行為變化結(jié)合特定時(shí)間周期，數(shù)據(jù)資產(chǎn)若處于靜止?fàn)顟B(tài)無法跟上用戶特征行為，則處于相對(duì)靜止固化狀態(tài)，出現(xiàn)資產(chǎn)變現(xiàn)場景不匹配的問題。綜合移動(dòng)用戶設(shè)備ID標(biāo)識(shí)數(shù)據(jù)和移動(dòng)App流量特定兩方面進(jìn)行深度分析，數(shù)據(jù)穩(wěn)定性和真實(shí)性利于數(shù)據(jù)存儲(chǔ)和分析，能夠長周期且清晰地記錄實(shí)時(shí)流量的移動(dòng)程序化用戶行為。用戶數(shù)據(jù)從廣告主和媒體通過簡單唯一字段進(jìn)行匹配，二者交叉僅為簡單留存領(lǐng)域，無法實(shí)現(xiàn)廣告投放加深數(shù)據(jù)合作深度，用戶數(shù)據(jù)資產(chǎn)積累大概率只能通過購買，無法從現(xiàn)有業(yè)務(wù)角度保證數(shù)據(jù)循環(huán)，導(dǎo)致已有數(shù)據(jù)處于相對(duì)靜止固化狀態(tài)。

(四)用戶數(shù)據(jù)資產(chǎn)——效果評(píng)估機(jī)制

客戶數(shù)據(jù)監(jiān)控和效果評(píng)估從PC逐步迭代移動(dòng)，行業(yè)數(shù)據(jù)監(jiān)控方式主要圍繞鏈接參數(shù)標(biāo)識(shí)為主。移動(dòng)端數(shù)據(jù)圍繞設(shè)備ID發(fā)展起來，能夠全面清晰描述用戶行為數(shù)據(jù)。移動(dòng)程序化的流量對(duì)接基礎(chǔ)協(xié)議包括：設(shè)備ID場景化營銷方式，通過設(shè)備ID持續(xù)應(yīng)用和處理有效對(duì)接相應(yīng)評(píng)估體系，通過程序化流量采買能夠?qū)崿F(xiàn)鏈接監(jiān)測和設(shè)備監(jiān)測的雙重評(píng)估體系，完善不同效果機(jī)制下體系的建立。按照行業(yè)mapping調(diào)研數(shù)據(jù)分析，行業(yè)mapping率60%—70%水平處于相對(duì)優(yōu)質(zhì)狀態(tài)，天然資產(chǎn)無法利用。在設(shè)備ID行為穩(wěn)定前提下，采用多種數(shù)據(jù)源，包括明文和加密的數(shù)據(jù)，明文數(shù)據(jù)核心主要包括IDFA、Android ID、IMEI、MAC地址，加密形式主要是MD5作為市面流通數(shù)據(jù)源。

從橫向角度對(duì)比，設(shè)備ID用戶顆粒度有助于洞察用戶橫向數(shù)據(jù)深廣度。從縱向角度對(duì)比，設(shè)備ID級(jí)別用戶評(píng)估能夠?qū)崿F(xiàn)用戶曝光到轉(zhuǎn)化精準(zhǔn)的用戶鏈路匹配邏輯，實(shí)現(xiàn)用戶從覆蓋曝光行為到用戶轉(zhuǎn)化決策行為深度洞察。基于上述內(nèi)容闡述，總結(jié)如表2。

表2 效果評(píng)估指標(biāo)表

三、用戶資產(chǎn)的生命周期價(jià)值(LTV)

用戶資產(chǎn)的生命周期價(jià)值定義：用戶從第一次被廣告主覆蓋到完全流失產(chǎn)生的價(jià)值貢獻(xiàn)度，通過全方位計(jì)算對(duì)應(yīng)生命周期的價(jià)值評(píng)估體系，實(shí)現(xiàn)廣告投放效果客觀真實(shí)的價(jià)值評(píng)估，如行業(yè)公式1[12-14]。LT主要計(jì)算用戶生命周期，通過不同周期下用戶留存程度比率，計(jì)算活躍用戶(DAU)的整體效果，實(shí)現(xiàn)用戶生命周期，完成預(yù)估和趨勢把握，R代表新用戶經(jīng)歷流失后依然存留的占比，如行業(yè)公式2。ARPU計(jì)算LT周期內(nèi)，通過設(shè)備ID級(jí)別用戶樣本數(shù)據(jù)和行業(yè)平均大盤參考數(shù)據(jù)作為基礎(chǔ)，計(jì)算周期用戶資產(chǎn)價(jià)值具體數(shù)字。

行業(yè)公式1：LTV=LT*ARPU

行業(yè)公式2：LT=R*1+R*2+…R*n(n→∞)

表3 用戶生命周期表——原始數(shù)據(jù)

表4 用戶生命周期表——計(jì)算表

從行業(yè)內(nèi)公開文檔內(nèi)容提取具體案例，計(jì)算不同周期下用戶生命周期價(jià)值，計(jì)算用戶留存的原始數(shù)據(jù)，通過原始數(shù)據(jù)利用行業(yè)公式進(jìn)行具體計(jì)算，得出R10等于4.57，R9等于2.65，預(yù)估整體留存率第10天33%水平，如表3和表4。

四、用戶資產(chǎn)的程序化價(jià)值變現(xiàn)

(一)移動(dòng)廣告的媒介采買和投放優(yōu)化

移動(dòng)程序化媒介采買策略主要依據(jù)媒體資源售賣和數(shù)據(jù)應(yīng)用為主，以程序化用戶資產(chǎn)變現(xiàn)的品牌和效果雙重評(píng)估指標(biāo)作為基礎(chǔ)，設(shè)計(jì)基于高質(zhì)量用戶資產(chǎn)的價(jià)值變現(xiàn)程序化方案并實(shí)現(xiàn)，提升用戶資產(chǎn)變現(xiàn)的品牌和效果綜合訴求，如圖1。

圖1 移動(dòng)程序采買流程圖

數(shù)據(jù)模塊，借助前文對(duì)數(shù)據(jù)相關(guān)論述和研究，從客戶角度分為第一方核心數(shù)據(jù)和外部數(shù)據(jù)源補(bǔ)充兩種形式。數(shù)據(jù)源產(chǎn)生差異傳到DMP數(shù)據(jù)平臺(tái)構(gòu)建差異，關(guān)鍵在于底層用戶唯一識(shí)別字段的設(shè)計(jì)。常見CDP/DMP數(shù)據(jù)分析為兩種數(shù)據(jù)類型，具體為用戶數(shù)據(jù)類型分層和用戶價(jià)值評(píng)估兩種數(shù)據(jù)輸出支撐媒介采買決策。數(shù)據(jù)類型用戶行為主要包括三類，具體為沉默用戶、活躍用戶和轉(zhuǎn)化用戶，用戶價(jià)值評(píng)分輸出主要依賴算法模型構(gòu)建實(shí)現(xiàn)0—100的百分制體系，針對(duì)不同分?jǐn)?shù)的用戶進(jìn)行判斷，后續(xù)論文將展開詳細(xì)闡述。

用戶資產(chǎn)價(jià)值變現(xiàn)包括三個(gè)模塊核心，具體為媒體資源屬性、用戶覆蓋程度和用戶分層媒介采買。媒體資源屬性是媒體平臺(tái)自身用戶人群屬性，通過媒體內(nèi)容產(chǎn)生相應(yīng)用戶聚集，媒介采買初期用戶屬性判斷是關(guān)鍵點(diǎn)，判斷媒體用戶屬性與數(shù)據(jù)資產(chǎn)有助于增強(qiáng)后續(xù)行為質(zhì)量度評(píng)估。用戶覆蓋程度從媒體用戶與數(shù)據(jù)資產(chǎn)實(shí)際匹配角度出發(fā)，判斷兩者交叉比率、數(shù)據(jù)資產(chǎn)媒介采買過程大概率投放量級(jí)。用戶分層媒介采買主要基于媒體用戶屬性和交叉匹配比率角度推進(jìn)，實(shí)施不同用戶資產(chǎn)分層找回邏輯原理。

用戶訪問模塊，采用廣告執(zhí)行用戶訪問路徑形成軌跡，廣告不同路徑模擬用戶效果差異，挖掘廣告與用戶的互動(dòng)提升指標(biāo)，從引流角度路徑主要分為App和H5頁面兩種形式。App形式有利于提高數(shù)據(jù)打通效率和用戶訪問體驗(yàn)；H5頁面形式有利于提升用戶訪問速度，卻不利于用戶數(shù)據(jù)信息收集。

(二)用戶數(shù)據(jù)資產(chǎn)變現(xiàn)的廣告覆蓋效率提升

用戶數(shù)據(jù)資產(chǎn)價(jià)值變現(xiàn)過程中，通過平臺(tái)與CDP/DMP匹配機(jī)制充分預(yù)估用戶數(shù)據(jù)在廣告層面覆蓋比率，通過樣本數(shù)據(jù)提取初步匹配和行業(yè)經(jīng)驗(yàn)二次判斷，制定特定時(shí)間節(jié)點(diǎn)下不同周期匹配率作為參考。通過上述匹配度，提取數(shù)據(jù)平臺(tái)的樣本進(jìn)行全方位數(shù)據(jù)匹配和數(shù)據(jù)擬合，將不同周期的用戶數(shù)據(jù)匹配實(shí)際計(jì)算和校驗(yàn)，如表5。通過相應(yīng)公式擬合和計(jì)算，置信度為95%的置信區(qū)間前提下，得到公式y(tǒng)=0.0958ln(x)+0.1588，作為用戶覆蓋周期預(yù)估函數(shù)，如圖2。

分媒體計(jì)算不同媒體分頻次的用戶資產(chǎn)匹配度，通過媒體不同頻次用戶分頻次計(jì)算，實(shí)現(xiàn)覆蓋度頻次作為關(guān)鍵權(quán)重參考，提升用戶流量覆蓋預(yù)估精準(zhǔn)性，如表6。

表5 用戶資產(chǎn)的媒體匹配度

圖2 用戶資產(chǎn)匹配度的數(shù)據(jù)擬合效果

表6 用戶資產(chǎn)的媒體匹配度

計(jì)算交叉組合實(shí)現(xiàn)分周期媒體詳細(xì)匹配率，通過分析媒體時(shí)間周期函數(shù)作為根據(jù)，計(jì)算媒體推送頻次作為權(quán)重值，通過兩個(gè)公式作為基礎(chǔ)進(jìn)行交叉組合分析，制定用戶數(shù)據(jù)程序化變現(xiàn)覆蓋度預(yù)估公式。

假設(shè)：Y為預(yù)估投放量級(jí)，A為達(dá)標(biāo)用戶總量，X為分媒體時(shí)間周期函數(shù)，Q為分媒體頻次權(quán)重值；得到廣告用戶覆蓋公式：Y=A*(X1*Q1+X2*Q2…Xn*Qn)。

(三)用戶數(shù)據(jù)資產(chǎn)變現(xiàn)的PDB效率提升

PDB定義為程序化直接購買，通過分析移動(dòng)程序化數(shù)據(jù)屬性、媒介采買與優(yōu)化方法方式得知，投放周期內(nèi)通過優(yōu)化手段實(shí)現(xiàn)效果變動(dòng)的因素是制定媒介采買計(jì)劃的基礎(chǔ)，依據(jù)創(chuàng)建策略結(jié)果分配相應(yīng)預(yù)算比率，保證媒介采買策略從品牌覆蓋新用戶和目標(biāo)用戶二次找回。制定預(yù)算分配比率，有利于預(yù)算采買利用率提升。通過預(yù)算制定以及效果評(píng)估方法，可以有效管理及控制媒介采買的執(zhí)行過程，并對(duì)媒介實(shí)施相應(yīng)優(yōu)化，確保制定用戶覆蓋程度不偏離企業(yè)總體的營銷目標(biāo)。

傳統(tǒng)采買周期綜合頻次與程序化實(shí)時(shí)頻次兩種控制優(yōu)化邏輯，將傳統(tǒng)采買頻次作為參照物，通過確定商務(wù)談判進(jìn)行有效流量推送，實(shí)現(xiàn)兩種模式效率提升對(duì)比。同時(shí)，通過技術(shù)層級(jí)加強(qiáng)流量的利用深度，保證媒介采買處于可控并實(shí)時(shí)優(yōu)化。

依據(jù)媒介采買策略的基礎(chǔ)分析，采買的曝光總量PV是確定的。

假設(shè)：活動(dòng)投放量級(jí)=A，推送比=B，媒體用戶頻次分布=X，用戶頻次=N，m代表遞增數(shù)列，N平代表媒體平均頻次，Y表示媒介提升效率比。

公式1：總量等于用戶UV總量乘以平均頻次，依據(jù)總量和平均頻次關(guān)系快速計(jì)算各頻次用戶PV量級(jí)，即PV傳統(tǒng)=A/N平*XmNm；

公式2：分頻次用戶曝光量級(jí)占比等于UV占比乘以頻次乘以用戶占比的綜合，即UV=A/N平*XmNm(1+B)/Xm；

公式3：通過商務(wù)談判，以媒體流量配送額作為調(diào)優(yōu)空間，保證流量的優(yōu)化空間作為品牌覆蓋優(yōu)化內(nèi)容,即PVPDB接受送量級(jí)=PV1*(1+B)+PV2*(1+B)…PVm*(1+B)=PV傳統(tǒng)(1+B)。

基于三個(gè)基礎(chǔ)公式進(jìn)行深度推導(dǎo)，推導(dǎo)邏輯如下：

超額推送比下采用退量機(jī)制是程序化媒介采買的核心基礎(chǔ)，基于公式進(jìn)行二次深度推導(dǎo)，計(jì)算分頻次下UV分布比率，利用分頻次用戶進(jìn)行UV匯總方式權(quán)重計(jì)算，增強(qiáng)整體流量采買效率和預(yù)估能力。同時(shí)，如果退量機(jī)制采用一次性退回機(jī)制，頻次臨界值保證一次性退回超頻用戶總量，實(shí)現(xiàn)超額價(jià)值。

假設(shè)：分頻次PV與退回總量臨界值的頻次為m；

推導(dǎo)1：UVPDB=PVPDB/Xm=A*(1+B)/N平；

推導(dǎo)2：A*(1+B)XmNm≥AB，退量特定頻次一次性退回。

基于上述推導(dǎo)1與推導(dǎo)2，導(dǎo)出UVPDB覆蓋量級(jí)計(jì)算公式：

結(jié)論1：UVPDB=A*(1+B)/N平-AB/Xm；

借助結(jié)論1計(jì)算基于推送比的PDB覆蓋用戶UV總量，實(shí)現(xiàn)UV總量整體增加，保證相同預(yù)算比率下有效提升新用戶覆蓋UV比率，降低CPUV成本。同時(shí)依據(jù)訂單排期關(guān)鍵信息，推導(dǎo)媒介提升效率與機(jī)遇推送量下頻次臨界值。

結(jié)論2:Y=1-UVPDB/(A/N平)=B(N平/Nm-1)；

基礎(chǔ)公式與推導(dǎo)過程實(shí)現(xiàn)程序化PDB采買效率和傳統(tǒng)采買提升合理比率，利用UVPDB與傳統(tǒng)采買UV直接對(duì)比，直接計(jì)算臨界值下程序化采買效率提升值，作為媒介采買前效率提升關(guān)鍵參考指標(biāo)。

綜上所述，通過媒介策略渠道差異效率提升的全面分析，結(jié)論2有效支持媒介采買對(duì)于預(yù)算的分配邏輯和UV量級(jí)評(píng)估。結(jié)論2支撐為不同媒介采買方式之間效率值提供決策，另外,基于公式推導(dǎo)模型定量分析在媒介采買的合理性和穩(wěn)定性。

(四)用戶數(shù)據(jù)資產(chǎn)變現(xiàn)的綜合投放效率提升

通過上述預(yù)算分配模型推導(dǎo)，結(jié)合移動(dòng)程序化實(shí)際投放的效果對(duì)模型展開實(shí)際應(yīng)用，將相關(guān)預(yù)算分配到具體策略，依據(jù)策略的不同屬性分配比率預(yù)算，保證項(xiàng)目維持長期合作并且實(shí)現(xiàn)短期業(yè)務(wù)目標(biāo)。

程序化采買包括四種標(biāo)準(zhǔn)模式，保價(jià)保量PDB和競價(jià)PMP組合形式有利于提升用戶數(shù)據(jù)資產(chǎn)程序化價(jià)值變現(xiàn)的效率，實(shí)現(xiàn)優(yōu)質(zhì)媒體和用戶數(shù)據(jù)靈活匹配程度。設(shè)計(jì)程序化采買變現(xiàn)效率提升，主要從結(jié)算價(jià)格和頻次控制作為核心突破點(diǎn)，實(shí)現(xiàn)用戶資產(chǎn)在綜合程序化變現(xiàn)的效率提升。

假設(shè)：PDB的CPM單價(jià)為CPMPDB， 非PDB的CPM單價(jià)為CPM非PDB，項(xiàng)目綜合頻次為T，預(yù)算比率為C;

公式4:Y非PBD=1-((CPMPDB-CPM非PDB/CPMPDB)+(T-1)/T)；

從項(xiàng)目整體角度出發(fā)，PMP和RTB競價(jià)模式靈活性高，以用戶數(shù)據(jù)資產(chǎn)確定交叉匹配率為前提條件，通過CDP/DMP用戶資產(chǎn)和頻次控制輸出，實(shí)現(xiàn)流量精細(xì)化運(yùn)營。用戶資產(chǎn)數(shù)據(jù)以流量進(jìn)行初步篩選和優(yōu)化及廣告頻次投放傳播邏輯的可控性，基于上述兩點(diǎn)應(yīng)用媒介采買價(jià)格和退量比率的三個(gè)結(jié)論，實(shí)現(xiàn)PDB確定價(jià)格有效控制競價(jià)投放出價(jià)和頻次，達(dá)到整體采買的效率速算和預(yù)估。

結(jié)論3:Y總=YPDB*CPDB+Y非PBD*C非PDB=1-((CPMPDB-CPM非PDB/CPMPDB)CPDB+(T-1)/T)+B(N平/Nm-1)*CPDB；

通過整體程序化效率預(yù)估模型，融合結(jié)論2和公式4推導(dǎo)，計(jì)算程序化采買情況下整體流量效率的提升比率，通過結(jié)論3邏輯，全方位支撐程序化采買流量的整體策略，保證流量采買投放效果的提升。

考慮不同流量采買模式的效率提升和價(jià)值比率，程序化采買與傳統(tǒng)采買模式對(duì)照，實(shí)現(xiàn)程序化綜合采買效率高效提升，延伸行業(yè)先進(jìn)的RTA機(jī)制計(jì)算跨程序化綜合媒體效率量化值，實(shí)現(xiàn)預(yù)算有效分配促進(jìn)用戶資產(chǎn)不同媒介采買模式用戶數(shù)據(jù)資產(chǎn)利用率提升。

五、結(jié)束語

綜上，基于用戶資產(chǎn)的價(jià)值變現(xiàn)和程序化發(fā)展現(xiàn)狀及趨勢，通過挖掘移動(dòng)程序采買完善互聯(lián)網(wǎng)技術(shù)體系、用戶資產(chǎn)構(gòu)成機(jī)制,全面探究移動(dòng)程序化的資產(chǎn)變現(xiàn)的機(jī)制，從而實(shí)現(xiàn)用戶資產(chǎn)變現(xiàn)的效率量化可控和數(shù)據(jù)決策的模式創(chuàng)新。