数字和线性电视广告——两种文化和技术上截然不同的生态系统——正在合并，以提高对消费者的营销效果。
从传统的线性电视到连接电视(CTV)和视频点播选项使得广告商难以接触到大量观众。有趣的是，一些用于将电视观众转换为数字观众的相同技术可以应用于将可寻址的数字库存转换为不可寻址的库存。
有趣的阅读:联网电视解释:CTV的基本词汇
机器学习和数据自动化
广告技术(adtech)公司是最早采用大数据的公司之一，机器学习以及人工智能。其中一个原因是网站和应用程序产生了大量的数据，广告商可以利用这些数据来实现他们的可量化目标。为了利用这一点，自动化是绩效广告的关键方面。对于市场营销者来说，这是经济上最可行的逻辑步骤。因此，大大小小的广告科技公司都成功地大规模接受了机器学习，以吸引客户并提高投资回报率。
另一方面，电视广告继续使用传统的方法，依靠广告牌数据来了解广告的覆盖范围。尽管数据是建模的，但它不像数字广告中使用的技术那样具有响应性。
由于机器学习与中小型数据集不兼容，广告商正在转向其他创新的电视广告方法。数据驱动线性采购(DDL)由于它结合了数字技术的精确性和电视的覆盖范围，因此势头越来越大。它利用自动化和数据来瞄准全国线性电视的受众。该方法可能无法与机器学习相提并论，但优化DDL活动需要准确的预测和高效的复杂程序。
有趣的阅读:AdTech Vs MarTech:让我们一劳永逸地解决这个问题!
性能测量
这两种媒体之间的性能度量是相似的。在数字广告中，聚合事件被用来训练复杂的、有监督的学习模型，相比之下，电视广告更难衡量。然而，精明的电视购买者有各种其他方法来改善购买，如网络和应用程序分析，群体调查等等。
尽管电视广告拥抱数据价值，但数字广告因使用过多的数据而受到严厉批评。因此，政府和行业隐私法规已经消除了机器学习技术的许多驱动因素，包括在交易事件和广告曝光期间使用的个人级别标识符。
广告的未来之路
隐私法规出台后，广告商将面临什么?
广告技术(Adtech)公司可以开发技术，从数据样本中学习，根据上下文分析数据，并将这些发现应用于强大的买家和卖家。
尽管隐私政策发生了变化，但仍然有大量的数字数据。广告商应该专注于基于上下文的目标定位，因此机器学习可能是任何解决方案的一部分。然而，在电视广告中，数据科学家必须谨慎地平衡模型的统计输出。对广告业来说，识别和定位受众仍然是一个挑战。与此同时，融合数字和电视广告最佳技术的数据科学家可以在一个更加注重隐私的世界中部署强大而准确的目标定位。
有趣的阅读:数字广告的终极词汇表!
