對一個買汽車的高富帥，是投放奧迪汽車的移動DSP廣告呢，還是寶馬汽車的移動DSP廣告，這是一個問題。移動DSP廣告投放算法的優(yōu)化，是移動DSP廣告的核心競爭力，需要有大量的實際廣告投放經(jīng)驗，結(jié)合優(yōu)秀的技術(shù)團隊，讓機器不斷的學習，才能形成獨有的一套算法優(yōu)化策略。
  目前，常見的移動DSP廣告對于算法優(yōu)化，在常規(guī)的點擊率預(yù)估模型(CTR)及轉(zhuǎn)換率預(yù)估模型(CVR)基礎(chǔ)上，結(jié)合電商行業(yè)、在線培訓行業(yè)的行業(yè)知識進行優(yōu)化?；趆adoop的離線計算機集群和storm的實時計算機群，每天可以獲取數(shù)億條實時廣告數(shù)據(jù)，基于這些數(shù)據(jù)進行建模，進一步實時優(yōu)化廣告主的點擊率和轉(zhuǎn)化率。基于這套模型的轉(zhuǎn)換效果，比最優(yōu)秀的運營人員手工操作的優(yōu)化方式，轉(zhuǎn)換率要提升80%以上。
  移動DSP廣告預(yù)算的開銷方式上，最基礎(chǔ)的對預(yù)算進行勻速優(yōu)化，就是根據(jù)移動DSP廣告投放的周期，把廣告預(yù)算平均分配到每天甚至每個時段，這種方法實現(xiàn)簡單，但是容易造成非常大的浪費。比如，晚上9點以后，用戶躺在床上使用手機的概率很大，從而這個時段的廣告展示流量很多，如果早上就高價購買了太多流量，就會導致廣告主預(yù)算的浪費。
  移動DSP廣告的預(yù)算智能優(yōu)化方式，是基于長期歷史數(shù)據(jù)的大數(shù)據(jù)模型，根據(jù)流量的質(zhì)量和競爭激烈程度，分別統(tǒng)計出不同時段的流量，不同競價價位的成功率，直到效果為王的正軌上。