IAB平台，使命和功能
IAB成立于1996年，总部位于纽约市。
作为美国的人工智能科技巨头社会媒体和营销专业平台公司，互动广告局（IAB- the Interactive Advertising Bureau）自1996年成立以来，先后为700多家媒体和营销会员企业赋能 - 为这些领先的媒体公司、品牌、代理商和负责销售、交付和优化数字广告营销活动公司和机构提供数字化营销平台服务和技术援助。IAB公司的使命是帮助平台上的企业快速高效转向数字化营销并建试图在行业之间推动数字化营销的标准并普及推广。
IAB使媒体和营销行业能够在数字经济中蓬勃发展。针对互联网数字世界营销广告眼花缭乱，鱼目混珠的现状，互动广告局带头进行了批判性研究，同时也对品牌、代理商和更广泛的商业界进行了数字营销重要性的教育。 IAB组建了人工智能标准工作组（the AI standards working group），2019年12月他们发布了第一份报告《人工智能与市场营销中的应用》。随即2020年，IAB联合IBM的WATSON广告和尼尔森公司（Nielsen）决定致力于研发与市场营销相关的人工智能技术、最佳行业实践、（推广）人工智能的案例和（规范）营销类人工智能技术条款术语来帮助营销负责人迅速转向数字化营销市场，拥抱人工智能和机器学习技术。 IAB与IAB技术实验室合作，制定技术标准和解决方案。IAB致力于专业发展，提升整个行业员工的知识、技能、专业知识和多样性。贸易协会通过其在华盛顿特区的公共政策办公室的工作，为其成员进行宣传，并向立法者和政策制定者宣传互动广告业的价值。
IAB全球网络汇集了包括三个区域组织在内的45个IAB组织，以分享挑战，开发全球解决方案，并推动全球数字广告业。IAB分布在北美、南美、非洲、亚洲、亚太和欧洲。每个协会都是独立拥有和运营的，根据符合当地市场需求的章程运作。
第十篇：如何利用人工智能技术做好营销流量整形管理？（Traffic Shaping）
一、原文作者及本文潜在受众
作者：Isaac Schechtman，IPONWEB产品战略高级总监
来源：Sovrn Hires Isaac Schechtman as VP of Product, Ad Exchange - Sovrn, Inc.
首要受众：营销人员
次要受众：营销服务公司高层负责人
二、流量整形算法及模型的应用场景 -- Why for Traffic Shaping
在程序化广告中，每天都有数万亿个广告印象机会（称为出价请求） 在交易平台之间传递，希望坐在需求侧平台（或Demand Side Platform - DSP） 后面的买家能够检测到一个单一印象机会的属性，使他或她想出价赢得特定的广告投放。
处理这数万亿个投标请求的成本高得离谱，其中很大一部分在出版商和平台上重复，以至于只有少数技术平台能够承担。所有其他买方平台都使用多种策略，以确保他们能够收到所需的尽可能多的投标流（以及正确的供应情况）以满足活动购买需求，而不需要听太多，从而产生不必要的硬件处理成本。这种做法被称为流量塑造，是机器学习在程序广告中的关键应用。
流量塑造依赖于机器学习模型，该模型利用历史交易数据来预测未来购买事件的可能性。更具体地说，DSP中的独特算法根据附在投标请求上的所有可用数据点，对照历史投标模式，评估进入平台的给定**印象机会（impression opportunity）**的价值，以决定印象机会对其买家是否有价值。如果是的话，投标申请有更大的机会从供应商传递给买方。如果没有，投标请求更有可能被丢弃。
为了保持准确性，该算法基于强化学习，将当前处理的结果与未过滤流量的控制组的探索相结合，不断更新和完善算法。这在广告技术中至关重要，因为活动和相应的流量需求处于不断变化的状态。
流量塑造背后的原则是DSP只听取对买家可能有价值的供应。对于促进这类交易的科技平台来说，倾听供应的成本只会被抵消
当买家出价并赢得印象时所收取的费用。他们的交通塑造模型越智能，
他们就越能在保持活动交付的同时降低成本。但每个买家都有不同的购买需求；方案供应总是在变化，个人购买需求也是如此；方案中的所有决定都需要在不到一秒钟的时间内做出，即每小时几十亿次。这是只有机器才能做到的。
有效的流量整形算法可以将流量减少90%，同时将支出保持在95%至110%的范围内。在某些情况下，支出水平甚至可以通过流量塑造来提高，尤其是当买家的目标要求非常狭窄时。流量整形的其他好处可以从服务器成本、处理速度开销、日志记录/报告成本和速度降低中看出。
三、如何利用AI管理流量整形？
它的工作原理
对流量整形算法进行编程，以回答以下问题：
1）特定请求可能多久被出价一次？
2）该请求产生印象的可能性有多大？
3）印象的大概价格/价值是多少？
这是通过强化学习实现的，并实时执行以确保相关性。这个过程增加了大约10到40毫秒的决策速度，这取决于分析和处理设置的量。
为了处理这些信息，流量被划分为标准参数的组合，以确定它对购买合作伙伴的投标系统（通常是一个专注于性能的AI/ML驱动的系统）的价值。这是在一天中滚动的时间表，以确保新鲜度。最佳做法是每四个小时或更长时间进行一次，但不需要比每小时更频繁。此外，长期学习地图被汇总以表示过去24小时的活动。
流量整形算法用于确定对相应买家的竞价系统的请求的质量水平，在该竞价系统中，它将确定流量是否可能被竞价和购买，或者不被竞价，从而相应地整形流量。这将导致每个交易对合作伙伴的流量分配方式发生重大变化，并可以解释当前的竞价行为和活动设置。随着新买家和供应商的加入，该算法将自动优化可能的低质量流量。
四、原文作者洞见
作者洞见
4.1 速度
在**人工神经网络（Artifical Neural Network - ANN）上使用ML算法的回归模型(regression model)对于以最小延迟大规模(at scale with minimal latency)处理和执行实时竞价（Real time bidding - RTB）**决策至关重要。
4.2 平衡预测
流量整形算法 必须能够考虑外部影响，如周末与工作日以及其他季节性因素。这可以通过维护和存储基于历史竞价模式的单独的历史聚合数据文件来实现，这些历史聚合数据被用作在不同时期指导算法的交叉参考点。
4.3 捕捉不断变化的输入
需要考虑的一个关键领域是请求和投标的性质和数量的变化。 尽管捕获投标模式的历史数据非常重要，实时捕获新需求也同样重要。这是使用强化学习算法应用的，因此过去的学习可以应用于新的、当前未识别的交易，同时保持已知的数据成形，并随着时间的推移将新数据转换为已知的数据集。
4.4 学习
捕捉活动不断变化的性质是准确性的关键组成部分。拥有一组固定的参数，如一个非常详细但静态的表格，短期内有效，但完全没有考虑到新的活动激活后的模型塑造，或者过于广泛，无法带来任何效率效益。为了避免这种情况，您需要统计相关的未经过滤的原始流量，并结合实时流量不断进行分析。结果应该实时反馈到输入中进行迭代处理。
4.5 测试
有多种方法可以测试模型输出的效率和准确性：
- 实时反馈
- 活动交付
- 交易交付
- 历史数据文件分析
- 针对未经过滤的原始请求进行实时脉冲/跟踪•根据结果进行测量
4.6 算法复杂性
建立在初始模型的基础上可以得到更准确的测量结果。随着复杂性层的增加，流量被更有效地集中起来，从而更好地理解模型的工作。相对于当前的例子，一个好的做法不仅是将输出和结果反馈到模型中，作为一种持续的反馈机制，而且还可以构建单独的时间尺度聚合（即，在过去的3|6|9|12|24小时|7天等），以保持准确的回顾，并在更广泛的固定时间（即，一天或一周）内捕捉交易模式。
4.7 训练
在任何算法可以在实时设置中使用之前，重要的是要进行训练和测试，以确保算法按预期工作，并且不会扭曲结果。在强化学习模型的情况下
可以在已知数据集上对其进行训练，但随后在已知和未知数据上测试其成功/偏差的结果。
4.8 数据清洁度
构建交通整形算法的一个关键考虑因素（也是潜在问题）是模型中使用的数据的清洁度。在开放式RTB中，每个请求/响应中表示的字段将有许多（略微）不同的实现，这些实现必须进行规范化和/或说明。由于各个请求中的细节差异很大，确保构建模型所需的数据存在大量差异会导致更准确的结果，但也需要更多的处理。
为了减少差异的数量并说明请求的标准化，请使用关键组件字段。为了实现这一点，该算法可以获取请求中的关键数据点，并使用这些数据点基于焦点区域对流量进行分割。例如
1）浏览器版本
2）内容
3）买方
4）用户信息
5）地理
6）领域
7）语言
8）AdSlot
9）AdSize
10）数据中心
除了请求中的字段和分段之外，为了处理数据并建立机器学习算法，还需要根据关键字段和响应中的数据来评估这些字段。例如
1）创意ID
2）活动ID
3）投标价格
4）投标量
5）点击量
6）一天的时长
7）印象量
8）活动新颖性
4.9 隐私保护标准
在不违反世界各地司法管辖区严格的新隐私准则和政策的情况下运行这些算法将是未来的一个关键挑战，因为投标请求中的更多上述参数将被归类为受保护参数，因此无法使用或需要特定用户同意。目标是确保ML回归模型仍然可以做它想要做的事情，同时也不会触发立法处罚。
这里的主要考虑因素是在输入字段中以及在处理用户数据时不使用被分类为PII的字段，例如IP地址和特定用户标识符。重要的是要及时了解不断变化的隐私法规，并确保数据集得到更新并符合新法规。对于特定的用户ID，最好的经得起未来考验的做法是开发一个用户组。另一种选择是确保用户同意到位，并且只在这种情况下处理流量。
4.10 数据输入、处理和输出
在这个特定的模型中，有各种用于预测的数据输入。最初，有关键的静态设置和参数来指导每个买家的流程，有关键设置来指导高层意图和关键利益。接下来，对于实时处理，还有类似于上面列出的其他基本输入，这些输入将允许分割成重要的流量流，使每个流量流能够独立处理，并捕捉买家算法的当前出价意图。
除了关键的标准字段和请求中的输入外，还需要评估和处理答复中的关键数据和字段。除此之外，还有经过聚合处理的历史数据文件，这些文件可以捕捉长期的意图，以应对各种情况，例如，在一天中的某些时间或一周中的某些日子安排广告，并捕捉任何新的营销活动。
该算法理想地输出的是基于活动设置/成功的个人买家竞价模式的正确流量的精确匹配。这是通过查看历史数据、静态过滤器、实时数据和原始数据的组合来实现的，以根据意图、投标响应的可能性、中标和总体中标价格来评估每个请求的价值，并将其与分发成本相平衡，然后相应地塑造流量。
4.11 解释能力
有趣的是，机器学习的一个奇怪之处在于，算法越能被解释，算法的价值和准确性就越低。相反，算法越复杂、越无法解释，就越有可能准确并产生更好的结果。
4.12 偏见
在任何AI/ML系统中，要记住的一件关键事情是避免试图对处理产生偏见。当机器学习并试图预测时，除非特别说明，否则人类的参与或错误输入往往会放大偏见。
在构建交通塑造回归ML模型时，应考虑并避免一些潜在的偏差领域，包括：
1）公平性-该算法的设计应根据每个买家自己的历史和当前投标模式为其提供正确的请求分配，并且应设计为对所有各方都公平，无论买家的支出规模和数量如何。
2）公正性偏差-如前所述，回归模型ML在设计上是公正的，因为算法是根据独特的竞价模式为每个买家单独学习的（即，模型在SSP1和DSP1之间的性能与SSP1和DSP 2不同）。
3）无意识偏见-通常基于用于训练和处理算法的不准确或不完美的数据，在处理数据以基于不完美的输入数据预测事件的过程中可能会出现无意识偏见。在流量整形中发生这种情况的一个例子是，当事件链被破坏，并且竞价算法可以优化为在破坏印象跟踪上增加竞价，其中缺乏反馈回路可能导致不完美的输入和处理。
为了防止偏差，需要对处理过的和未过滤过的数据中的多个数据点进行持续分析，以确保反馈回路是准确的。类似的情况也可能发生在审计印象和点击量较低的情况下，这也应该考虑在内。
五、致力于流量整形管理专家 -- Choozle
一家致力与广告投资收益管理的公司，利用自己的专业技能，联合强大的商业伙伴（如亚马逊云平台数据库），帮助客户做好流量整形，帮助客户精准获取所要的结果。尤其在付费广告投标上，能有效帮助客户对比在不同平台之间的付费效果，对媒体投放效果对比提供数字化比较工具，便于客户及时调整广告投入。
（一）产品思维逻辑
其一、与亚马逊广告数据库平台（DSP）合作，扩散影响效果好。
其二、竞标和出价平台工具化，无论是发动竞争活动，精准营销，投标，流量整形还是统计报告，该平台简洁好用。能帮助新手快速做好流量整形工作，保证营销投入和产出。
其三、客户可以设定各种竞价矩阵（触达-reach、点击通过率-CTR、每次行为成本-CPA，每次点击成本-CPC，完成率-CR，完整观看视频付费-CPCV), 根据客户预算和偏好，制订整个付费周期做好精准计划，通过算法（可不断迭代的算法）及时评估各大投入产出比，可以帮助客户及时调换竞价办法。
其四、基于客户已有利用杠杆原理，从客户CRM数据库中清洗数据建模，可以精准定位（按各种设备、网站、关键字、出版者自定义的种类等）客户。
其五、报告报表清晰可见，及时报告关键数据矩阵，随时了解竞价投标状态，下载方便。
（二）CPM备忘单：程序化投标指南
尽管这是最常见的广告定价模型之一，但计算你的广告活动CPM仍然可以让最老练的数字营销人员陷入困境。该公司帮助客户团队轻松掌握CPM的所有内容。这本程序化投标的数字营销指南旨在概述什么是CPM以及其中包含的内容，提供一份营销CPM备忘单，客户可以下载并保存在手边，并将其与交互式计算器联系在一起，告诉客户可能的CPM成本、活动成本和总印象。
营销和CPM备忘单：什么是CPM？
由于程序化广告是在拍卖环境中进行的（也称为实时竞价），广告商在创建广告组期间设置的CPM是你在广告拍卖中的基本出价和最大出价。CPM，或每千次的成本，是你每1000次印象所付出的代价。
千分成本（CPM） ：一个营销术语，用于表示一个网页上1000次广告展示的价格。CPM中的M代表"Mille"，源自拉丁语单词1000。
了解营销CPM
你的基本CPM越高，你的广告出现的机会就越大。提高您的出价参数的阈值可以扩大您赢得RTB拍卖的机会。最棒的是，广告交换只会向你收取将广告放置在下一个最高广告之上所需的费用。
CPM包括两个关键成本：
- 数据CPM，或利用受众数据寻找有针对性的潜在客户或长相相似的受众的成本。
- 媒体CPM，或当您的中标与您的活动、广告组和创意参数相匹配时，提供广告的每千次印象的成本。
CPM备忘单程序化投标指南
CPM备忘单旨在为规划和设置初始广告组出价提供一个通用指南。虽然程序性媒体购买的动态性质不允许我们预测CPM，参考下面的投放计划。
制定投标和CPM的最佳实践
目标和广告组变量，如活动飞行时间和定制受众的规模，将极大地影响确保可用广告库存所需CPM。一般来说，目标更窄的广告群需要更积极的出价才能赢得数据类型、用户池大小、网站类别和网站列表的优质内容等因素。重要的是要相应地设置您的出价，以最低的成本最大限度地发挥您的数字广告影响力。
什么是基本出价？就像在拍卖会上一样，基本出价是你开始出价时感到舒适的起点。如果系统能以低于基本出价的价格为你赢得广告拍卖，它会这样做。出价调整将在基本出价和最高出价之间的广告交换中自动进行。
什么是最高出价？最高出价是您愿意代表您在公开广告的广告交换拍卖中提交的任何出价的上限。Choozle建议您的最高出价至少是基本出价的两倍。通过将最高出价设置得更高，您可以让广告赢得更多的印象，并在拍卖环境中进行调整。
广告组的总预算和每日预算是多少？广告组总预算是指在活动期间可以花费的总金额。活动的所有广告组预算的总和应与总的活动预算相加，并且不应超过总的每日预算。在Choozle，如果你没有设定活动的结束日期，活动将一直持续到预算用完。每日广告组预算是您为每个广告活动设置的金额，用于指定您平均每天要花多少钱。如果您选择了结束日期，则在选择每日预算时，系统将自动平均分配整个广告组的预算。如果没有为活动选择结束日期，如果可能有大量的印象，添加每日团队预算将使您的预算不会用完。
不同的渠道（别忘了为你的社交媒体活动做研究）和创意单位可能需要不同的营销CPM出价水平。为了避免浪费资金，我们建议将以下类型划分为单独的广告组------显示和视频。显示通常需要最低出价的CPM，而视频则需要最高出价。
作为一个起点，将你的最高出价至少设置为基本出价的两倍，看看价格会自然下跌。边走边调整。重要提示：此规则不适用于本地或视频广告。原生和视频都以更高的CPM开始，因此，将基本出价翻倍将产生难以置信的高最大出价，并且由于基本出价和最大出价之间的范围如此之宽，系统将在达到最大出价之前超时。
总而言之，所有投入开支要建立记录保存下来。赢得可用广告库存有几个因素，但通过设置智能的CPM，你离实现目标更近了。
六、数字营销工兵观察 - 人工智能技术应用与数字化营销预算和决算
数字营销工兵观察 ---【人工智能技术应用，何为智能节流】
上面我们是从 需求侧平台（DSP） 端看如何控制流量整形的，参考 ++美国SMARTAds公司++ **，我们还可以从需求侧平台（SSP）研究如何做好流量整形工作。如何利用人工智能技术，智能节流。**许多广告平台所有者已经熟悉的智能节流功能以及各种智能节流模型如何影响供应方平台的支出和收益。为ML驱动的白标签SSP+广告交换的所有者提供智能限制更新。
「关于智能节流的一些要点」
智能节流工具是一个称为供应路径优化(SPO）的更大过程的一部分，该过程可以改善广告库存交付。智能节流对于每个特定的广告平台来说都是一个独特的过程。优化原理可以基于使用传统线性模型或具有机器学习特征的现代动态模型的各种度量。具有自更新算法的优化模型具有更高的优先级。
SmartyAds白标SSP（White label supply side platform）+广告交换所有者，可以使用基于真实CPM（RCPM）指标的智能节流流程来优化不同DSP之间的竞价。通过这种方式，用户实现了两个基本目标：收入最大化和费用最小化。此外，该平台还扩展了A/B测试和高级报告的功能。
智能节流作为供应路径优化（SPO）过程的一个组成部分
关注SPO和DPO是规划生态系统发展的基本要素。这两个过程密切相关，对供需双方都有利。
++什么是智能节流？++
想象一下，一个供应平台一天发送了多少投标。每秒有数百万次投标请求。由于技术问题，其中许多都无关紧要。智能节流是一个利用数据驱动算法来限制与没有回应的需求方合作伙伴的投标的过程。
这个过程解决了两个基本问题。
1）通过减少不相关的投标请求数量，最大限度地减少费用。
2）通过优先考虑成功的广告出价和良好的营销表现，实现收入最大化。
智能节流优化过程对于每个特定的广告平台都是独特的，根据开发的模型或多或少是有效的。各种优化模型基于不同的度量和公式。这就是为什么在扩展所有流量之前，应该测试每个特定的智能节流模型。有趣的事实是：智能节流过程一旦启动，就会减少碳足迹。因此，平台所有者可以防止全球变暖的变化。这是因为SSP每月投标数十亿次，而所有发送给需求方合作伙伴的无关投标请求在其他项目参与者之间产生了更多的额外互动。每一次出价都会加载世界各地的服务器，这就是它对环境的影响。
++静态脚本优化模型++
在本文的上下文中，我们将称线性模型由于其效率性能而过时。让我们来看看传统线性智能节流模型的示例。
1）严格限制在最后几个小时内未回复相关投标的DSP的投标请求。
2）对投标响应很少在实时拍卖中获胜的DSP的投标请求的实质性或完全限制。
3）为赢得拍卖但由于技术问题（超时、连接端错误、欺诈性广告重定向等）导致印象失败的DSP的出价分配最低优先级。
所有线性模型都有一个共同点：它们根据某种算法永久地优化投标过程。如果限制适用于DSP，则意味着它们将持续有效。
线性算法确实优化了投标过程，但它们不会修改所应用的限制来动态地提高所获得的结果。毕竟，在一个小时、一天或一周内，其中一个受限制的DSP可以更改其设置，并开始发送满足供应方要求的投标书。
++动态机器学习模型++
动态智能节流模型是线性优化的进化扩展。SSP平台的开发人员使用不同的指标进行优化，并应用各种限制来减少投标费用和增加利润。同时，所有动态模型都通过收集反馈的过程统一起来：任何限制都不会永久应用，而且会不断进行趋势审查------平台根据更新的数据测试不同的优化方法。
动态智能节流模型使用大数据和机器学习技术来实现更好的优化。它提高了结果，降低了对投标过程的手动控制水平。
「SmartyAds智能节流的优势」
接下来，我们将了解SmartyAds软件开发商设计的智能节流投标优化流程，该流程可供白标SSP的所有者开箱即用。
++基于真实CPM（cost per mille/thousand）的智能节流（Real CPM-RCPM）++
RCPM反映了如果我们排除所有失败的请求，SSP平台每千次印象获得的实际总金额。这是我们在智能节流过程中用于优化投标的指标。 如上所述，可以基于各种指标来优化投标：密钥、印象、请求、中标率和其他参数。我们选择RCPM是因为与其他指标相比，该指标对平台用户收入的影响最大。对用户有利的东西成为SmartyAds团队的首要任务------这就是我们在更新平台基础设施时的想法。
++程序中计算真实CPM（RCPM）度量的公式与实例++
RCPM是一种指标，用于计算与显示特定广告的所有请求相比每千次印象的真实价格。真实CPM（RCPM）总是低于名义CPM，因为由于技术、安全和其他问题，某些印象不会发生。动态优化，每小时更新一次。
++启用基于RCPM的智能节流前后SSP流量的可视化++
在白标签SSP+广告交换中集成了动态智能节流流程，利用机器学习技术进行自我更新和自我完善。不能为了保持竞争优势而披露所有流程特征。无论如何，可以概括地解释交通限制背后的原则。如果有很多请求和低印象→ 平台将在接下来的一个小时内将80%的这种流量从链中丢弃到特定DSP。然后，将重新检查并自我更新这些限制，以优化SSP流量。这就是它在动态中更好地工作的方式。
++A/B测试智能节流和其他功能，以微调性能++
公司正在更新A/B测试功能，因此用户在将其扩展到所有流量之前，可以更方便地测试智能节流和其他功能。该平台还将获得不同设置的流量单独报告。A/B测试功能的主要任务是减轻技术团队的工作量。并为平台的用户提供测试功能的能力，只需切换即可。例如：RCPM选项将优化出价，而Dynamic Margin将自定义向出版商支付奖励的过程。在即将推出的2.5平台版本中，还有许多更有趣的选项和增强功能。我们致力于改善基础设施，以拓宽提高业务成果的工具。
++无限制的功能定制++
对于刚接触此平台的用户，可以获取下面两个免费的工具：
- SSP+广告交换性能高级分析指南；
- 并记录如何充分发挥SSP+广告交换的潜力。
「核心方面」
智能节流是优化SSP出站流量的一大功能。每个特定的平台来说都是唯一的。因此，在扩展之前，在一小部分流量上测试新功能的性能是一个很好的经验法则。 该公司还建议提前阅读技术文档并咨询专家，以增强信心。 SmartyAds团队花了大量时间改进优化算法并更新平台的功能。一些功能已经开箱即用，如基于RCPM的智能节流和动态裕度，其中一些将在未来几周解锁。外来还将发布更多版本。
数字营销工兵观察 --- 【关于数字化营销预决算建议】
无论与哪个广告平台或者代理公司合作，尤其是国外的营销代理公司，从谷歌、领英、脸书、Tiktok、亚马逊或者苹果，都可以参考以下行业实践：
-
我们需要知道需求方平台数据来自哪里一己对方数据库维护迭代的方式；
-
不易把所有数字化营销投入用于一个平台，而是要根据企业产品，目标客户所在地，客户行为习惯进行分析，确定与哪些平台合作；
-
要制订营销投资计划，要与营销平台或者代理公司制订详细的业务达成计划；
-
要制订营销投入评价标准，请参考以下KPI细则：
- 及时检讨，定期评估，评估营销投入产出比，做好流量整形管理。
6、培养专业化数字人才，迫在眉睫。
七、文章资料来源及阅读推荐
- ML-based Smart Throttling for SSP Owners: Maximizing Optimization Potential - 原理与工具
https://smartyads.com/blog/ml-based-smart-throttling-ssp- 流量监管和流量整形 - 个人认为最通俗易懂的专业博文之一
- QoS技术之流量监管和流量整形 - 适合专业工程师学习
- 教程篇(6.4) 0 流量整形 ❀ SD-WAN ❀ Fortinet 网络安全架构师 NSE７-难得的技术贴
- 微服务技术栈：流量整形算法，服务熔断与降级-国家骨灰级专家专栏，适合工程师学习。
- CPM Vs. eCPM Vs. rCPM: Understanding The Difference - 基础术语和流量控制原理
- 流量和防火墙安全控制专家 - Barracuda CloudGen Firewall，非常直接学习的一个结合流浪整形和网络安全管理的美国公司。强烈推荐。
为了便于读者后续深入学习数字化营销体系相关的这九种人工智能和机器学习技术，经过与多位同行讨论及前辈老师们的讨教，后续每一篇文章将尽可能按照以下原则，要求和框架进行编写。
