Moloco Commerce Media AI 引擎
专为广告业务增长而打造的引擎
Moloco Commerce Media 是 AI 原生广告系统，将数百万消费者信号与商品目录数据结合分析，提供更相关、效果更佳的广告。每次竞价都在几毫秒内同步优化消费者、广告主和商业平台的成果。
Moloco 客户包括：
零售媒体能走多远，取决于底层技术
差异源于系统的设计方式
基于规则的系统容易触及瓶颈
无法从消费者行为中学习的 静态关键词列表
需要人工干预调整的手动配置
随着目录与需求复杂度增长 相关性停滞
从底层开始采用不同设计
将每次广告决策视为 机器学习预测问题
使用零售商自身一手数据训练
打通展示到购买的闭环 从真实成果中学习
随每次展示持续进步的预测系统
商业广告的独特优势在于信号。展示、点击、加购和购买都发生在同一环境中，为预测提供丰富基础，并随每次互动持续改善。模型从平台专属行为中训练，并根据真实消费者成果评分。
以您的方式连接数据
商品目录与消费者数据通过以下方式连接：
- 灵活接入单商家、多商家平台及现有 Google、Meta Feed
- 通过 API、标签管理器或现有 CDP 流式传输消费者事件
持续更新的学习能力
模型通过以下方式保持最新：
- 每两小时重新训练 {[data-attribute="init-tooltip"][tooltip-content="<p>来源：<br><br>Moloco内部数据。更新频率以截至2026年4月的模型再训练周期衡量。</p>"]}
- 随全天行为、库存和促销变化自动适应
零售商专属模型与训练
每家零售商环境均包括：
- 专属模型实例
- 仅使用该零售商自身数据训练
闭环
这一闭环飞轮归零售商所有：消费者产生信号，专属模型捕捉信号，广告业务在此基础上持续复合。
做一个决策并不难，六大领域协同决策才能产生复合效应
商业广告平台不是只做一种决策，而是在每次请求中同时完成六种决策。
Moloco 的 AI 系统 CARA（Compound Ad Recommendation Architecture）协同各领域的模型与智能体，为零售商、广告主和消费者创造三方共赢。作为推动 A2G 增长的智能层，更精准的目录理解改善检索，更好的检索改善竞价，更好的成果激活更多广告主，更多广告主又加深竞价与信号。 这就是“复合 AI 系统”的实际含义。
广告活动自动化
广告主设定 ROAS、销售或预算目标后，系统自动运行，智能体持续监控实时广告活动并提供建议。
广告个性化
基于 Transformer 的模型形成消费者行为与商品匹配的稠密表示，逐次预测点击与转化。
竞价
以相关候选变现每次展示，平衡消费者相关性、广告主 ROAS 与平台填充率。
信号
无需手动分类或关键词映射，将商品目录和行为数据标准化为嵌入向量。
广告投放
管理自有页面的广告投放，量化每个广告位对竞价密度、曝光和收入的影响。
需求激活
Demand Agent 通过预配置、可直接上线的广告活动，将供应商转化为广告主。
专为规则系统难以解决的问题而构建
为已登录的高频消费者匹配精确关键词并不难。商业场景多数是更复杂的情况，架构正是在这些场景中接受真正考验。
无需分类体系的商品目录理解
每家零售商都有不同架构、分类和布局，数百万件商品的价格与库存还会在一天内变化。CARA 将目录属性编码为嵌入向量，捕捉商品关系和语义匹配，让下游各领域基于更精准的目录图景工作。
竞价速度下的检索与评分
采用两阶段架构：检索模型从完整目录中筛选每次请求的相关候选，评分模型预测点击、转化和收入，对每条广告排序与定价。
有针对性地解决冷启动
新品缺少历史，往往难以获得曝光。冷启动检索有意识地给予新品早期曝光机会以积累信号；对新消费者或未登录消费者，则根据会话内行为实时展示相关广告。
同时为三方竞价
每场竞价都必须同时满足消费者相关性、广告主 ROAS 与节奏，以及平台填充率与收益。基于成果的竞价围绕广告主目标优化，广告质量算法限制低相关广告；即使 Black Friday 等需求高峰，出价也会实时调整。
四个步骤，每天重复数十亿次
信号转化为嵌入向量
搜索、点击、转化等消费者行为实时编码为嵌入向量，并与商品目录及计算机视觉生成的商品嵌入结合。
Transformer 映射关系
模型映射消费者与商品嵌入之间的关系，并每两小时根据真实结果重新训练，保持行为图景最新。 {[data-attribute="init-tooltip"][tooltip-content="<p>来源：<br><br>Moloco内部数据。更新频率以截至2026年4月的模型再训练周期衡量。</p>"]}
实时评估每次展示
将会话内行为与已学习模式比较，实时预测每次展示的 CTR、转化和收入。
平均低于 100ms
个性化广告平均在 100ms 内投放，让变现不拖慢页面性能。每条广告对消费者保持相关，体验流畅。 {[data-attribute="init-tooltip"][tooltip-content="<p>来源：<br><br>Moloco内部数据。分析使用2026年5月1日至7月31日期间的数据，基于在此期间已实现商业化的赞助广告MCM零售商。数字反映各已商业化零售商每月p95延迟值的平均数。每个零售商的p95延迟通过提取每个请求的时间戳与对应响应的时间戳之间的差值计算得出。</p>"]}
架构用成果 证明价值
架构的目标是业务影响，闭环让这种影响可衡量，而非仅靠宣称。需要真实基准的平台可使用 Moloco 基于对照组的增量框架，量化广告对平台和广告主双方的效果。
常见问题
为什么 AI 引擎对于 A2G 的增长至关重要？
A2G 是由供给、有效填充率和 eCPM 共同决定的函数。供给是您可以掌控的杠杆，而另外两个指标则取决于需求和质量。AI 引擎正是质量的调节杠杆：它能提供相关的广告，维持健康的竞价密度，并针对广告主的投放效果进行优化。如果没有它，单纯增加广告位只会导致空响应和竞价密度下降——即在没有变现能力的情况下盲目扩张供给。
在系统生效前，我们需要多少数据？
通常需要两周左右的自然流量活动，以便模型学习您的购物者行为和商品目录。此后，模型会进行校准，从而生成可靠的点击率和转化率预测；随着信号积累，预测效果会不断增强，并在此基础上每两小时重新训练一次。 {[data-attribute="init-tooltip"][tooltip-content="<p>来源：<br><br>Moloco 内部数据。更新频率以截至 2026 年 4 月的模型重新训练节奏为准。</p>"]}
AI 使用哪些数据？
利用第一方购物者互动数据、产品目录数据以及来自每次广告请求的实时情境信号，无需任何第三方 Cookie。所有训练和推理均在各零售商独立的隔离实例中运行，零售商之间不会共享任何数据。
它如何处理首次访问或未登录的购物者？
个性化体验基于实时的会话行为，包括搜索、点击和浏览记录。系统会将这些实时会话行为与平台上的当前趋势进行比对，从而确保用户从首次访问开始就能看到相关广告，无论其是否处于登录状态。
它是如何处理新发布产品的？
冷启动检索算法会主动为新项目提供曝光机会，从而积累模型所需的互动历史数据。一旦项目积累了足够的信号，它们便会进入基于成熟性能数据的 AI 定向投放流程。
系统多久更新一次？
双时钟同步运行：您的专属模型每两小时基于实时数据进行一次再训练，同时 Moloco 持续发布算法与模型优化，旨在不断提升广告质量与投放效果。 {[data-attribute="init-tooltip"][tooltip-content="<p>数据来源：<br><br>Moloco 内部数据。模型再训练频率统计截至 2026 年 4 月。</p>"]}
