Moloco 的广告智能
CARA（Compound Ad Recommendation Architecture）协同商业媒体各领域的模型与智能体，将消费者、广告主和零售商信号转化为整个系统中更优的广告决策。
商业媒体需要优化三类成果
每次广告决策都必须同时产生三项结果：消费者发现值得购买的商品，广告主获得投资回报，零售商在不损害商城体验的情况下创造收入。这从来不是单一目标，而且必须在几毫秒内完成，同时适应每家零售商不同的商品目录、分类体系、受众、广告位结构和商业模式。
CARA 协同优化三类成果。
CARA 将信号、个性化、竞价、广告投放、需求激活和广告活动自动化融为一体。它从每家零售商的一手数据中学习，实时平衡商业媒体业务所依赖的三项成果——同步提升消费者相关性、广告主投放效果和零售商变现能力。
复合智能架构
CARA 从设计之初就是复合 AI 系统，将模型、智能体与专用软件连接在六个相互关联的技术领域中，共享信号与学习。预测模型判断可能发生什么，智能体层则将这些智能转化为行动。
由于信号和学习贯穿整个架构，一个领域的改进能够增强整个系统的决策。
CARA 六大领域如何协同
六大技术领域专为应对商业媒体的复杂性而构建。它们协同实现成果，学习则随时间在整个系统中持续叠加。
信号
将零售商已有的所有信号连接为统一业务视图
零售商信号最初分散在不同系统中，包括商品目录属性、搜索词、展示、点击和转化事件。CARA 将其连接为该零售商专属的智能层。每家零售商都有独立环境，模型仅使用自身数据训练，不汇集跨零售商数据。
即使商品目录结构不统一，语义匹配也能发挥作用，减少对手动维护分类体系的依赖。实际效果取决于目录完整度和数据质量。
CARA 对商品目录和消费者理解得越准确，个性化、检索、相关性和竞价就越精准。
广告个性化
让广告更相关
针对搜索结果、商品详情页、分类页等每个符合条件的广告位，CARA 预测对当前消费者最相关的广告。
深度学习模型结合消费者行为、搜索意图、商品属性和广告位情境，预测每个广告候选的点击与转化概率。系统通过语义关系而非仅靠点击历史理解商品，因此新品也能继承类似商品的相关性信号。
这使商家能够推广缺少效果历史的商品，并从一开始就为新老消费者提供更相关的赞助商品结果。
竞价
在每次竞价中平衡三类成果
CARA 采用一手转化数据和领域专属竞价逻辑，在每场商业媒体竞价中同时优化消费者相关性、广告主 ROAS 与预算交付，以及零售商收入与广告库存填充率。
系统逐一评估每次符合条件的展示价值，并实时调整出价和节奏。需求变化时自动适应，减少手动更新。
零售商能够从广告库存中获取更多价值，广告主则始终围绕效果目标与预算投放。
广告投放
在不损害相关性的情况下变现更多广告位
CARA 管理零售商自有页面的广告投放，包括搜索结果、商品详情页、分类页和其他站内广告位。
不同广告位在购物旅程中作用不同，CARA 会评估其对竞价密度、广告曝光率、相关性和预期收入的影响，据此决定在何时何地展示什么，帮助零售商提升零售媒体变现，同时不让消费者感到广告过载或损害购物体验。。
每个新广告位也会产生行为信号。随着 CARA 从更多客户旅程中学习，对库存、投放和相关性的决策会更加精准。
需求激活
无需扩大运营团队即可扩展广告需求
仅有广告库存无法构建可规模化的商业媒体业务，还需要愿意投资广告的供应商。许多供应商因缺少效果证明、担心利润受损，或认为零售媒体广告复杂难操作而犹豫。
CARA 的 Demand Agent 是一层智能体自动化能力，用于识别并激活高潜力广告主。它利用商品目录和平台数据发现优质供应商，生成可直接上线的广告活动建议，并在关键生命周期节点推动触达。
广告活动自动化
将广告主目标转化为持续优化
广告主定义所需成果，例如目标 ROAS、销售目标、预算或按订单付费目标。CARA 围绕所选目标协同商品选择、竞价、节奏与投放。
智能体广告活动自动化持续监控实时广告活动，识别预算未充分使用、定向缺口等优化机会。专业智能体使用针对不同目标的竞价和节奏逻辑，执行或建议相应行动。
实时仪表盘让效果保持可见，专业智能体则减少监控和优化的手动工作。商家获得更多有效运营支持，团队无需同步增加工作量即可扩大广告活动规模。
系统如何产生复合效应
更好的信号带来更好的预测
更丰富的消费者、商品和目录数据提升个性化与竞价能力。CARA 能更准确地预测展示什么、在哪里展示，以及每次机会的价值。
更好的决策增强效果
更强的竞价能力在保护广告主 ROAS 和消费者相关性的同时，填充更多高价值广告位。效果提升让供应商更愿意投资，也让零售商更有信心扩大供给。
更多需求让系统学习更深入
随着更多供应商投放广告，竞价密度提高。CARA 可以从更广泛的符合条件商品中选择，提高填充率并展示更相关的广告。
每项成果都成为新的智能
展示、点击、转化、预算和商品目录效果反馈到 CARA 的模型与智能体中，让下一次决策更加精准。
这一系统为 A2G——广告收入占零售商 GMV 的比例——持续复合增长创造关键条件
每个广告活动、广告位、商品、消费者互动和广告主成果，都在强化下一次决策背后的智能。
常见问题
什么是 CARA？
CARA（Compound Ad Recommendation Architecture）是是 Moloco 的创新 AI 系统，协同信号、个性化、竞价、广告投放、需求激活和广告活动自动化等商业媒体决策。由领域专家构建的互联模型与智能体从零售商专属数据中学习，使一个领域的改进能够增强整个系统。
什么是“复合 AI”，它如何运作？
复合 AI 是指多个专业模型、智能体和软件系统通过共享架构协同工作，而不是作为彼此独立的功能运行。
以 CARA 为例，更好的商品理解能够改善个性化，更强的个性化能够优化竞价，更好的广告活动成果又会为下一次决策产生新信号。
CARA 如何服务商业媒体？
CARA 使用零售商的一手商业数据，预测在每次符合条件的展示中，哪条广告、哪件商品、哪个广告位和何种出价最有可能创造价值。它从商品目录、搜索、展示、点击、转化、预算和广告活动成果中学习，并实时协调整个商业媒体系统的决策。
CARA 使用哪些一手数据？
CARA 可以从零售商自有信号中学习，包括商品目录属性、搜索、展示、点击、加购、购买、价格、库存和广告活动成果。实际使用的数据取决于零售商的集成方式、政策、同意框架和可用信号。
CARA 是否为每家零售商使用同一模型？
不会。CARA 会适应每家零售商的商品目录、分类体系、消费者行为、广告位、广告主基础和商业目标。零售商专属信号让系统在各自业务环境中学习，而不是对所有平台企业套用固定模型。每家零售商的模型都在专属实例中使用自身一手数据训练，不与其他零售商共享数据。
CARA 如何自动化商业媒体广告活动？
CARA 围绕广告主设定的目标，自动处理商品选择、竞价、节奏、投放和广告活动监控。专业智能体能够识别预算未充分使用、定向缺口等机会，在减少手动工作的同时，让广告主和零售商保持对目标与治理的控制。
CARA 如何帮助激活更多广告主？
Demand Agent 使用商品目录和平台数据识别广告潜力较高的商家，并生成广告活动建议。这能帮助零售媒体团队集中触达目标、减少上线工作，并在无需同步扩大运营团队的情况下提升商家参与度。
CARA 多久学习和更新一次？
CARA 持续从新事件中学习，更新后的模型版本最快每两小时部署一次。实时决策使用最新可用模型和信号，具体部署频率会因模型、领域和运营要求而异。
构建随信号增加而持续进步的商业媒体系统
将消费者数据、广告主目标和零售环境连接起来，看看智能如何通过复合效应创造增长。
