Databricks 提出媒體產業轉型預測經濟架構

背景

過去二十年，媒體與廣告產業以「注意力」為核心貨幣，依賴曝光量、觸及率和點擊數等可量化指標。然而，隨著這些指標價值下降，產業焦點正轉向「預測經濟」（prediction economy），即從單純統計誰看到了廣告，轉向預測受眾需求並證明廣告對商業結果的影響。在此模式下，績效指標從落後指標轉變為先行指標。Databricks 認為，實現這一轉型的關鍵在於建立統一且受治理的資料與 AI 基礎設施，以解決資料碎片化問題。 Databricks Blog

發生什麼事

Databricks 發布文章闡述媒體產業如何透過 AI 代理（agents，能自主執行任務的 AI 程式）與統一資料平台實現預測智能。文章指出，目前僅有 3% 的首席行銷長（CMO）能將一半的行銷預算與具體商業成果連結，這數據來自 McKinsey 的研究。為了應對這一挑戰，Databricks 提出了基於「四個 C」的架構：情境（Context）、控制（Control）、成本（Cost）與選擇（Choice），並強調在 Advertising Week New York 期間，產業領袖普遍關注從「誰看到了」轉向「改變了什麼」的問題。 Databricks Blog

重點內容

在「情境」方面，Databricks 強調預測始於對客戶與業務的完整視角。其產品 CustomerLake 是一個代理式 CDP（客戶資料平台），允許行銷與資料團隊在受治理的資料上直接建立可信的 Customer 360 檔案並啟動受眾。搭配 Genie 作為連接受治理企業資料的 AI 同事，使用者可用自然語言提問，系統透過 Genie Ontology（讓 AI 理解業務定義、關係與權限的本體層） 理解業務定義與規則，並根據權限提供答案。此外，Lakebase 作為 serverless Postgres 資料庫（無需管理伺服器的關聯式資料庫服務），將即時狀態與分析資料並存，確保 AI 代理能存取最新的決策歷史與特徵。 Databricks Blog

在「控制、成本與選擇」方面，Unity Gateway 將所有模型與代理請求透過單一控制平面運行。它負責管理所有模型與代理請求的驗證、稽核與 PII（個人識別資訊）防護欄。針對成本，Unity Gateway 能按團隊、模型與應用程式歸因支出，並強制執行預算與速率限制，同時將簡單請求路由至較便宜的模型，以實現從「token 最大化（追求處理更多 token 用量）」到「價值最大化」的轉變。在選擇性上，Unity Gateway 透過單一 API 提供多家供應商的模型，讓企業能透過配置而非重寫程式碼來切換模型，並利用 OpenSharing（開放資料共享機制） 與 Databricks Clean Rooms（安全資料協作空間） 在無需複製資料的情況下與合作夥伴協作。 原文

文章引用 PetSmart 的案例說明情境整合的效益。PetSmart 利用其 75 million Treats Rewards 會員的忠誠度資料，透過 AI 決策代理發送個人化訊息，取代了傳統的批次群發活動。結果顯示，沙龍預約增加了 22%，自動配送交易增加了 13%。Databricks 強調，這些增長來自於資料基礎設施的協同運作，而非單純依靠更聰明的模型。此外，文章提到行銷科技（Martech）與廣告科技（Adtech）正合併為單一堆疊，典型企業堆疊中擁有 90 至 120 個工具，使得跨觸點的全方位績效報告成為必要。 原文

對使用者的意義

對於媒體、廣告代理商與行銷人員而言，這意味著工作重心將從處理電子表格與舊式費率卡，轉向專注於客戶關係與收益管理，因為 AI 代理將接管重複性任務。企業需要建立統一的資料基礎設施，以便讓行銷與銷售團隊共用受眾資料，並透過閉環測量（closed-loop measurement，從廣告投放到最終轉換的完整成效追蹤）來證明廣告投資報酬率。開發者與資料工程師則可利用 Unity Gateway 來管理 AI 成本與模型切換，確保在模型快速迭代的環境中保持靈活性。 Databricks Blog