爱达荷州 Sandpoint 的 Kochava Summit 现场，《Next in Media》主持人 Mike Shields 与 Kochava 创始人兼 CEO Charles Manning 展开了一场直击行业核心的对话。

　　当所有人都在谈论 AI，Charles 却给出了一个比市场预期更紧迫的答案：留给广告业完成下一轮转型的时间，只有 16 个月。

　　Charles 的职业轨迹颇具极客底色：从 Oracle 起步，曾创办游戏技术平台 PLAYXPERT（后技术授权给 Razer），2011 年在 Sandpoint 创立 Kochava。不同于依赖资本输血的公司，Kochava 凭借移动归因起家，一路稳健盈利，如今已成长为服务 LG、Samsung、Vizio、Roku 等头部 CTV 厂商的全渠道测量平台。这种独立底色，也让他的行业判断向来直接、不绕弯子。

　　这场访谈对话的起点从程序化广告（programmatic）转到代理式广告（agentic advertising），AI 这一轮变革究竟有多深？Charles 的结论很清晰：程序化用了十多年改写的是“拍卖机制”，而 AI 要颠覆的是“工作流本身”。当原本需要跨越数十天的归因与决策流程，被压缩至按天甚至实时运行，技术迭代的速度与业务重心的叠加，让颠覆成为必然。他特别提醒品牌方警惕两大风险：

　　一是别让第一方数据沦为围墙花园的“养料”，却未能沉淀为自身资产；二是当 AI 工具趋于平权，“用什么”不再构成壁垒，“怎么用”才是护城河。

　　与此同时，Kochava 从移动端向 CTV 的跨越，以及其独创的 “view-and-do” 跨屏归因逻辑，正让电视广告第一次真正可衡量、可问责；而 AI 工作流中枢 Station One，则试图在拥抱智能的同时，把数据主权牢牢留在品牌手中。更引人瞩目的是他对格局的预判：SSP 与 DSP 边界正在模糊，供应链将迎来坍缩；未来 18 个月，一波以“收购合同而非技术”为核心的私有化与整合潮将拉开序幕，随后是 IPO 的集中爆发。

　　至于人才，他给出了一个反直觉的结论。当 AI 接手了大量的分析和执行工作，行业里最稀缺的能力正在从数据科学转回清晰的表达。把目标准确地讲给一个模型听，会成为下一代媒介从业者的核心竞争力。

　　最后还有一个值得单独留意的判断。Charles 认为广告竞价的颗粒度也会发生变化——从过去聚焦"单次曝光"，转向在订单层级（IO 层级）进行竞价。他的原话是："你想要的控制力，加上你一直缺失的规模化"。

　　以下为本次 Summit 现场对话实录。让我们直接回到 Mike 与 Charles 的交锋现场。

　　开场与核心判断，16 个月窗口，工作流革命的速度与本质

　　Mike：各位好，欢迎收听 Next in Media。我是 Mike Shields，本期嘉宾是 Charles Manning，他是 Kochava 的创始人兼 CEO。我们现在正在爱达荷州 Sandpoint 举行的 Kochava Summit 现场录制。欢迎 Charles。

　　Charles：很高兴来到这里，谢谢。有趣的是，我们几年前也做过类似的现场对话，那次体验非常棒。我们聊了机器学习，也聊了 Apple，还有汽车。感觉那已经是 100 年前的事了。

　　Mike：很多事情已经改变了。我想先从宏观层面理解一下——我就是所谓的"普通人"，所以对这里讨论的一些概念有些困惑。比如 agentic advertising（代理式广告），听起来非常真实，但也夹杂着不少炒作。我对元宇宙甚至有点 PTSD，总觉得：等等，我之前是不是被消费主义盲目驱动的？这次到底是不是真的？帮我们弄清楚：这场变革究竟会有多深刻？我们到底是在讨论优化工作流程（这本身已经很重要了），还是在讨论从根本上重塑这个行业的运作方式、效能和底层逻辑？能不能帮我们设定一下未来几年的基调？

　　Charles：是的，我刚才听到 Trevor 的部分开场介绍，他提到：过去十年，核心是信号与媒体的数字化；而下一个十年，将是工作流程的数字化。我认为这个概括非常精准。而且，这个"十年"可能根本不需要那么久——大概 16 个月就够了。我认为，关于 agentic advertising 以及更广泛的 AI 浪潮，最令人震撼的一点是：一切都在超高速往前推进。它正在彻底改变人们的工作方式；而当"变化极快"与"直接影响工作流"这两个因素叠加时，必然带来巨大的行业颠覆。

　　Mike：你觉得这次会像很多人类比的那样吗？programmatic（程序化广告）大概是 12 到 15 年前兴起的，当时发展也很快，但属于渐进式演进，后来才真正爆发。这次会不会快得多？

　　Charles：绝对会，而且是令人惊叹地快。对大公司来说确实有挑战。但有趣的是：我认为广告生态其实已经通过传统 API 搭建好了"乐高积木"式的模块基础——人们确实在使用这些 API，只是使用频率还不高。但当你在这些 API 之上叠加像 MCP（Model Context Protocol，模型上下文协议）这样的新层时，情况就变了。

　　这里我简单解释一下：MCP 就像是 AI 的 API 层，它能让大语言模型触发工具调用，而工具调用本质上就是一个 MCP 钩子（所谓的 hook），用于查询外部数据或执行操作。我想打个比方：如果说 programmatic 改变的是"竞价"，那么 agentic 改变的将是"工作流程"。这样讲清楚吗？

　　品牌策略与能力重构：数据主权、方法论与人才

　　Mike：首先，你一句话里甩了四个缩写词，哈哈。但说真的，我听到的愿景有两种：一种是"效率提升型"，公司以后拉报告、处理海量表格会轻松得多，工作完成更快，从而能把更多时间投入到策略思考上，这本身已经是重大变革；但还有一种更"革命型"的愿景：广告效果将大幅提升，机器的优化能力将远超人类，就像 programmatic 曾经做到的那样。所以我想问：你眼中的变革，究竟能深刻到什么程度？

　　Charles：我认为，在广告这个技术性极强的领域，由于信号本身大部分已是数字化的，机器学习早在早期就已在优化方面表现出色，起初优化聚焦于"触达"和"频次"；而如今，随着 CFO 们越来越关注"每一笔预算产生的净影响"，优化重心正转向"业务成果"。这正是我们 Atlas Performance 产品正在做的事：帮助优质发布商以"开箱即用"的方式实现基于结果的优化。

　　那么，什么是真正的新趋势、前沿方向？答案是：过去需要人工收集多个表格、汇总数据点、再向决策者汇报的整套工作流程步骤，现在将实现自动化。如果拆解来看，这可能是一个六步流程，但现在借助自然语言、大语言模型甚至小语言模型，整个流程可以被自动化。这意味着：过去可能需要花一周时间、在活动结束 45 天后才能产出结案报告并做后续决策，而现在，这套工作流可以按天甚至实时运行。我们从创立之初就专注"实时"能力，这也是程序化广告的核心驱动力；而如今，不仅信号是实时的，连处理流程本身也趋近实时——这确实非常了不起。

　　Mike：我想回到你刚才谈到的流程与工作流变革这个话题。但过去几年，一个明显趋势是 AI 已在行业中真正落地。大家对生成式 AI 感到兴奋，这完全合理。在媒体采买优化方面，进展尤其快——而且主要来自大公司，对吧？比如 Google 的 Performance Max，以及 Meta 的内部产品……

　　Charles：本质上，这些都是它们的内部交付能力。

　　Mike：看起来这有点像一场"不公平的较量"：大公司变得更强了，它们拥有海量数据用于优化，而普通买家甚至都无法理解其背后的逻辑。大家担心的是：行业其他玩家跟不上。代理商无法竞争，品牌方也无法竞争。我们该怎么办？这确实值得担忧吗？我们又该如何让竞争环境更公平？

　　Charles：我认为每个品牌都应该关注两大核心风险，而且事实上，它们已经表现出对这些风险的警觉。所以我觉得我们正走在正确的路上。第一大风险是：品牌的数据是其专有差异化资产，必须用于自身增益，而非让其他公司受益。

　　Mike：对吧？直白地说，你不想用自己的辛苦积累的数据，去让 Meta 变得更聪明，而自己却得不到相应回报。

　　Charles：作为品牌方，你当然希望获得目标达成效果，对吧？关于第一点，真正能受益的，是那些懂得将自身数据作为"核心"或"种子"，在其内部工作流中持续进行强化学习（reinforcement learning）、判断什么有效/无效的公司。它们不应被动适配他人的工作流，否则就会在过程中泄露数据。这是品牌方应警惕的第一点。第二点是："怎么做"（how）与"做什么"（what）同等重要。我认为，组织当然需要考虑合规性问题，比如金融、法律等领域的监管要求，确保所有操作公开透明；但在满足这些前提后，"如何实现增长"的方式，将成为更具说服力的竞争优势。因为当人人都能使用 AI 时，除非你的"方法论"（how）是独特的，否则很难实现差异化。

　　产品解法与测量演进：Station One 与垂直 AI

　　Mike：这自然引出了我的下一个问题：如果真有人担忧，那从宏观层面来看，这对代理商和控股公司似乎是个坏消息。"天啊，我们要么在技术上无法与大厂竞争，要么大家用的都是同一个大语言模型，在其之上构建产品，结果'方法论'又趋同了。"——他们该如何避免这种命运？

　　Charles：是的，我先说几个基础观点。你的问题让我想到：我们还能借鉴哪些已有模式？虽然软件开发的变革也只提前了几个月，但它是一个可参考的范式。大语言模型和 AI 已经深刻改变了软件构建方式，并将持续产生巨大影响。对那些愿意倾听、观察的人来说，软件开发流程的转型已清晰可见，且将持续演进。同样的事情也会发生在媒体领域，因为 AI 正以不同方式垂直影响各个行业。

　　几周前有很多反馈讨论 AI 如何解读法律合同——而法律工作本质上是语言处理，所以这非常合理。同样，编程也主要是语言，因此 AI 的介入就顺理成章。我们相信，AI 的颠覆将是"垂直行业逐个击破"式的。过去几年，我们的立场一直很明确：若要保持对客户的相关性，我们必须在媒体领域的"工作流转型"过程中成为垂直领导者。所以回到你的问题：什么会变？怎么变？我认为，对这些工作流的改造与赋能，会让 Kochava 看起来像一家"工作流赋能公司"，但实际上，我们本质上是一家 measurement（测量）公司。我们的核心观点是：measurement 是所有学习反馈闭环的"内核"。如果这一点能构成我们的竞争优势，那我们就走对了路。

　　Mike：我们聊到这个点——这其实也是本周你们活动的一个主题：measurement 不再只是"记分员"（"我做得怎么样？"），而是更深度融入业务、推动业务向前的核心引擎。这种转变具体是如何发生的？它是如何运作的？

　　Charles：没错。想象一下，如果你从外部视角来理解这个广告生态，你可能会把 measurement 想象成汽车里程表：它测量距离，结果一致，像个黑盒子——你开了 1/10 英里，它就显示 1/10 英里。但现实是，测量其实包含多种方法论，取决于你的目标与路径：它可以是基于"末次点击"（last touch）的方向性指导，也可以是基于"自归因"（self-attribution）或"结果导向"（outcome-based）；还可以基于 MMM（Media Mix Modeling，媒体组合建模）。从根本上说，胜出者往往是那些能敏捷、灵活地将"测量方式"与"业务目标"对齐的组织，对吧？正是基于这一点，我认为我们的目标是成为一家能为客户赋能竞争优势的公司——因为他们可以像使用……

　　就像变速箱中设计精良的离合器。本周我们用赛车做过类比。这对行业外的朋友可能有点难理解，而这恰恰说明为什么"垂直 AI"如此关键：当你身处这个领域，每一个细节都至关重要，无法简单套用外部问题的解决方案。

　　人才重构：从数据科学到清晰表达

　　Mike：考虑到你刚才谈到的软件开发变革，那接下来会出现怎样的人才格局？我初入广告代理行业时，团队里多是市场营销或文科背景的同学；过去十年，我们开始引入数据科学人才。那么现在呢？未来会需要什么样的人？

　　Charles：需要什么样的人？趋势正在反转。我们在软件开发领域已看到这一现象，这正是我们的先行指标，对吧？当你与模型交互时，最有用的技能不再是数据科学或编程，而是"清晰表达你意图"的能力，明白吗？

　　Mike：所以，字面意思就是：优秀的读写能力，以及出色的沟通表达能力。

　　Charles：没错。是的，完全正确。

　　Mike：但这确实是一套截然不同的技能组合。说实话，对我而言，这感觉像是"时代结束了"（笑）。不过，这确实意味着招聘逻辑需要转变。我猜很多人也在思考：下一代人才将由谁来填补？在这个行业，下一波人才浪潮会呈现什么特征？需求将流向哪些能力？

　　Charles：是的，我认为，如果你向前推演、快进来看，会发现大量原本由人执行的任务，其实无需人工完成，这些人力可以被重新配置到更具意义和趣味的工作中。策略将变得极其重要；媒体资源的独特性将变得极其重要；数据获取能力也将变得极其重要——因为它是决策所依赖的底层机制与支撑框架。如果你和我都能做同一件事，但你掌握信息的方式比我更高效，那你就会做得比我好。因此，那些我们曾视为理所当然的事物——比如"免费获取数据"——我认为将开始改变，相关的"调节旋钮"正在转动。

　　Agentic 执行与 Station One：AI 工作流的护栏与中枢

　　Mike：回到我们设想的 agentic 世界：你已经见证了很多实验和测试案例。我们距离这样一个场景还有多远，或者我们能否达到这样的阶段：agents 不仅承担大量基础工作与调研，让人类得以解放，去专注于策略制定、为客户执行采买、并实时优化，而无需人工全程操控？因为我认为存在一种担忧：把客户的预算交给全自动系统，可能存在风险。我们从未真正让它们"自由发挥"过。这个目标离我们还有多远？

　　Charles：当你雇佣一名媒体交易员时，你会设定预算上限，防止他犯大错；当你雇佣一名量化交易员时，你也会分配风险预算，控制其操作边界。我认为，代理式执行（agentic execution）也将遵循同样逻辑：一定会设置"护栏"。而关键在于，这些护栏本身必须是"产品化"的——由专业产品团队设计并嵌入系统。比如我们本周多次提到的 Station One。

　　简单说明一下：Station One 是一个集成式 AI 中枢，支持你接入任意模型、连接任意技能集，并将其为团队"编码固化"。你可以将这些技能在团队内分发；也可以集成知识库，即基于向量数据库的 RAG 接口。本质上，它就像"AI 版的 Slack"，明白吗？它的巧妙之处在于：第一，它连接的是"你自己的"AI 模型，正如我们刚才强调的，数据与模型的所有权和控制权必须掌握在你手中，而非他人；第二，你可以将这些能力"容器化"到工作区中，并在团队内部分发。所以当我们讨论团队协同与转型时，我认为会像剥洋葱一样分层推进：首先，让现有团队使用一套统一工具；这些工具随后会观察你们的行为模式。

　　接着，系统就可以提出：能否让 agents 学习 Charles 和 Mike 周一至周五的日常操作，建模他们的行为？然后我想与这个"编排器"交互，开始识别：哪些任务 Charles 和 Mike 其实可以不再亲力亲为，而直接交给机械化代理执行？一旦验证可行，我们就会想："这太棒了，让我们放大它！"接着建立分层机制：比如设置一批受预算约束的"交易员代理"（trader agents），再配置"代理管理者"（agent managers）来监督这些交易员代理的行为，并为其设置护栏，对吧？

　　Mike：那如果系统发现 Mike 过去几天几乎没干活呢？（笑）这好像有点危险。

　　Charles：嗯，那可能就需要进行一些人力重新分配了，是的。（笑）

　　CTV 征程：从移动归因到客厅入口

　　Mike：说回正题。上次我们交流时，Kochava 还扎根于移动领域，而你们现在正大力进军 CTV。能帮我们梳理一下你们在这段旅程中的经历吗？你们如何看待这一领域的演进？因为你看，电视广告长期以来基本上只用一种方式衡量：广泛的品牌认知度（broad awareness），无论好坏，大家都用同一把尺子。而现在，行业真正关注的是"效果"（performance）。那么，你们的旅程究竟是怎样的？未来方向又在哪里？

　　Charles：是的，你知道，Kochava 的起源故事始于一个关键判断：当所有人都在谈论移动网页时，我们认为"应用"才是未来。我们的立场很明确：移动网页很可爱，但应用才是真正的未来——因为应用具备"嵌入式钱包"（embedded wallet）的潜力，还能调用相机等各类设备服务，以及 DTC（直接面向消费者）的关系建立。

　　DTC 就像品牌与消费者之间的一根"纽带"，而且这根纽带就在消费者的口袋里。这非常了不起，对吧？当时我们就想：我们要为移动端打造"DoubleClick"——尽管那时 DoubleClick 已经存在，但这就是我们的信念。于是我们这么做了。当我们开始关注 CTV 时，观察到电视硬件厂商在说："我们正在构建操作系统。"我们立刻联想到自己的起源故事：这不就是一台挂在客厅墙上的 80 英寸"移动设备"吗？

　　Mike：也就是说，它必须快速实现"规模化落地"的演进。

　　Charles：这正是关键所在。我的意思是：如果这些厂商构建的操作系统不是某种糟糕的产物，或者它们选择授权 Google 的操作系统，那么"应用经济"将在客厅场景重新上演。这将引发大量有趣的互动与博弈——因为多年来，各方一直在争夺"客厅入口设备"，而现在，机会就在眼前。

　　我的意思是：你甚至可以把 GPU 直接集成到电视里。虽然目前尚未规模化落地，但我认为未来 1-2 年内就会实现。到那时，你就不再需要一台额外负责计算与光栅化（把 3D 模型变成屏幕上的像素画面）的 Xbox 了——电视本身就能胜任。

　　Mike：只需让电视本身具备你最喜欢的游戏设备那样的强大算力即可。

　　Charles：如果你拥有游戏化体验，那么电视上就能实现极具沉浸感的商务体验。一旦实现这一点，就会衍生出大量引人入胜的流媒体应用场景。当时我们就想：我们要为每一个操作系统构建 SDK，成为那个"持续推送解决方案"的平台。我们原以为只需开发 SDK 即可，但当我们与所有 CTV 的 OEM 深入交流时，他们凭借对移动端历史的洞察，非常睿智地提出了问题："让我确认一下：如果广告主购买了我的媒体资源，用你们的标签进行投放，而你们的 Kochava 工具又具备强大的受众反向工程能力，能在其他渠道找到这些用户——那对我（作为媒体方）有什么好处？"

　　Mike："这对我不利。"是的，我们见过这种模式如何演变——媒体所有者的顾虑完全合理。

　　Charles：确实"不好玩"。于是我们回应："理解，这是个好问题。那如果我们专门为广告主服务，构建一套独立的技术方案呢？"这就是我们现在所称的 Atlas Performance（我们内部曾称之为"面向发布商的 Kochava"）。它的核心是：媒体方可以掌控自身命运，同时我们也能以干净、安全的方式聚合数据，让业务成果可被观测。正因如此，LG、Samsung、Vizio、Roku 等厂商都迅速成为了我们的客户。所以当我们站在 2026 年回望这段旅程：这套方案其实构建于 2019 年，2019 年底上线；2020 年 2 月新冠疫情爆发，全球居家需求激增，流媒体使用量大幅上升。

　　Mike：每个家庭使用这类设备的时长都远超以往。

　　Charles：于是，仿佛一夜之间，我们就"神奇地"进入了 CTV 测量领域。但这一切都源于那个故事：我们敏锐地识别模式，并坚定地跟随模式演进。

　　View-and-Do：跨屏归因与效果电视的未来

　　Mike：你说得对。CTV 确实映射了移动应用经济的很多特征，但用户行为存在差异。正如你提到的，未来可能会有更多商业场景落地，但电视端的行为逻辑确实不同，100% 不同。本周我们反复讨论：该如何测量效果？是否需要更长的归因周期？是否所有 CTV 投放都应以效果为导向？你认为行业会围绕某一种标准或方法论达成共识吗？你如何思考 performance TV（效果电视）的未来方向？

　　Charles：效果当然至关重要。"观看 - 行动"组合的核心是：用户在电视端获得沉浸式观看体验，而"行动"（如下单、注册）则发生在移动设备上。测量方案必须能捕捉这种跨屏动态。我们的方案正是如此，并能将其转化为对垂直领域媒体买家极具价值的业务成果。例如，拥有 FAST 频道的客户在推广 TuneIn（一家全球知名的音频流媒体服务平台）等内容；同时，这套方案也切实帮助了快餐连锁和金融服务客户：比如，用户看到麦当劳广告后，若注册忠诚计划即可获得免费餐品——而我们能将"该广告在某一家庭电视端曝光"与"同一用户在移动端完成转化"进行关联归因。这对品牌而言价值巨大。

　　Mike：目前它仍是一个相对小众的领域，大概只有十几家大公司参与，且格局较为分散。AI 尚未像在 Meta、Google 那样真正落地——至少在"自动化优化"方面，因为目前各方仍在各自为战。你认为这种集中化优化在 CTV 领域可能发生吗？应该发生吗？

　　Charles：是的，你的问题包含两三个层面。首先，为什么 Meta、Google 等大公司能实现自动化优化？因为它们掌控端到端体验，可以自主闭环。而 CTV OEM 虽然也掌控自身领域，但现实是：它们只是广告主复合媒体计划中的一环，必须适配当前行业通用的工作流。因此，它们在某种程度上受制于代理商或品牌方的媒体采购决策。而这正是我们对 Station One 感到兴奋的原因：它真正在推动一种"生态共赢"的变革——不是只为 Kochava 或某一家发布商增值，而是让整个生态更高效。

　　这是解释"为何 Meta/Google 与其他 OEM、乃至程序化与 CTV 存在差异"的第一个要点。第二个要点是：在 CTV 发布商侧，仍有人认为"CTV 本质上就是电视"——今天现场就有这样的精彩发言，值得提醒大家。其次，它确实具备"效果属性"，但这取决于"方法论"与"执行路径"。如果这两点都正确，在座各位是理解的。但现在的挑战是：如何让万亿美元级别的广告预算，在上述事实背景下，真正改变其投放行为？

　　我们对 Station One 感到兴奋的核心在于：它真正在推动一种"生态共赢"的变革——不是只为 Kochava 或某一家 publisher（发布商）单独增值，而是让整个广告生态的协作效率整体提升。这正是解释"为何 Meta、Google 与其他 OEM 厂商、乃至程序化广告与 CTV 之间存在差异"的第一个关键要点。

　　我认为第二个关键点在于：在 CTV 发布商侧，仍有人认为"CTV 本质上就是传统电视"——今天现场就有这样的精彩发言，这其实是对所有人的重要提醒。其次，CTV 确实具备"效果属性"（performative），但这完全取决于"方法论"与"执行路径"。如果这两点都把握正确，在座各位是能够理解的。但现在的核心挑战是：如何让万亿美元级别的广告预算，在上述事实背景下，真正改变其投放行为与决策逻辑？

　　格局预判：供应链坍缩、私有化浪潮与 IO 层级竞价

　　Mike：你认为过去几年，行业是否一直期待：随着时间推移，这将吸引更多广告主投向电视？我认为已有一些迹象，但尚未形成我们期望的那种快速浪潮。你觉得这股浪潮正在到来吗？

　　Charles：100% 会来，而且速度可能超预期。我认为接下来会发生的是：由于 AI，人们的工作将经历全面颠覆与重塑。当大家抬起头、意识到自身处境时（比如在 9 个月、13 个月或 16 个月后）他们会惊讶地发现："哇，你看，媒体组合已经完全改变了，对吧？"接着他们会意识到："哦，原来这两者之间存在关联。"此前，确实有人希望维持现状。

　　Mike：他们自以为掌握了正确的媒体组合，对此充满信心。

　　Charles：或者，他们是从那些如今已不在 X、Y、Z 公司任职的无数"前专家"口中听来的建议。

　　Mike：于是，重新思考与能力重构开始发生，正如你所言。然后，突然间我们就有望看到更多品牌真正投向电视广告。

　　时间过得真快。我还有几个话题想继续。如何向我的 CFO 证明：CTV 投放相较于我们在 Facebook 的投放具有增量价值？又如何让他们承诺进行跨月度的持续投入？确实很难孤立地衡量 CTV 广告相较于其他渠道的效果，对吧？这是问题的核心吗？

　　Charles：是的。我记得 Kochava 早期有个客户叫 Machine Zone。这家公司由 Gabe Laden 领导，他是一位极具进取心、非常出色的操盘手，行事果断；还有 Deepak Gupta，时任 CRO，负责媒体采买与营收增长，是 Gabe 的得力干将。我从他们身上学到的是"媒体关系"的艺术。他们出色地理解了一点，并对外保密：当他们执行 X 和 Y 动作时，无论单个信号如何，某个"复合信号"会指向成功。他们其实是首家在超级碗投放广告、并大规模投放线性电视的游戏公司——那时 CTV 甚至还未出现。

　　他们采取的经营策略中，有一点让我受益匪浅。那是 2014 年左右（帮我确认下时间），远在 CTV 兴起之前。我从那次实践中领悟到的，正是我们现在在 MMM（Media Mix Modeling，媒体组合建模）中不断完善的理念：关键在于"组合"。不能只看"末次点击"或单一归因信号——因为效果往往来自多渠道协同。你必须整体审视媒体组合。

　　MMM 或增量测量的整体难点在于：它就像每天刻苦锻炼 4 小时，却看不到身材变化，这就是为什么很多人中途放弃：过程枯燥，回报延迟。原因在于，一旦踏上 MMM 之旅，人们会发现自己的数据并不干净，需要不断"锻炼"和修复。而我们认为自己做得不错、且在此过程中学到的一点是：媒体组合建模的本质，是让数据整合变得简单，并借助 AI 工具，对原本需要人工处理的"瑕疵"给予更大容错空间。所以我会这样回答那个问题：若不借助媒体组合建模，我认为无法实现提问者所期望的效果。而且，我认为直到去年，随着我们这类厂商提供的 AI 工具逐渐可用，才有较多组织真正具备开展 MMM 的能力。

　　Mike：我想问你：我们已多次讨论，agentic 与 AI 时代将如何改变代理商、品牌方与媒体公司。那么，广告科技本身会怎样？这是一个宏观问题。有种观点认为：一旦 agents 开始执行我们委托的任务，它们可能承接部分 DSP 或 SSP 的工作，这或许会"精简行业"，或让预算更靠近媒体公司。这对某些方有利，但并非对所有人都是好事。

　　Charles：你认为会发生什么？具体在什么时间、以什么方式？

　　Mike：我的意思是，我们当前这种品牌与执行之间层层嵌套的"雏菊链"结构，还会持续吗？

　　Charles：我认为会出现大量"坍缩"。关键在于重新定义角色：比如 SSP，过去声称其职责仅是聚合供给，如今却神奇地提供了直接采买其库存的方式；而 DSP，一直强调其角色是聚合需求、对接所有 SSP，现在也以自有形式、自有品牌、自有方法，提供独特库存。双方开始互相渗透，对吧？因此，在这两大"球门柱"之间，自然发生了坍缩。

　　我认为未来会出现大规模的产业链坍缩。实际上，整个行业正在重新定义每个环节的角色。比如 SSP（供应方平台），过去一直声称自己的工作只是‘聚合媒体广告位供给’，但现在却神奇地推出了让广告主直接购买其库存的功能。而 DSP（需求方平台），过去一直说自己的角色是‘聚合广告主需求并对接所有 SSP’，现在却开始用各种新名称、新形式、新方法，去获取独家广告库存，互相绕开对方的传统边界。对吧？所以，在 SSP 和 DSP 这两个曾经的‘核心支柱’之间，自然发生了一场职能边界的坍缩。

　　第二点正在发生的变化是：我记得在 2015 或 2016 年的某次峰会上，我们曾可视化呈现"每一美元广告预算的流向"——其中大量资金其实并未流向媒体本身。我们当时梳理了所谓"广告税"的占比，并强调：每一分钱都应真正用于业务目标。而这个问题，如今再次被提出。

　　Mike：市场中的资金是变少了，还是变多了？因为 Zuckerberg 曾提出"蛋糕可以做大"的观点。我认为总量在增加，但"税"（中间成本）可能会减少。

　　Charles：是的。因此，将有更多资金真正投入媒体运作；同时"税"会减少，因为许多原本构成中间成本的环节，现在正通过 agentic 方式自动完成。你可能在"代理舰队"上的投入会超过以往，但相比过去支付给各类中间件的总成本，这仍是更经济的。

　　Mike：而节省下来的成本，将更多流向你真正关心的、基于效果的营销活动。

　　Charles：真正有趣的是：如果 publishers 开始真正理解"如何驱动关键业务指标"，我们是否会看到它们以超高溢价提供独家库存访问权？

　　举个例子：我们有一位体育博彩领域的客户，他们非常擅长识别"鲸鱼用户"（whales，即高价值用户，源自博彩/游戏行业术语，指那 1% 贡献 90% 收入的核心用户。在广告语境中，泛指"高转化、高留存、高客单价"的优质受众）。天哪，他们在变现策略上做得极其出色——因为他们清楚自己手里有什么资产。这非常有启发性。

　　Mike：这种模式完全可能扩展到博彩行业之外，影响整个广告生态。

　　Charles：这涉及买方与卖方之间的动态博弈。历史上，我们一直试图定位为：帮助买方比其供应商更"精明"，从而获得更好的议价能力。

　　而且我认为，suppliers 正变得越来越精明。因此，双方需要在"能力对等"的基础上对话：究竟什么是价值？交付的到底是什么？这其中蕴藏着巨大的"扁平化"机会。

　　Mike：扁平化。这将改变市场动态、定价机制等方方面面。确实很有意思。

　　Charles：顺便说一句，虽然你没问，但我认为这是一个很棒的推演：programmatic 过去聚焦于"单次曝光"或"单一位置"的竞价；而我认为，未来我们将看到竞价在"订单层级"进行。这几乎相当于"规模化的程序化保量"，但发生在 IO 层级。我认为这将成为可能，因为人工操作在管理上几乎无法实现，而 agentic 则完全可以胜任——你既能获得想要的控制力，又能弥补过去缺失的规模化能力。

　　Charles 预测：未来的广告竞价不会只盯着"单次曝光"，而是会在"整个订单"（IO）层面智能执行——既保留程序化的效率，又具备保量合同的确定性。靠人工根本玩不转这种复杂度的"保量+灵活"平衡，但 AI 代理可以，这正是"agentic workflow"的核心价值。

　　Mike：理论上，你既能保留想要的控制力，又能获得此前缺失的规模化能力。

　　Charles：这句话我想用作标题，可以吗？"你想要的控制力 + 你一直缺失的规模化"。

　　Mike：最后一个问题，阻碍我们实现刚才描绘的未来的最大障碍是什么？什么会让你担忧？

　　Charles：又要说点"负面"的了，像我一贯风格？（笑）是的。我认为，未来 16 个月我们将面临的变革之深刻，堪比 Elon 将 Twitter 私有化。外界对"他做得对不对"众说纷纭，但我暂不评判；我想强调的是：有些事作为上市公司确实极难推进。因此我认为，未来 16 个月，"保持私有状态"将被视为一种战略优势——因为无需在众目睽睽下裸身穿越变革风暴。

　　Mike：无需在公众审视下、赤裸裸地经历所有变革，这种"负面但真实"的感受，我懂。

　　Charles：因此我认为，接下来会发生的是：大量"私有化"案例，叠加大量"并购整合"——但这些整合不会是为了收购技术（因为 AI 让技术极易重建），而是为了收购"合同"。

　　潜台词就是：别卷技术了，卷客户关系了。因为前者会被 AI 拉平，后者才是穿越周期的护城河。

　　Mike：这是一个在免受公众审视的情况下重整旗鼓的窗口期。

　　Charles：而两年之后，将迎来一波首次公开募股（IPO）的繁荣潮。有意思吧？哇，这就是我对未来 24 个月的判断。

　　Mike：这其实是一个充满希望的结尾，为这场精彩对话画上句号。Charles，非常感谢你，也感谢现场与收听本期节目的每一位。谢谢！

责任编辑：赵莹