← 返回全部情报
Kantar × Microsoft:把 35 年广告评测 IP 做成可闭环的 LINK AI Content Optimizer 的封面

·Microsoft Command Line / Frontier Company·文创实践收录 2026-10-23

Kantar × Microsoft:把 35 年广告评测 IP 做成可闭环的 LINK AI Content Optimizer

文创广告评测KantarMicrosoft学习环内容优化AKS

一句话结论

Kantar 把 LINK 库(约 3500 万消费者互动、逾 26 万条广告)与评分引擎接成「评分→建议→生成变体→再评分」学习环,并把输出压到约 6 个关键维度、下沉到场景/图像级,避免 6 秒改进被 30 秒整片分稀释。

打开原文 Microsoft Command Line:Kantar LINK AI Content Optimizer

背景与理念

广告优化若只有整片总分,短镜头上的改进会被长片分数稀释。团队要把 35 年评测 IP 变成可闭环系统:外环改素材,内环用专家反馈与 trace 调 grader、技能与编排。

具体做法

学习环:评分→建议→生成变体→再评分。输出压成约 6 个关键维度,并下沉到场景/图像级评分。

评分侧:约 20 个 ML 服务迁到 AKS + Dapr Workflow。评测看四维:准确、一致、可追溯、成本/时延/安全;自动 LLM 裁判与专家互校。

关键数据/例子

LINK 库约 3500 万消费者互动、逾 26 万条广告。

单片评分约 15 分钟降到分钟级,大批量从数天降到数小时。

首轮压测失败约 80% 请求,排队与通信改后约 95% 通过。

创新点

第一,先把专有评测拆成多粒度 grader,再谈 agent 建议与生成。

第二,评测优化器本身,而不只看最终素材分。

第三,专家评测工具化收集,进入内环调参。

可否复用

  1. 内容优化先定义多粒度评分,避免短改进被长内容总分淹没。
  2. 把「改素材」和「改评分器/编排」分成外环与内环。
  3. 上线前做压测:排队与服务通信往往比模型本身先爆。

笔记会在输入时自动保存。