由于最近技术的进步，特别是在人工智能和机器学习方面，许多研究人员、科学家、人工智能工程师和创新者都表示担心他们可能会失去对其创造物的控制，产生了所谓的人工智能控制问题。对人工以及自然发生的生理-化学/生物系统的控制是实现这些系统的预期目标的关键要求。
让我们考虑一下 "汽车的巡航控制 "作为一个例子。在这里，实际速度由速度表记录，并被 "反馈"，与巡航控制的速度设置进行比较，如果速度太低，就会导致发动机加速。其他控制系统可以在自动驾驶汽车、飞机的自动驾驶模式、汽车的防抱死制动系统等中看到。
在这篇文章中，我们将了解控制系统以及如何利用这些系统来优化数字营销活动。但是，在此之前，让我们了解一些概念。
控制理论
控制理论是应用数学的一个领域，它通过研究可观察性、可控制性、稳定性和最优性，重点研究动态系统的行为。
现在让我们逐一理解这些术语。
- 可观察性” 对于一个系统，我们可以测量哪些变量？
可观察性是指根据对系统外部输出的了解，可以推断出系统的内部状态。换句话说，你应该能够看到被观察的系统内部发生了什么，或者说系统必须是可观察的。
- 可控性“哪 些变量可以被操纵以使系统达到预期状态？
可控性在许多控制问题中至关重要，包括通过反馈或优化控制来稳定不稳定的系统。换句话说，你应该能够在控制输入下对给定的动态系统做任何事情，或者说系统必须是可控的。
- 稳定性:系统能多好地处理小的扰动？
稳定性意味着在小的扰动下，轨道不会变化太大。
- 最优性： 我们如何能以最小的成本保持系统的可控性？
最优性是指系统的收益和成本之间的差异达到最大。
比例-积分-微分（PID）控制
控制理论中的一个核心构件是PID控制的概念。为了理解PID控制的工作原理，让我们从一些基本定义开始。
- 状态变量：定义需要控制的（子）系统的关键变量
- 设定点（SP）：状态变量的期望值，可以是静态的，也可以是随时间动态变化的。
- 测量值（MV）：在某个时间点上测量的状态变量的实际值
- 误差：SP和MV之间的差值
- 控制变量：可以操纵的关键变量，使系统朝着期望的方向移动，使误差最小化。
鉴于上述定义，PID控制模型决定了误差项如何转化为控制变量，具体如下：
- 比例（P）控制:顾名思义，控制变量的增加/减少与当前的误差水平成直接线性比例。
- 积分（I）控制：规定时间内的误差相加（积分），控制变量根据这个累积误差增加/减少。
- 差分（D）控制：测量误差相对于时间的变化率，控制变量根据这个变化率来增加/减少。
PID控制系统中的控制变量是由所有三个组成部分的综合效应决定的。三者之间的平衡是通过调谐确定的，调谐确定控制功能中三个项的最佳常数。
除了综合PID控制器，我们还可以有比例-积分（PI）、比例-差分（PD）、纯比例（P）等，这些控制器对特定系统更有效。
优化数字营销活动
就其本质而言，数字营销或程序化广告活动是高度动态、实时发展的系统。程序化广告使用人工智能来自动购买广告并决定广告活动的目标群体。
全球数字广告支出预计将比去年增长15.2%，在2022年达到5243.1亿美元。根据Statista的数据，程序化广告仍然是购买和销售数字广告空间的主要方法，2022年全球程序化广告支出将达到82%。近41%的营销人员表示，人工智能和机器学习对其收入增长和业绩影响最大。
那么，PID控制方法如何在数字营销中应用？
以一种相对简化的方式，通过应用上述的系统定义，我们可以将其视为如下:
- 状态变量:活 动的关键绩效指标--每天的印象数、浏览数、点击数、CPA、CPC等，每天的可用预算
- 设定点: 每天的印象数、浏览数、点击数、CPA、CPC等的目标数，每天需要消耗的预算，等等。
- 测量的价值: 在某一天观察到的印象数、浏览数、点击数、CPA、CPC等的实际价值，每天消耗的实际预算
- 误差:状态变量的目标值和实际值之间的差异。
- 控制变量:竞 价策略
因此，对于一个给定的活动，通过不断测量KPI的目标值和实际值之间的误差，制定和调整PID控制函数，我们可以确定最佳的竞价策略。
在实际营销活动中执行这种方法，需要注意的一些细微差别包括
- 采取竞价策略（控制行动）的正确频率是什么--应该是每天还是比这更频繁？
- 如何将活动结束时的KPI目标转化为中间设定点目标？
- 如何考虑各种KPI的相互依存关系，使优化一个KPI不会对其他KPI产生不利影响？
收尾工作
这一点很方便；比如说，你想让你的网站或应用程序对用户的动态行为做出更多的反应。通过应用这些步骤，你可以高效、无缝地优化你的营销活动。
这篇文章是由AIM领导人委员会的一名成员撰写的。AIM领导人委员会是一个由数据科学和分析行业的高级管理人员组成的只接受邀请的论坛。要检查你是否有资格成为会员，请填写这里的表格。
