做效果营销有三个核心的技术引擎。一是预测引擎，即选择对的用户，以Criteo认为合适的竞价向他投广告；二是推荐引擎，即当决定向该用户投 广告后，Criteo该向他投什么产品的广告？第三是创意优化引擎，即究竟以什么样的创意、用一个什么样的模板来展示广告，才能更吸引用户。

　　在用户的选择上，目前市场上比较常见的做法，是根据大数据做用户画像，给他贴上各种标签，例如，性别、地理位置、职业、受教育程度、收入状况、 消费能力、兴趣爱好等，以此来判断他是否是某个产品的目标消费者。而Criteo的逻辑是以用户的第一手数据，即用户最近在客户网站上的行为，为核心去投 放，例如用户最近常浏览某款车的页面，或者不久前在网站上把一个产品放入购物车。Criteo并不知道用户是谁，也不关心用户的身份或者用户画像，但 Criteo知道这个用户最近的一些购物行为数据，Criteo会根据用户最近的数据，例如24小时或者两三天之内的数据，利用自主学习的智能算法来预测 用户的购买行为，最后在用户有采购意向的时间段，向他提供与他有关联的产品广告信息。

　　基于这种逻辑，Criteo并不关心用户的标签或者画像，只关心用户近期在电商网站的行为；其次，Criteo也不重点关注发行商的内容。很多 DSP的投放原则，是在汽车网站上投汽车广告，在时尚网站上投放护肤品、彩妆广告，Criteo不将重点关注在将广告投放在哪一类媒体上，而是重点考虑在 出价过程中，买到的这个广告位值不值。这就涉及到预测转化率高低。当用户在网上浏览时，发行商向Criteo发出请求，询问是否需要竞价。Criteo预 测引擎将在一秒之内给用户一个评分，判断他的广告转化几率的大小，计算出一个很准确的竞价价格，引擎算法越准确，就越能很好地控制转化背后的成本。

　　在最后的广告投放环节，Criteo有一套动态创意优化方案DCO，可以通过多维度的优化组合进行量体裁衣的创意式广告。在选定一个用户后，系 统在很短的时间内将调动所有的数据，计算出最适合用户的广告形式。例如根据发行商的不同、用户所使用终端的不同，以及用户对特定颜色的敏感度等，通过广告 元素的组合来进行创意优化，为特定用户打造出一个客制化的个性广告。例如，历史数据显示用户点击红色广告的概率更高，就把广告底色设为红色；又比如通过调 节产品展示的空间和广告的尺寸来提高用户的点击率等。目前，Criteo能实现17万亿种广告的变化。

　　这种模型因为针对性更强，投放的广告与用户的相关性高，点击和转化率也更高。以Yoho!Buy有货App为例，基于与Criteo科韬广告一 年的合作，有货App端因新品发现（推荐客户未浏览过的相关产品）而产生的销售量占其总销售额的63.47%，CPA（单个订单成本）只有PC的35%。