程序化广告在竞价、投放及优化等环节已实现高度自动化，但从需求提出到交易达成，仍有大量工作依赖人工协作。
近期，IAB Tech Lab推出Agentic Advertising Management Protocols（AAMP）3.0，并引入OpenProposal规范草案，旨在推动AI Agent参与需求征集、提案评估和交易确认等环节。这一进展将给程序化交易带来哪些变化？媒体方又该如何适应新的采购方式？
在正式投放之前，买卖双方仍需经过一系列沟通与协商。广告主提出营销目标和采购要求，媒体方据此提供库存方案，双方还需就目标受众、内容环境、广告形式、价格、投放时间和效果衡量等条件达成一致，才能最终确认交易。
实际操作中，这些信息往往分散在邮件、PPT、报价单和表格中。不同媒体方的提案格式和信息完整度也存在差异，买方需要花费大量时间整理、比较和确认。
AI Agent有望提高广告采购的前期评估效率。买方Agent可以根据广告主的采购要求，协助筛选媒体资源、比较不同方案，并识别符合条件的交易机会。与此同时，这种采购方式也对媒体方的提案质量提出了更高要求。传统采购可以通过双方反复沟通补充信息，而AI Agent主要依据提案中可读取的信息进行评估。如果库存描述模糊，或缺少价格、投放时间、效果衡量等关键内容，即使资源本身具备竞争力，也可能难以获得买方的优先考虑。
因此，媒体方不仅需要展示库存优势，还应提供清晰、完整且便于比较的提案信息，为后续评估和交易提供依据。
OpenProposal是IAB Tech Lab推出的AAMP 3.0规范之一，旨在为买卖双方的AI Agent建立统一的信息交互标准，推动广告需求、媒体提案和交易条件的规范化衔接。该规范草案的公开征求意见期截至2026年10月22日。
按照OpenProposal的设计，AI Agent可参与以下环节：
-
需求解析：将广告主的营销目标、受众、预算、投放时间及采购要求整理为结构化信息。
-
提案提交：媒体方按照统一的信息要求，提供库存组合、广告形式、价格及资源价值说明。
-
比较与筛选：买方Agent对照采购要求比较不同方案，核查库存与受众、档期及投放条件的匹配程度。
-
协商与确认：买卖双方围绕交易条款进行协商，并保留与原始提案的关联信息。
-
执行与评估：通过现有交易标准支持后续投放，并依据最初的目标及约定评估广告表现。
与传统依赖文档和人工沟通的方式相比，标准化提案有助于减少信息整理与重复确认的工作，也让买方更容易按照统一标准比较不同资源。
OpenProposal还注重与现有程序化广告标准的衔接。IAB Tech Lab正推动其与AdCOM、OpenDirect和Deals API等标准协同，使提案、交易确认与实际执行保持连贯，而不必建立一套独立的交易流程。
在AI辅助采购中，媒体方不仅需要拥有优质库存，还要让买方准确识别其价值。例如，一款App可能拥有高参与度用户和优质激励视频广告位，一家移动网页媒体则可能具备可信的内容环境和明确的用户访问意图，但如果这些优势未能在提案中清晰呈现，买方Agent就难以准确判断库存与广告主需求的匹配程度。
因此，即使库存本身具备竞争力，也可能因提案信息不完整、缺乏统一标准而在自动化评估中处于不利位置。媒体方需要根据买方的采购要求，提供清晰、具体且便于比较的库存信息，主要包括：
-
目标匹配：说明库存与广告主目标、受众、投放市场、预算及KPI的匹配情况。
-
库存与场景：明确App、移动网页、CTV、游戏内广告等不同环境，以及广告形式、展示位置和内容特点。
-
价格与供给：交代定价方式、可用库存量、投放时间和交易条件。
-
质量与衡量：提供品牌安全、内容适宜性、历史表现及可支持的效果衡量信息。
-
供应路径：说明库存来源和交易渠道，让买方了解广告资源的获取方式。
这些信息并非为了增加提案的复杂度，而是帮助买方准确评估库存价值和匹配程度。对媒体方而言，未来的竞争不仅在于库存规模和质量，也在于能否向买方及其AI Agent清晰呈现资源优势。
OpenProposal推动的标准化流程，不仅涉及买卖双方的沟通方式，也可能改变媒体方、广告主和技术平台在交易中的工作重点。
随着提案评估逐步标准化，媒体方需要更加重视库存信息的完整性与准确性。清晰的场景描述、可靠的历史表现和透明的供应路径，有助于买方识别资源优势、匹配相关需求；反之，信息缺失或表述模糊则可能影响交易机会。
AI Agent可以协助广告主比较更多媒体资源，减少人工整理与沟通成本，但采购效率的提升并不必然带来更好的投放效果。除了价格和曝光规模，买方还需将内容环境、受众相关性、品牌适宜性及效果衡量等因素纳入评估，避免因筛选标准片面而错失优质资源。
对于SSP、Ad Exchange等技术平台，AI辅助交易对库存元数据、交易条件和效果衡量信息的一致性提出了更高要求。平台需要支持买卖双方准确匹配采购需求与交易条件，并与现有投放及衡量系统衔接，推动提案内容与实际交易、投放执行保持一致。
总体而言，AI Agent能够承担更多交易环节的工作，但其实际价值仍取决于信息质量、评估标准和流程透明度。
尽管AI辅助采购仍处于发展阶段，媒体方也可以通过完善库存信息、规范提案流程，为新的交易方式做好准备。具体可从以下方面着手：
-
优化库存打包：结合受众特征、内容场景、广告形式和营销目标组织库存，突出资源的差异化价值。
-
规范库存信息：明确区分App、移动网页等广告环境，统一广告形式、展示位置及内容类别的描述。
-
完善交易条件：清晰列出价格、库存可用性、投放时间及交易条款，减少反复沟通与确认。
-
明确衡量方式：说明可提供的效果指标、数据报告及评估方法，支持买方判断投放价值。
-
提高供应链透明度：清晰呈现库存来源与交易路径，便于买方核实资源质量。
-
提升提案可执行性：将库存方案与买方采购要求对应，促进提案评估与交易执行的衔接。
这些措施同样适用于当前的人工采购流程，有助于提高提案质量、减少沟通成本，并为后续交易提供更可靠的依据。
AI Agent对程序化广告的影响，可能首先体现在交易流程的标准化，而非完全取代人工谈判与采购决策。从需求解析、资源比较到交易确认，更规范的信息交互将为进一步自动化奠定基础。
对媒体方而言，优质库存仍是竞争力的核心，但如何清晰呈现库存优势、交易条件和效果表现，也将影响买方的评估与选择。随着AI Agent逐步参与广告采购，信息的完整性、准确性和透明度将变得更加重要。
AlgoriX将持续通过媒体变现与广告采购解决方案，帮助媒体方连接优质广告需求、实现长期收益增长，同时协助广告主在移动App等数字广告环境中获取优质库存，推动更高效、透明的程序化广告交易。
