被無效流量（IVT）嚴重影響的廣告市場
程式化購買帶來了精準投放，以人為粒度的精準投放為解決“沃納梅克”問題帶來了曙光。聽起來再也不會發生“有一半的廣告費被浪費”的事情發生了。
不幸的是，事實并非如此。程式化購買帶來精準投放的同時也為無效流量（下文簡稱：IVT）帶來了更大的機會。
由于程式化購買可以使廣告流量在瞬間完成多方交易，而交易的過程都是在媒體、SSP、ADX、DSP的伺服器端完成，廣告請求造假成本極低，基本上相當于0成本。結果導緻了更加猖獗的IVT橫行。
于是，沃納梅克的“一半浪費”在非目标人群上的廣告費用，變為了更多的浪費在IVT上的廣告費用。
這個情況帶來的後果是非常嚴重的，衆所周知在獨立DSP火爆的那幾年，行業共識是DSP隻能投放品牌廣告無法投放效果廣告，以至于後來媒體DSP崛起後，比如“巨量引擎”、“廣點通”等都不敢對外宣稱自己其實就是個DSP。
不難看出，由于洶湧的無效流量（IVT）沖擊，程式化廣告帶來的精準投放變成了一個笑話。甚至一度使廣告網際網路廣告行業陷入了僵局。
大媒體平台DSP之所有能有效果，主要還是因為自有媒體無效流量可控。與此同時，大媒體平台的網盟流量的效果類投放仍然是一地雞毛。那些技術、資料及完善的平台功能并不能改變大量IVT使廣告無效的事實。
事後甄别的商業困境
對于IVT問題，行業中也有一些發現機制，大體分為兩類：一類是監控公司根據曝光、點選通知中的一些資訊判斷IVT；另一類是一些做反欺詐業務的資料公司根據轉化後使用者在App的後續行為或落地頁上的行為來判斷是否真實使用者。
除此之外，也有一些廣告平台有一些内部風控機制，可以根據曝光、點選、後續行為等對流量進行甄别。
無論以上哪種方式都屬于事後甄别，事後甄别的最大問題就是就算發現了IVT還需要和媒體進行商務議價，而大多數情況下，媒體是難以接受的。
更難受的是廣告平台，監控方或廣告主發現了IVT，但流量平台又感到很冤枉，往往廣告平台隻能通過補量和公關來挽留客戶，本來利潤不高還得受夾闆氣。
機器學習技術與IVT預測
既然IVT給全行業帶來了巨大的傷害，而目前的各種事後甄别方法又不能解決根本問題，那麼有沒有一種防患于未然的方式可以在曝光産生之前就判斷IVT并且進行攔截呢？答案是肯定的，那就是——淨量引擎。
在程式化購買中，第一個環節是廣告請求。淨量引擎就是以廣告請求資訊為主，綜合曝光、點選的資訊。以基礎庫+流量特征為資料基礎，通過機器學習來實作預先判斷IVT的系統。
淨量引擎的目标是徹底解決IVT在廣告投放中的困擾，使程式化購買可以揚長避短，真正實作精準投放帶來的避免廣告浪費的好處。
徹底盤活流量市場，使中小媒體流量也可以放心的用于效果廣告的投放。幫助和扶持大中小廣告平台，使整個廣告行業突破發展瓶頸，再次出現百家争鳴百花齊放的局面。
目前為止，淨量引擎不僅可以攔截IVT，同時還可以根據媒體的流量品質給媒體評分評級，讓采量的廣告平台對自身媒體以及供量管道有一個清晰的了解，以便更好的服務客戶。
流量适用性與場景預言機
不考慮精準投放人群包的情況，即便是真量也有适用場景。淨量引擎的核心機制就是根據流量特征進行判斷，就是說在判斷是否IVT的同時，也可以根據流量特征判斷其适用場景。
在下一個版本中，淨量引擎将引入流量适用場景的概念。不僅可以幫助廣告平台過濾IVT，同時可以提供流量适用場景參考給廣告平台，使廣告平台的流量供給更加有的放矢，進而更好的提升廣告效果。