AI實戰派,這家公司如何做到AI應用的從1到N
與 AI 公司先有技術,然後拿著技術尋找場景不同,深演智慧誕生於真實的大規模應用場景,從中不斷積澱 AI 技術,瞄準傳統產業智慧化的需求,打造決策 AI 平臺。
「啤酒和尿布」的故事已流傳近 20 年,卻依然被奉為大資料分析的經典案例,代表了大資料應用的雛形,挖掘資料之間的相關性來指導商業決策。
這也凸顯了企業構建資料管理平臺的重要性,尤其是在經濟「疲軟」的當下,苦練內功,依託人工智慧、大資料等技術進行智慧決策,最佳化效率,廣受企業追捧。
知名調研公司 Forrester 對 100 家中國企業的調查顯示,有超過半數的受訪者表示公司正在使用第一方資料管理平臺,有約 1/3 的公司表示他們願意增加在營銷技術及軟體上的投入。
面對市場新的需求,一家在數字化營銷領域前行了 10 年的 TOP 玩家——品友互動,如今邁出了求變的步伐,將自身品牌升級為「深演智慧」。在這背後,其業務場景也由原來的數字營銷轉變為更多元的智慧決策。
從智慧營銷到智慧決策,深演智慧是如何煉成的?在其背後,又是一套怎樣的技術架構支撐場景的延伸與商業落地?
透過深演智慧這一案例,對於 AI 公司從「1 到 N」擴充套件業務場景,尋找真正的 AI 落地具有借鑑意義。
深演智慧創始人兼 CEO 黃曉南(左三)、深演智慧聯合創始人 COO 謝鵬(左二)和深演智慧 CTO 歐陽辰(右三)在品牌升級儀式上。
01、營銷活動本來就是一項複雜的決策行為
想要透徹的瞭解深演智慧,還要從更名前的品友互動(以下簡稱「品友」)說起。
最初,品友的主要業務是圍繞營銷場景的廣告投放。與其他廣告平臺不同,品友成立之初,做的就是基於技術驅動的精準廣告投放。
具體來說,品友一手對接日均 280 億的流量,谷歌、百度、騰訊、淘寶、新浪等 25 家主流廣告平臺都是「好朋友」,另一手匯聚廣告主的廣告內容,品友要做的就是練就一雙「火眼金睛」,在海量流量中,為廣告主找到想要觸達的使用者。
這裡涉及到三個關鍵要素:內容、投放平臺和消費者,即品友的價值就在於實現廣告內容和消費者的精準匹配,尋找一個三者利益的最優解,才能實現平臺價值最大化。
精準廣告投放並非易事,這涉及推薦技術,也包括每一次流量價值的評估問題,比如流量側的價值評估,廣告側的理解,以及流量和廣告的匹配和推薦關係;整個過程也涉及到過濾、排序和重排序等過程。
首先,要解決的是推薦問題,針對每一個投放,你需要在流量池中做一個排序,獲取儘可能多的流量,這意味著更高的點選率。但這隻解決了第一步,更重要的是如何衡量每一個選項背後的價值,即花多少錢的問題。當一個流量過來後,如果出錢少,可能廣告的排序會靠後,達不到需要的效果;如果出錢多,就無法做到投入產出比最優。
總結來看,營銷背後涉及點選率預估、轉化率預估、出價預估,還包括虛假流量等等的判斷,這本身就是一項複雜的決策行為。在這一探索最優解的過程中,透過海量規模的投放實戰,品友不斷積澱自身的 AI 技術。
02、大規模 AI 場景實戰中的技術沉澱
在營銷的投放過程中,最為重要的一個環節是使用者洞察,深演智慧在這個過程中沉澱了大量結構化體系與 AI 技術。
很早他們就開始用標籤的方式來做人群畫像分析,並於 7 年前就推出首個數字廣告人群類目體系 (DAAT)。深演智慧 CTO 歐陽辰介紹,這個體系構建了大概六大類超過 6000 個開源類目標籤,包含人口基本屬性、興趣愛好、行為屬性、電商屬性等等,可完整地涵蓋各類網路使用者群的不同屬性。透過獨有標識拉通 (ID Mapping) 專利技術,整合多方資料中的標識資訊,加強對使用者行為的分析和理解。
基於標籤體系,透過聚類分析和非監督學習的方法,進行人群「自動分類」,相比人工分類,機器可以根據多維特徵自動劃分 N 個類別,從而制定出相應的創意策略和投放策略等。
在投放時,透過機器學習演算法,提取人群的高維度特徵,並能自動生成人群策略,在提升廣告推送精準性的同時,提升後期的轉化效果。
在構建標籤特徵的過程中,也會透過對大資料的挖掘,不斷沉澱有價值的衍生特徵。歐陽辰稱,「理論上拿所有的特徵去訓練模型,可以讓機器學的更好,但實際會發現有些特徵可能會帶來一些噪音,這時一方面取決於人的經驗,一方面取決於機器學習的進展。」
此外,深演智慧也使用自動化學習(AutoML)進行調參以及特徵篩選,從而加速訓練過程。
另一個關鍵要素是投放內容,如何生成內容策略,也是技術團隊在解決的問題。歐陽辰介紹,透過對廣告主歷史廣告內容以及受眾互動資料的分析,利用機器學習建模,可以分析出每個創意的各種特徵對不同型別受眾的效果(比如以點選率作為反饋)。
在此基礎上,他們可以自動生成創意策略,比如針對有的人群著重突出商品的價格,生成更優的廣告元素的分佈、色彩的生成等等,實現最大收益人群和創意型別的組合策略,並生成基於投放效果的智慧媒體排期。
歐陽辰稱,這些自動生成的營銷策略,在一些案例中, 可以幫助客戶提升 30% 的營銷效果,大大節省了成本。
反欺詐也是運營活動中經常遇到的問題。比如,某位快消客戶做活動送獎品時,本打算回饋忠實使用者,不料「羊毛黨」襲來。基於標籤體系,結合複雜網路、聚類分析以及專家規則等,幫助客戶有效地阻擋了羊毛黨的「入侵」。
深演還使用 NLP(自然語言處理)技術對網頁的內容進行分析,並透過聚類分析,將虛假網站等不良網站識別,去除不良流量。
此外,他們還將營銷知識沉澱成知識圖譜,營銷鏈路包括產品的定位,賣點分析,媒體選擇,創意製作分析,受眾畫像等,充分利用機器學習和演算法模型可以提升各個環節的效率和準確性。
圍繞 AI 營銷領域的 10 餘年實踐,深演智慧沉澱下了行業知識圖譜、使用者畫像、機器學習、資料探勘等技術,這些技術構成了智慧決策的基礎框架,並落地在三款產品線,即圍繞資料管理平臺的 AlphaData™,圍繞廣告內容的創意管理平臺和媒介管理平臺 AlphaDesk™,以及面向企業全面數字化的 Alpha-OS™。
03、品友應變,「深演」出
在傳統產業數字化轉型、智慧化升級的大背景下,一方面構建企業自身資料平臺,進行智慧決策正成為趨勢,企業的需求也從營銷投放擴充套件到更多元的決策領域。
另一方面,在營銷場景打下一片天地的品友,技術與業務上有了更長足的進展,也希望邁出求變的步伐,謀求更大的發展。內外雙重促因下,用深演智慧聯合創始人兼COO 謝鵬的話來說,「品友開始應勢而變。」
近期品友將品牌升級為「深演智慧」,此次升級之後,品友則作為營銷業務的子品牌存在。「深演」二字頗有意味,「深」字象徵深度,「演」字源自「觀天之化,推演萬事之類」,取深度資料探勘和資料演算法建模進行決策之意。
這次升級也意味著, 深演將智慧決策能力從營銷場景逐步擴充到公共決策、疫情預測、商業決策等更多 AI 決策場景。
謝鵬認為,新品牌貼合公司實際的業務提升,同時承載了他們更廣闊的願景。
品牌升級背後,更有深演技術體系的全面升級。歐陽辰談道,公司過去主要圍繞營銷領域進行技術積澱,現在更加圍繞 AI 技術佈局。
在感知層面,深演重點佈局了影像識別技術。認知層面,深演也在更多行業構建知識圖譜,幫助決策推理。決策層面,深演在不斷完善針對更多行業的智慧決策產品。
加之前期儲備的各項 AI 技術,深演開發了一套面向機器學習和大資料的 AI 決策架構,從而支撐起各個場景的應用。
歐陽辰介紹,這一技術平臺可以分為三層, 最底層是基礎架構層,提供計算資源和微服務架構,並且支援私有化部署以及混合雲的設計架構,能夠適配不同的雲廠商和資料中心。
中間是能力層,整合了深演的資料能力和演算法模型,以平臺的形式呈現,包括資料治理平臺、標識打通平臺、預測平臺、報表平臺等等。
再往上是更為標準的應用層,比如人群分析、投放分析、流感分析等等,它是一個相對固定的模組,不同行業結合自身場景可以直接拿來使用。
深演也將計算、資料和演算法等核心的 AI 能力打包成一個平臺產品——AI引擎「福爾摩斯」,提供行業資料方案,幫助企業智慧決策。
歐陽辰總結道,這一平臺具有很好的可擴充套件性,並使用微服務的模式,將所有的能力模組化,當客戶構建資料管理平臺時,可以像搭積木一樣靈活調配所需要的能力。
04、AI「實戰派」幫助企業扭轉戰局
依託底層技術架構和模組化的能力,現在深演智慧開始在公共決策、疫情預測、商業決策等決策領域發揮更大的價值。
一家做流感藥的藥企遇到一個問題,流感藥銷量往往忽高忽低,並且各地區的銷售也不均衡。如果能用資料預測流感狀況,就可以更早的展開銷售與產品配送服務。
深演結合藥企的一方資料和搜尋資料、氣溫資料以及其他第三方資料進行建模,從中提取出 70 多個變數進行分析,進而他們發現溫度的連續變化是流感發生最為重要的指標,將這些綜合起來可進行 7 天或 30 天內的流感預測。經過近三個月的最佳化,流感預測準確性可達 80%,從而幫助藥企更好的開展銷售決策和渠道管理。
對車企而言,銷售決策是一個至關重要,直接影響企業的業績,因此車企格外重視來自各個渠道的使用者反饋,以此最佳化決策。但他們面臨的問題是每天都可能收到幾萬條線索,此時如何識別虛假線索,如何進一步挖掘高價值線索就顯得尤為重要。深演透過平臺的能力,第一步先透過模型把欺詐線索、虛假線索排除掉;接著對剩下的線索進行真實性打分,判斷哪些線索的質量更優,推薦給車企進行銷售決策。該模型幫助車企提高 36% 的到店率,幫助經銷商積極挖掘高潛客戶。
另一個案例是針對一個會員制的零售商,它主要透過公眾號和線下門店接觸使用者,主要目的在於獲得會員並提升銷量。深演將零售客戶的會員與新使用者進行模型上的分級,然後結合所有商品做了一個聚類分析,勾勒出每一群人對什麼型別的產品最感興趣,然後將相關的折扣資訊透過公眾號推送給會員。透過這種方式,會員帶來的銷量在一個季度增長了三倍。
上述三個應用,只是深演智慧決策案例的冰山一角,深演的資料與技術能力正在切實為不同行業帶來改變。
在技術發展路徑上,這家公司先找到 AI 落地的場景,並在場景中不斷豐富 AI 能力。對於未來規劃,深演智慧創始人兼 CEO 黃曉南很明確,「就是要基於我們的 AI 技術,打造中國前沿的基於人工智慧和大資料技術的企業決策 AI 平臺,全方位的幫助企業打造核心競爭力」。
AI 已經進入戰火紛飛的應用時代,畢馬威最新的一份報告中,分析了 2019 年八種人工智慧的應用趨勢,運用 AI 技術的公司在單個專案的特定平均生產率提高了 15%,大多數受訪公司表示投資 AI 曾經幫助他們扭轉戰局。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69946223/viewspace-2658273/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 嚴守工期,確保質量,這家AI資料標註公司做到了!AI
- 從單專案研發到多專案並行,這家遊戲公司是如何做到的?並行遊戲
- AI人才「用工荒」如何解決?看看這幾家頂級公司的應對策略AI
- 他研究了5000家AI公司,說人工智慧應用該這麼做!AI人工智慧
- “全棧”:從AI開發者到AI工業家的首席關鍵詞全棧AI
- AI 大模型應用開發實戰(04)-AI生態產業拆解AI大模型產業
- 應用實戰:從Redis到Aerospike,我們踩了這些坑RedisROS
- 璞華AI大模型應用的探索之路:從AI大模型開發與運營平臺到應用寶庫的最佳實踐AI大模型
- 雲開發實踐:從 0 到 1 帶你玩 AIAI
- 開除AI倫理學家,谷歌如何從“不作惡”到“不寬容”?AI谷歌
- 從勞動密集到AI密集,「實在智慧」如何助力企業邁向AI路AI
- 這家中國AI公司,正在打入新加坡AI“腹地”AI
- npc的AI是如何運作的? 從程式到策劃深入談遊戲AIAI遊戲
- 金山AI團隊:從理論突破到應用場景落地AI
- AI實戰分享 | 基於CANN的輔助駕駛應用案例AI
- 從構建關係網到面試最後一問,這是一份AI公司應聘全面指南面試AI
- NFT+AI可以如何應用?AI
- AI 大模型企業應用實戰(06)-初識LangChain大模型LangChain
- 手把手帶你用香橙派AIpro開發AI推理應用AI
- LLM應用實戰: AI資訊的自動聚合及報告生成AI
- 如何用 Spring AI + Ollama 構建生成式 AI 應用SpringAI
- AI 如何應用於油氣勘探?AI
- 從“智障”到“智慧”——淺談遊戲中的AI實現遊戲AI
- 最佳實踐 | 用騰訊雲AI文字識別從0到1實現通訊行程卡識別AI行程
- 如何在移動應用中實現AI畫圖?AI
- AI開發實戰1-App Inventor的編譯AIAPP編譯
- AI 大模型企業應用實戰(07)-LangChain的Hello World專案大模型LangChain
- 給動漫人物輕鬆換裝、編舞,這家遊戲公司用GAN做到了!遊戲
- 【重磅】英特爾AI大會:新AI晶片和這家巨頭的AI路線圖AI晶片
- 人工智慧(AI)在市場營銷中的應用——從恐懼到接受人工智慧AI
- 【雲享·人物】華為雲AI高階專家白小龍:AI如何釋放應用生產力,向AI工程化前行?AI
- node專案從0到1實戰
- 新火種AI|福布斯Top50,估值高達50億,這家AI法律公司令人震驚AI
- 邀請函!百度AI開發者實戰營「魔都」AI大派對進入倒數計時AI
- 吳恩達成立AI新公司,從Deeplearning.ai到Landing.ai,他到底在賣什麼關子?吳恩達AI
- 《前端實戰總結》之迭代器模式的N+1種應用場景前端模式
- Electron 應用如何利用 create-react-app 從 0 到 1ReactAPP
- 從雲到端,谷歌的AI晶片2.0谷歌AI晶片