CNET科技資訊網(wǎng) 8月18日 北京消息(文/周雅):獨(dú)立第三方移動(dòng)數(shù)據(jù)服務(wù)平臺(tái)TalkingData昨天正式對(duì)外發(fā)布了新一代廣告營(yíng)銷數(shù)據(jù)管理平臺(tái)——“營(yíng)銷云”。
TalkingData“營(yíng)銷云”利用超過(guò)30億移動(dòng)終端數(shù)據(jù)的覆蓋量,結(jié)合國(guó)內(nèi)第三方移動(dòng)廣告監(jiān)測(cè)平臺(tái)(Ad Tracking)的(曝光、點(diǎn)擊、深度轉(zhuǎn)化等)數(shù)據(jù)積累,通過(guò)運(yùn)用各種算法模型(分類算法、聚類算法、回歸算法、推薦算法),對(duì)上述過(guò)程進(jìn)行充分交叉比對(duì)、計(jì)算、驗(yàn)證,形成一系列的數(shù)據(jù)應(yīng)用工具模塊,旨在提供從人群構(gòu)建、多維洞察到同步投放、客觀監(jiān)測(cè)的一體化解決方案。
TalkingData產(chǎn)品經(jīng)理周洋(右)、市場(chǎng)智能部高級(jí)總監(jiān)陶京琪(左)
TalkingData提出,中國(guó)廣告營(yíng)銷行業(yè)目前受到大數(shù)據(jù)影響的幾個(gè)現(xiàn)象:
1、大數(shù)據(jù)正在以風(fēng)起云涌之勢(shì)加速滲透到當(dāng)下的各行各業(yè)中,作為國(guó)內(nèi)數(shù)據(jù)應(yīng)用先行者之一的中國(guó)廣告營(yíng)銷行業(yè)的競(jìng)爭(zhēng)格局無(wú)可避免的受到了“大數(shù)據(jù)”的沖擊與洗禮。
2、近年來(lái)隨著越來(lái)越多的廣告主將營(yíng)銷預(yù)算向數(shù)字營(yíng)銷領(lǐng)域傾斜,數(shù)字營(yíng)銷迎來(lái)了發(fā)展的黃金時(shí)期。
3、中國(guó)數(shù)字廣告產(chǎn)業(yè)規(guī)模的不斷擴(kuò)大和數(shù)字廣告公司專業(yè)代理能力的提升,也大大加速了中國(guó)廣告營(yíng)銷產(chǎn)業(yè)數(shù)字化的進(jìn)程,使得不少本土代理公司中的領(lǐng)軍企業(yè)在國(guó)內(nèi)市場(chǎng)環(huán)境下得以與國(guó)際領(lǐng)先的4A公司同場(chǎng)競(jìng)技。
4、廣告營(yíng)銷行業(yè)這種爆發(fā)式的增長(zhǎng)和廣告技術(shù)的不斷迭代帶來(lái)的最直接影響是,媒體定向模式逐漸開(kāi)始向受眾定向投放模式演變,數(shù)據(jù)使用能力的不斷提升成為廣告行業(yè)最熱門的趨勢(shì)之一,廣告主對(duì)數(shù)據(jù)的認(rèn)識(shí)以及應(yīng)用能力的逐步提高,使得客觀真實(shí)的ROI成為了廣告投放關(guān)注的核心指標(biāo)。
在這樣的背景下,作為應(yīng)用于廣告營(yíng)銷領(lǐng)域的數(shù)據(jù)管理平臺(tái),TalkingData“營(yíng)銷云”可以完整的適用于當(dāng)前數(shù)字營(yíng)銷的7大場(chǎng)景中:Targeting(定向營(yíng)銷場(chǎng)景);Retargeting(老客再營(yíng)銷場(chǎng)景);LookaLike(潛客挖掘營(yíng)銷場(chǎng)景);Audiences Mix(指定目標(biāo)受眾營(yíng)銷場(chǎng)景);Media Mix(指定投放媒體營(yíng)銷場(chǎng)景);LBS電子圍欄定向(地圖圈定POI營(yíng)銷場(chǎng)景);深度業(yè)務(wù)受眾定制(深度私有化定制受眾的營(yíng)銷場(chǎng)景)。
TalkingData副總裁高鐸表示,營(yíng)銷云囊括了6大類超過(guò)800個(gè)受眾定向標(biāo)簽,具有對(duì)金融、房產(chǎn)、電商、游戲、母嬰等垂直行業(yè)業(yè)務(wù)標(biāo)簽深度定向的能力,同時(shí)其自有人群上傳匹配接口,分類標(biāo)簽人群和自定義人群混合邏輯計(jì)算服務(wù)接口,線下人群構(gòu)建和刻畫能力,后臺(tái)毫秒級(jí)同步,能夠支撐RTB業(yè)務(wù)的實(shí)時(shí)請(qǐng)求。
這些功能能幫助廣告主做到:受眾目標(biāo)確定、受眾人群的篩選、媒介分析、轉(zhuǎn)化效果測(cè)量、A/B Test投放對(duì)比和優(yōu)化。在這整個(gè)過(guò)程中,將各個(gè)環(huán)節(jié)的數(shù)據(jù)快速打通形成數(shù)據(jù)閉環(huán),達(dá)成營(yíng)銷目標(biāo)的最大化。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。