掃一掃，查看手機站
以下內(nèi)容根據(jù)「極歐科技」創(chuàng)始人程小永和北京郵電大學博士生導師石川教授在極客公園 2016 奇點·創(chuàng)新者峰會 Ai 論壇上的演講整理而成。
外界看到廣告這個行業(yè)第一印象有很多廣告公司，有很多的投放媒體，有很多創(chuàng)意，但在這里面好像跟技術(shù)并不沾邊。之前有過大數(shù)據(jù)投放，這些好像對廣告主和媒體來說感覺也就那么回事。
中國至少 100 萬家廣告公司，每年至少產(chǎn)生 1 億個案例產(chǎn)生，每年廣告行業(yè)總產(chǎn)值至少 2 萬億。假設(shè)能夠?qū)⑦@些案例進行機器學習，讓機器學習下，讓每次投放之前，都能夠像高德地圖那樣，知道多少分鐘到，怎么避開擁堵，這樣對廣告行業(yè)來說會帶來極大的效率提升和智能勞動力解放，讓每次投放都事先知道哪里有坑，投放那些媒體，能獲得多少效果。事實上如此大的文本量，無論搜集和學習，對人的大腦來說，就算是任何一個能力再強的人，也無法去把所有的案例去匯總起來，去提取它里面的共性和精華，極歐旗下極盟要做的就是去將這些人工智能化。
自媒體人就是 Uber 私家車
互聯(lián)網(wǎng)產(chǎn)業(yè)的興起本身是因為內(nèi)容而興起，20 年前四大門戶，包括雅虎是都是資訊門戶，而電商游戲等都是基于此的增值產(chǎn)業(yè)。從這個角度去看互聯(lián)網(wǎng)產(chǎn)業(yè)，會發(fā)現(xiàn)互聯(lián)網(wǎng)產(chǎn)業(yè)本身是根據(jù)內(nèi)容獲取走的。而內(nèi)容獲取有兩個重用角色，一端是內(nèi)容生產(chǎn)端，另外一端是內(nèi)容的傳播渠道。在這兩端里面，過去是內(nèi)容傳播渠道厲害（四大門戶／百度等），內(nèi)容生產(chǎn)者被雪藏而無法被公正對待，而現(xiàn)在整個天平已經(jīng)完全傾斜，內(nèi)容生產(chǎn)者成為價值鏈的核心，被內(nèi)容傳播渠道控制了一切。
現(xiàn)在我們看到社會化內(nèi)容傳播渠道，比如說微信，還有今日頭條，所有這一切讓整個內(nèi)容傳播渠道出現(xiàn)了一個很大的爆發(fā)。而中國內(nèi)容產(chǎn)業(yè)創(chuàng)造開始去中心化，僅僅中國現(xiàn)在至少有 200 多萬活躍的自媒體人，流量和關(guān)注永遠跟著內(nèi)容走，自媒體人已經(jīng)控制了絕對的互聯(lián)網(wǎng)流量，他們走到哪里，用戶就走到那。2016 年自媒體行業(yè)投放至少 340 億，未來每年至少翻倍的增長，越來越多的廣告主開始將投放往自媒體傾斜。
「極歐科技」創(chuàng)始人 程小永
極歐科技創(chuàng)始人程小永認為一個再偉大的商業(yè)計劃，也要從一個一針見血的切入點切入，通過現(xiàn)階段最熱的自媒體投放，來對整個廣告業(yè)進行人工智能賦能是最明智的選擇。現(xiàn)階段極歐科技人工智能的投入主要在自媒體與廣告主的供需平臺上。自媒體人很像 Uber，像私家車。傳統(tǒng)媒體就像以前出租車公司壟斷了所有的司機和運營車輛，現(xiàn)在自媒體更像是一個 Uber 的模式，被完全解放，誰都可以使用，現(xiàn)在整個媒體形態(tài)是在這樣一個轉(zhuǎn)變的過程。
極歐科技預測在 3 年以后，自媒體投放市場規(guī)模會超過 1200 個億，而去年產(chǎn)值已經(jīng)超過 170 億，這個領(lǐng)域的供求雙方平臺已經(jīng)出現(xiàn)了大量的成功案例和數(shù)據(jù)。極歐旗下極盟平臺已經(jīng)擁有中國 200 多萬自媒體人內(nèi)容以及投放和閱讀基礎(chǔ)數(shù)據(jù)，而廣告公司們也掌握了大批成功的自媒體投放案例和最終效果數(shù)據(jù)，極盟通過對全國 100 萬廣告公司免費賦予人工智能自媒體投放平臺的能力，來獲取廣告公司側(cè)（廣告主）投放案例和最終效果，并通過人工智能進行機器學習，讓更多的廣告主和廣告公司在投放自媒體時，有更多人工智能進行依靠。
另外自媒體這個行業(yè)，每個行業(yè) Top50 的自媒體帳號價格一直在漲，而其他自媒體賬號并未被有效利用甚至幾乎接不到廣告。極歐科技擁有他們?nèi)康臄?shù)據(jù)，讓更多性價比高的自媒體被合適的廣告主發(fā)現(xiàn)，我們通過對某個自媒體賬號 30 萬個分詞和歷史投放案例和最終效果的機器學習，判斷出另外一個非同類自媒體賬號對同類廣告主擁有同樣的投放效果，并且因為他并不是行業(yè) to50 賬號，所以價格只是被經(jīng)常投放的自媒體的價格的一半。
自媒體投放中的人工智能
在這種情況下，很多自媒體人也想知道自己適合什么樣的廣告，自己的價格到底應(yīng)該是多少錢，而廣告主也想知道別人的投放策略和投放效果，并且最好是機器自己判斷。這些所有的問題我們現(xiàn)在都在著手去解決，同時也讓廣告主每一次投放都知道最終的效果，投誰，不投誰，怎么投。
極歐現(xiàn)在在廣告主這一側(cè)，做了一個很宏大的計劃。我們將所有的在這一塊的系統(tǒng)和已經(jīng)積累的數(shù)據(jù)／人工智能模型／案例庫，免費開放給所有全國 100 萬廣告公司，讓所有的同行能夠擁有自己的人工智能系統(tǒng)，讓所有的同行都在自媒體投放上不吃虧，讓所有的自媒體人都能公平的獲得自己該有的廣告收入。這套系統(tǒng)會是一個 saas 型態(tài)現(xiàn)階段，可以換 logo 和域名成自己的。未來還將開發(fā) paas 和開放接口。
中國每年幾億次廣告投放策略文案，每年 2 萬多億的投放規(guī)模，如果基于這些數(shù)據(jù)做機器學習，讓極盟成為廣告專家，相信會是一件非常美妙的事情。
極歐從去年 10 月份開始做到現(xiàn)在，在絕對值很大的情況下，數(shù)據(jù)每月都有 10 倍以上的增長。其實廣告線只是極盟為自媒體人服務(wù)的一個角，極歐定位于自媒體產(chǎn)業(yè)生態(tài)服務(wù)商，除此之外，極歐還在開發(fā)為自媒體人提供內(nèi)容分發(fā)的工具／內(nèi)容創(chuàng)造的工具和人工智能寫作的工具，除此之外，還在通過社交電商以及社群培訓對自媒體人全面賦能。
「我們預測三年內(nèi)我們營收將破百億，現(xiàn)在在技術(shù)端的投入非常大，公司研發(fā)人員占了幾乎一半，我們已經(jīng)在做大量在未來形成壟斷的技術(shù)和商業(yè)布局?！?/p>
在極歐創(chuàng)始人程小永結(jié)束了自己對人工智能和營銷未來關(guān)系的闡述后，極歐的人工智能專家，北郵博士生導師石川教授又從技術(shù)角度對此進行了探討。
「如果是在十年前的話，人工智能并不是那么火熱；在人工智能發(fā)展過程中，如果能做出東西來，實際有用，都從人工智能獨立出來了，像計算機圖像、自然語言處理，其實原來都是人工智能里面?！购髞磉@些東西邊變實用后，就從人工智能剝離出去，成為獨立的研究方向；近些年隨著深度學習的興起，人工智能再度火起來。
網(wǎng)絡(luò)營銷是基于互聯(lián)網(wǎng)的營銷活動，像微博營銷、微信營銷都屬于其中。人工智能在網(wǎng)絡(luò)營銷中也是有很多應(yīng)用，像推薦系統(tǒng)，精準營銷，還有商品的自動定價，都可以看到人工智能的應(yīng)用。
下面是幾個案例：
第一個案例是關(guān)于金融系統(tǒng)里面的用戶相關(guān)性分析，在這個系統(tǒng)中，我們抽象出用戶帳戶、資金媒介，以及通信媒介，以及這三類對象之間的交互關(guān)系，基于上述建模好的關(guān)系網(wǎng)絡(luò)，我們采用隨機游走模型，能夠度量出兩個人的親密程度。
第二是關(guān)于推薦系統(tǒng)，以電影推薦為例，用戶對電影的打分信息，各種各樣的屬性信息以及用戶的社會關(guān)系信息，可以構(gòu)建成為一個網(wǎng)絡(luò)，這個網(wǎng)絡(luò)整合了更多的信息，可以做更加精準的推薦和可解釋性的推薦。
最后一個案例是電商平臺的回頭客預測，一般很多時候做促銷。商家做了促銷之后，因為便宜，所以很多用戶來買，買了之后很多用戶并不會再來，如果能夠預測出哪些人可能是回頭客，就會可以更加精準做一些促銷活動，這樣的話可以提高投資回報率。我們將這個問題建模成二分類問題，通過抽取有效特征和多模型集成，取得了較好的效果。
很多人工智能問題，不僅局限于學術(shù)界研究，還能解決很多實際的問題。
極歐科技的業(yè)務(wù)中有很多關(guān)于人工智能的應(yīng)用，一是關(guān)于畫像生成，生成廣告主和媒介的畫像，在這個里面，特征補全、廣告主和媒介他們標簽如何自動生成，這些都是問題。
再進一步智能推薦，如何在這種多約束條件下能夠給廣告主自動推薦媒介，這里面有很多挑戰(zhàn)。更進一步的智能交易，如何對媒介自動定價，預測未來網(wǎng)紅。
極歐公司的人工智能專家、北京郵電大學石川教授表示「目前，我們在極歐科技已經(jīng)做了一些工作，例如媒介文章的情感極性標注，還有媒介相似性度量，以及媒介的標簽自動生成，這些工作的話較好的滿足了業(yè)務(wù)需求，極大的降低了人工成本?！?/p>
人工智能在未來應(yīng)該還有很多可以做的事情，也有很大的空間以及挑戰(zhàn)。一方面，如何提出真正有效人工智能算法；其次，如何較好的進行大數(shù)據(jù)的融合；另外，大數(shù)據(jù)的運算，也存在很多困難，這些挑戰(zhàn)都是未來值得學術(shù)界和工業(yè)界共同解決的問題。
