匯量科技集團副總裁朱亞東：數(shù)據(jù)智能驅(qū)動用戶增長

6月13日,2019艾瑞(北京)年度高峰會議于北京國貿(mào)三期大酒店盛大召開,引領(lǐng)業(yè)界同仁共同預見智能未來。峰會以“數(shù)能驅(qū)動新變量”為主題,與全球科技領(lǐng)域大咖、數(shù)字營銷專家、行業(yè)精英一起,把握時代先機,探索科技創(chuàng)新的潛能,領(lǐng)略最前沿的技術(shù)應用與行業(yè)發(fā)展。以大數(shù)據(jù)、人工智能、新零售、智創(chuàng)營銷、5G技術(shù)、大文娛為著力點,鏈接行業(yè)價值,見證中國商業(yè)力量的崛起。

以下是匯量科技集團副總裁朱亞東發(fā)表題為“數(shù)據(jù)智能驅(qū)動用戶增長”的演講實錄。

今天我們不斷提人工智能,人工智能是怎么產(chǎn)生的呢?首先我們會做一個簡要回顧。最早人工智能這個概念很早提出來了,大概是在1956年達特茅斯會議我們提出這樣的概念,正式提出這個概念之后,我們會有一系列算法的創(chuàng)新,包括感知的算法,在這之后,我們進入低谷,我們發(fā)現(xiàn)很多大的任務,復雜的任務是沒法解決和計算的。

在這之后,整個人工智能方向發(fā)展進入一個偏差,我們基于專家系統(tǒng),基于一定規(guī)則做預測。這之后,我們有一個標志性的就是反向傳播的算法,這個算是今天神經(jīng)網(wǎng)絡的奠基性算法,這之后,人工智能發(fā)展又進入低谷,這個過程是因為什么?有它的歷史原因,包括我們的數(shù)據(jù)不夠多,包括我們當時的芯片,以及通用計算力,都不太足夠。

其實最后到2006年,最終提出了多神經(jīng)網(wǎng)絡,深度學習,完整的解決算法中無法收斂這一系列問題?；仡?0多年發(fā)展過程當中,一直伴隨三個因素,就是前面吳總提到就會有數(shù)據(jù)、平臺和算法。

做這樣一個回顧以后,我們可以給人工智能簡短的定義,我們認為它是數(shù)據(jù)+平臺+算法。為什么這么說?首先今天大量事實產(chǎn)生的數(shù)據(jù),已經(jīng)成為人工智能產(chǎn)生的基礎(chǔ),我們今天會說,尤其是在今天5G移動互聯(lián)網(wǎng)的時代,我們有大量實時產(chǎn)生的數(shù)據(jù),這一切都是產(chǎn)生我們?nèi)斯ぶ悄艿幕A(chǔ),有這些數(shù)據(jù),怎么算怎么處理,對我們平臺提出更高的要求,我們現(xiàn)在有GPU還有定制芯片的發(fā)展,我們云上的處理平臺,大家都能很好的做數(shù)據(jù)處理。最后算法這個元素,我們單獨拿出來,機器學習的算法,是整個人工智能最終落地的引擎。最近的深度學習和強化學習,進一步促使我們?nèi)斯ぶ悄芎蜕虡I(yè)去做進一步的落地。

通過這樣的回顧,我們看到,今天基于一個AI+大數(shù)據(jù)大腦賦能,包括傳統(tǒng)的電子商務、金融科技、互聯(lián)網(wǎng)教育,移動信息分發(fā),已經(jīng)滲透到各行各業(yè),在這樣一個賦能趨勢之下,我們有什么,我們是一個具有一個技術(shù)中臺,類似于大腦的角色,在這樣的技術(shù)中臺底下,它必須有一個核心的元素,比如說我們的數(shù)據(jù)平臺,計算平臺,以及一些機器學習的平臺。這個里面展示了幾個名字,我們數(shù)據(jù)平臺,大數(shù)據(jù)計算中臺、大規(guī)模機器學習中臺,只是我們匯量科技研發(fā)的核心組件。

今天這樣一個趨勢情況下,我大概羅列一下現(xiàn)在的趨勢。阿里收購了一個專注于Apache Flink的公司,我們對外提供收費的機器學習服務Amazon AWS推廣收費機器學習平臺云服務。包括最近這個周期,SaleForce花了157億美金收購數(shù)據(jù)分析公司Tableau。他們做大量的調(diào)整,與此同時在外部做平臺化的收割,對自己的產(chǎn)業(yè)賦能。這個圖片是Amazon CTO的一個架構(gòu),在這樣的情況下,我們看到AI+大數(shù)據(jù),對各行各業(yè)賦能是一個必然趨勢。怎么賦能?其實大家都知道我們要賦能,怎么去賦能?我們需要把人工智能擅長的地方,跟我們商業(yè)有價值的地方去做結(jié)合,但與此同時,他也說到第二點,我們怎么去結(jié)合?AI是系統(tǒng)性的工程,不是泛泛而言,怎么是系統(tǒng)工程?就回到拆解60多年的歷史回顧,伴隨著數(shù)據(jù)、平臺、算法三個核心元素。

回到今天,匯量科技,專注于海外營銷,用戶增長,這樣一個垂直領(lǐng)域,我們怎么去做這樣一個賦能,首先我們也是看,我們今天這樣一個AI+大數(shù)據(jù)的架構(gòu)是怎樣的?Datatory是我們發(fā)布的產(chǎn)品,現(xiàn)在全球日活設(shè)備數(shù)950M,用戶來自200多個國家,包括興趣標簽,行為標簽,國內(nèi)頭條公司都會用我們的數(shù)據(jù),我們Datatory這樣的產(chǎn)品,會做可視化的數(shù)據(jù)分析,我們可以跟我們運營和產(chǎn)品同學提供一個我們在最近一段時間用戶的興趣分布,人口屬性的分布。

第二個,我們看一下我們有這么多數(shù)據(jù),比如說百億的數(shù)據(jù)或者十億的DAU怎么去計算,我們也做了自己定制了通用的計算平臺,這個平臺有幾個特點,我們是出海用戶,我們也是重度的云端用戶,這個用戶在我們基礎(chǔ)上做了一些分裝,首先EnginePlus可以做粉狀,我們做統(tǒng)一的調(diào)度,我們可以依據(jù)當前做一個智能最優(yōu)的調(diào)度,在這之上,我們也可以支持混合云的存儲,無論你的數(shù)據(jù)存在S3,還是阿里云OSS,本地云SS我們提供統(tǒng)一分裝接口,對用戶是透明的,我們進一步提供多泛式計算架構(gòu)。我們都是可以進行大規(guī)模有效實時處理。在這之上,可以支持我們各種數(shù)據(jù)挖掘分析的應用。

接下來第三個AI+大數(shù)據(jù)的組件,去年年底發(fā)布的MindAlpha平臺,可以進行秒級實時學習,大家有很多疑問,今天有很多互聯(lián)網(wǎng),已經(jīng)有很多機器學習平臺,面對我們今天工業(yè)級,這是我們匯量科技為什么做這樣一個平臺,這樣一個平臺有一個特點,它是一站式的,大家通過這個圖片可以看到,我們從原始數(shù)據(jù)流接入到分布式超大分布式模型訓練,到線上模型加載,這個加載包括實時預測,到最后的模型實時學習,形成完整的閉環(huán)。這里面有很大的挑戰(zhàn),比如說我們這樣一個百億如何在10毫秒級做呢?這樣都是做定制化的機器學習平臺。

有了這樣一個,我們會讓自己的AI+大數(shù)據(jù)的架構(gòu)以后,接著我們會去做屬于我們自己領(lǐng)域用戶增長,怎么做增長呢?首先基于這樣一個技術(shù)中臺,由我們的Datatory、MindAlpha,我們比如說它希望玩一個輕度游戲,和高付費人群,首先我們會基于這樣的技術(shù)中臺,給出人群的預估,我們會圈出一部分人群,這部分人群符合某種標簽屬性,以及高付費的傾向,在這之上,我們可以進一步進入我們程序化廣告平臺,做進一步人群擴展,我們通過用戶行為相似,把目標和種子人群做進一步的擴散。如果我們開發(fā)者有多個產(chǎn)品矩陣推廣,我們進行千人千面投放,最終實現(xiàn)了用戶增長的閉環(huán)鏈路,在這個當中,無論數(shù)據(jù)統(tǒng)計平臺,程序化廣告平臺,我們逐漸地數(shù)據(jù)反饋,都能很好的沉淀在我們技術(shù)中臺上。通過這樣一個用戶增長飛輪,今天匯量科技服務了600多家企業(yè)出海。

第二個應用場景,就是前面程序化平臺提到的千人千面的智能投放,這個詞最早是在阿里在收條提出來的,今天在出海營銷用戶增長同樣適合。今天這樣的移動互聯(lián)網(wǎng)迸發(fā)的時代,我們對于每個用戶,對于當前的時刻,我們一定要給出他最適合的信息需求,同時以他最喜歡的創(chuàng)意形式做廣告展現(xiàn),依據(jù)我們AI+大數(shù)據(jù)架構(gòu),我們要看它的實時興趣,通過機器學習平臺,百億級的深度模型做預測,最終通過用戶行為反饋,可以進一步閉關(guān)調(diào)整長期興趣以及深度網(wǎng)絡模型,通過這樣的模型,我們通過AI+大數(shù)據(jù)架構(gòu),對千人千面體系做很好的賦能。

最后講一下,關(guān)于我們公司,今天匯量科技,大家比較陌生,我們已經(jīng)有800名員工,超過50%都是技術(shù)研發(fā),其實包括算法團隊,很多都是博士,以及來自于Google和BAT的公司,去年在年底港股上市,我們客戶分布60多個國家,包括中國的廣州、北京、香港以及美國,在歐洲和阿姆斯特丹都有辦公室。

這是我們服務應用開發(fā)者部分開發(fā)者,目前有兩萬家開發(fā)者,做全世界范圍的營銷,從橫向維度,我們這個品類涉及到游戲、電商、出行、資訊,包括我們社交的工具?？v向維度,無論是中國、亞太、美國、歐洲,都會有我們客戶。這里有不同的特點。今天中國的應用開發(fā)者,更多會去出海,亞太到歐美到本地,又從歐美進中國,對于匯量科技來說,對于所有開發(fā)者來說,提供這樣一個對世界維度的服務。謝謝大家!

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。