您的当前位置:主页 > 网上交流 >Oath首席科学家来台!NiklasKarlsson亲自解析
Oath首席科学家来台!NiklasKarlsson亲自解析
Oath 首席科学家 Niklas Karlsson 来台

Oath 首席科学家 Niklas Karlsson 来台参加今年 Meet Taipe 与 Digi Asia 合办的讲座,会后也接受了短暂的访谈,向我们分享 Oath 广告技术的 AI 引擎 AdLearn 以及程式化行销的发展史。

Niklas Karlsson 本人可是来头不小,不仅已有 30 年的技术开发经验,还分别拿了工程物理学和统计与应用机率的硕士,博士读的则是动态控制系统与机器人,毕业后为自动机器人开发 AI 解决方案,后来将 AI 技术应用到线上广告的优化方案,在数位广告平台领域投入了 13 年。

对于 AdLearm 这个 AI 引擎的发展史,Niklas 说从 1998 年就已发表,当时技术还很原始,和现在的技术可为天壤之别。接着到了 2006 年面对第一个挑战,就是规模化,没多久线上广告竞价购买的模式出现,AdLearn 也开始从错误中学习,快速跟上规模化脚步。到了 2009 年,直至现在依然最受欢迎,能找出高转换受众的 Predictive Audience 功能第一版释出。

最后则是去年,Verizon 的收购促成 Yahoo、AOL 及 Verizon 自己三家公司资源整合,也让 AI 获得广大的数据资料学习,造就了竞争优势。

Oath首席科学家来台!NiklasKarlsson亲自解析

Niklas 用一个简单的图表来阐述 AI 遵循的基本概念:横轴是广告曝光的成本,纵轴则是事件比率,中间的斜线就是获得相应价值客户的分界,往上就是转换率特别好的用户,往下就是不符合效益的用户,而根据广告主的目标可以调整此分界的斜率。

以 AdLearn 来说,就可分成三大部分,分别是转换率、控制以及沟通两个继统的部件。Niklas 举例,人类约 0.3 秒眨一次眼睛,同时间内 AdLearn 已可处理约 10 万个竞价机会,这就是程式化广告与人工下广告间的差距。

AdLearn 在第一部分会先找出潜在客户并估算转换率,接着第二部分用到 Predictive Audience 的功能,针对用户的标籤并依照转换率高低替用户分层,让广告主决定要获取哪些层级的用户。

到了第三部分,就是根据市场实际状况作微调,比如不同节日、地区、族群、时段等等影响因素调整强度。这部分就如同车子的巡航系统,欲维持定速上坡就要加强力道,下坡就要放轻力道。

Niklas 分享,目前在成果利润不变的状况下, AdLearn 的用户在 24 小时内的成本都有降低,每小时的点击数也皆有增加。

不过 AI 行销优秀新创辈出,比如在台湾就有 Appier 这样的新星,到底 AdLearn 有何特别之处?

谈到 AdLearm 的优势,Niklas 认为除了深耕广告领域 20 年的经验与丰厚且广大的数据量,他们技术团队成员更是来自统计、物理、机械、营运等多样领域,在特别需要知识广度的 AI 领域,这些人才可以互补,而新创规模小,人才大多为工程师,重複性高,做的都是同样的事。Niklas 认为这一点对线上广告领域也格外重要。

「这是一个有趣的时代,」Niklas 认为「20 年前我们想像力彷彿无限,限制在于技术;AI 时代技术反而有无限可能,而想像力才成了限制。」

相关阅读
申博太阳城_菲律宾申博太阳游戏|综合信息生活网|网站地图 申博sunbet娱乐在 sungame申博官网备用网址