本报记者 倪雨晴 广州报道

导读

广告投放并非是数据工厂任务的最初一步，而是数据检验的开端。天猫的弱小优势是广告曝光、点击用购转化、领取及后续的再次购置都在本人闭环的平台上。

传统广告有一个普遍痛点，正如百货商店之父约翰沃纳梅克提出的广告营销界的哥德巴赫猜测所言：“我晓得在广告上的投资有一半是无用的，但成绩是我不晓得是哪一半。”

如今，人工智能技术在营销层面的使用，正在协助品牌方逐渐找到有用的广告是哪一半，并且避开无用的那一半，而阿里巴巴集团的数据银行就是使用中的代表性工具。在2017年6月，阿里巴巴集团正式发布效劳于品牌的消费者数据资产管理中心品牌数据银行（Brand Databank），这也是国际首个完成品牌全域数据资产管理的平本次涌现的 AI、区块链和物联网热潮不同于以往，将对产业、社会和生活产生真正堪称“颠覆性”的变革。IT 技术人员需要全方位地“换脑”：对原有的知识结构进行全面刷新，全面升级。台。

在新批发的浪潮中，经过大数据预测潜在用户、挑选无效渠道的方式曾经越来越普遍。人工智能范畴的深度学习、智能设计正在走进商家日常的运作当中，投放、预估等环节的智能化都曾经让商家的营销效率得以大幅提升。

技术赋能

人工智能是诸多技术的总称，机器学习是人工智能的基石之一。最抢手的人工智能使用范畴包括自然言语处置、图像辨认、数据智能剖析。而少量的可用于剖析的数据是人工智能的另一块基石。想要在商业范畴无效的运用人工智能，就目前全球使用级别的人工智能技术来讲，最重要的是人物画像和临时的经济行为数据。

人物画像一局部指的是人口学特征，比方女性，30岁，能否已婚，这局部数据如今各大互联网公司都有海量数据。还有一局部是社会学特征，比方住在一线城市，在外企下班，学历本科。这局部特征绝对更精密，可以对团体的消费才能停止判别。

但愈加关键的是临时的经济行为，特别是商业买卖记载，比方一年网购多少次，购置张杰演唱会门票多少次，购置张杰门票的同时喜欢购置什么化装品。可以说这些行为的记载和统计是消费预测范畴人工智能剖析的中心。

国际就目前来说，天猫，淘宝以阿里旗下的各类生活消费类网站，积聚的数据是最丰厚而完好的。更关键的是，天猫和淘宝是中国最早的在线电商平台，且阿里同时拥有全国最大的领取工具领取宝，长达十多年的买卖数据比近几年才开端积聚数据的平台要准确弱小许多。

基于精准的买卖数据，阿里巴巴的数据银行应运而生。天猫新批发平台数据技术总监魏虎通知21世纪经济报道记者：“数据银行中有一个重要功用是消费者资产预测，即经过剖析历史数据来预测用户将来3年在某一品牌上的消费。预测办法上运用了机器学习和深度学习，其中，机器学习包括逻辑回归、RandomForest（随机森林）、GBDT（梯度提升数）等算法。深度学习则会提升预测的精度和趋向的精确性，我们采用了CNN（卷积神经网络）、RNN（循环神经网络）等深度序列模型来做数据预测。”

魏虎解析道，绝对于机器学习，深度学习一方面在精确度上进一步进步，例如MAE（误差均匀值）会有10%的提升，趋向相关系数会有20%的提升；另一方面，深度学习模型更容易去拟合一个非线性空间，并且可以“自主学习”隐含特征，“传统机器学习需求人工定义，比方需求定义用户的阅读次数、加购次数，但是深度学习技术能从这些根底特征中归结出更高维度、更精密、组合化的特征。”

除了数据银行，阿里线上店铺的CEM零碎正在做“千人千面”的引荐，望文生义，商家将为不同的用户展现不同的补贴优惠、商品陈列等。其中触及到引荐和预测的功用，如何疾速辨认用户并引荐其感兴味的商品，技术更为复杂。魏虎引见道：“其中一大难点就是掌握商品和用户之间的关系，一方面要晓得用户对商品的偏好，这需求经过用户过往的购置记载笼统出特征；另一边也需求商品的特征，包括被什么样的人购置过等多种信息。我们要把这两种数据停止比对，然后失掉互相之间的复杂关系，再对商家停止建议。”

初显身手

服饰、快消类等高频消费范畴是阿里巴巴最擅长和较早进入的行业， 在运用数据来推进品牌建立进程中，他们占据了较高的比例。

以施华蔻为例，经过整合Uni Desk、微博、快闪店、手淘导购等渠道数据，展开精准消费者画像洞察，并相应向消费者传递特性化的品牌信息，在2017年天猫“双十一”，其消费者总量新增310%，加购增长200%。

其中，就数据银行局部来看，数据银行依据用户的行为，如忠实购置会员，会员，普通购置用户，阅读用户，品牌曝光的潜在用户。总体而言可以归为两类，一类是有过购置行为或购置潜力大的用户，另一类是能够购置或许购置潜力未知的用户。前者复杂了解老用户或许续购用户，后者了解为拉新用户或促销用户。

然后，数据银行中的高阶工具数据工厂将中心用户停止特征提取，初始的特征量会十分大，有些特征相买卖关性高，但也能够从用户特征上看过于普遍，比方30岁以下、未婚、女、天猫超级会员。这时分需求采用机器学习算法停止进一步目的人群预测，比方采用随机森林算法。随机森林是经典的分类器，之所以称之为森林，是指这种算法在停止数据判别的时分用了许多棵决策树。决策树的作用是用来对数据的特征停止选择，比方从海量的诸如“看过染发文章”，“常常看美妆视频”，“购置过同洗护品牌”这些用户特征中选出最能够购置施华蔻的特征组合。

“数据工厂相当于给了品牌一个建模平台，品牌可以本人定义品牌的样本，一款产品的种子用户可以在工厂里缩小，寻觅到一批新的候选用户。经过比对出两者的类似性，商家可以依据需求定义类似性的范围，例如可以选择对50%类似性内的用户做二次的投放运营，从而发生更高阶的、愈加智能的人群引荐。”魏虎向记者解释道。

施华蔻方面承受21世纪经济报道记者采访时谈道：“数据银行带来的第一个益处是站外和站内多渠道数据的交融，理解消费者图像，在曝光和点击数据之外，还可以临时跟踪用户消费行为，提升了媒体投放效率；第二点是数据银行可以精准定位人群，工厂可以挑选出品牌的潜在客户，也可以协助我们维护好老客户。”

除了快消品，阿里巴巴在群众品牌打造方面也有所作为，对品牌塑造的精确度也有提升。例如在汽车行业，比亚迪汽车销售电商商务部肖经理就通知21世纪以经济报道记者：“在渠道引流上，数据银行后期在4S店部署的地动仪，搜集了少量线下潜客信息，这些都回传到了数据银行，继续沉淀，并在线上不时的用内容和广告培育；最重要的是，数据银行依据线下潜客在线上的标签，例如判别能否有车、购车意向能否激烈、人生阶段、消费程度等，停止了详细的人群画像区分，借助这些消费者画像的维度，将潜在人群做了不同的分组，再应用数据银行对接的天猫站内推行渠道，钻展达摩盘、店铺的会员音讯短信等，再次对精选的消费者触达，触达内容都是‘双十一’专门为线下门店设计的全渠道商品，引导消费者，到线下门店停止体验和核销，构成对线上客户在线下的循环运营和体验加深。”

要晓得数据银行的特征数量十分庞大，一个用户的根底特征能够是几百个甚至几万个。从这些特征中提取这些数据之后，关于商家来说最关键的一步就是投放广告。广告投放并非是数据工厂任务的最初一步，而是数据检验的开端。天猫的弱小优势是广告曝光、点击用购转化、领我国这片创新热土正在发生一场全面而深刻的产业结构变革。取及后续的再次购置都在本人闭环的平台上。对传统行业难以统计和剖析复购率，广告投放精确度的判别，数据工厂可以不时地停止反应和修正。

关于海量的数据，魏虎也提到了数据剖析的两大应战，一是停止用户画像时往往触及到千万、上亿的用户，如何疾速、实时地给出特征画像，需求实时计算引擎的不时晋级；另外，如何在小样本的状况下精准地做出画像也是机器学习面临的难题。此外，他还表示，在数据平安方面，阿里巴巴运用了差分隐私技术、K-匿名等算法，在维护用户隐私的同时，又可以让商家运用脱敏数据。

（编辑：李清宇，邮箱：liqy@21jingji.com）