第二、ML研发
ML 指的是机器学(Machine Learning),ML是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。
通过ML技术可以更快、更精确地在恰当的环境中将消费者和产品进行匹配,
同时锁定具有明确需求和隐含需求的消费者。机器从大量现实世界的例子中学,通过观察过去的行为来预测未来的意图。营销人员无需掌握从大量数据中产生的精确模式,或总结决定人们行为的规则。换句话讲,ML 使营销人员完成了一次角色转换,从尝试操纵客户的需求变成了满足他们在特定时刻的实际需求。
自然语言处理技术是ML应用的基础。目前,Google、Facebook、Apple和Amazon在语音助理和NLP技术方面加大了投资,并使这种互动的预测成为现实。
例如,Amazon 正在更新其 Alexa,使其成为更富有情感的智能。从在客厅里发出语音命令到直接通过Echo完成商业沟通和在线购物的过渡并不难实现。因此,在对BBHI原有NLP技术移植和研发基础上,募投主体将在中文的ML应用领域进行多方位、多层次的挖掘,以期在移动广告、电子邮件营销活动等方面建立起中文交互式、具备预测功能的SSP中文技术平台。
第三、RTB研发
RTB指的是实时竞价(ReimeBidding),是一种利用第三方技术在数以百万计的网站或移动端针对每一个用户展示行为进行评估以及出价的竞价技术。与大量购买投放频次不同,实时竞价规避了无效的受众到达,针对有意义的用户进行购买。目前,国内应用 RTB 进行
互联网营销的公司主要有
百度、腾讯、
阿里巴巴等互联网巨头。
由于中英文系统下的RTB技术差异相对较小,且BBHI已经拥有较为成熟的RTB技术,因此从技术层面考虑,RTB相对于NLP和ML研发难度相对较低,其主要难度在于熟悉 RTB 技术的互联网人才的招募。目前,国内的互联网广告生
态链中传统模式仍然占据较大份额,即一般最多只有三方,分别是广告主、广告代理商(即广告公司)以及互联网媒体。而在 RTB 广告交易模式中,原有的广告生态链发生了变化,整个生态链包括广告主、DSP、SSP、AdExchange以及互联网媒体四个主体。广告主将自己的广告需求放到 DSP 平台上,互联网媒体将自己的广告流量资源放到SSP、Ad Exchange,DSP通过与SSP、Ad Exchange的技术对接完成竞价购买。