TalkingData首席机器学习科学家 李想
TalkingData首席机器学习科学家李想，在智胜营销峰会暨 Best Audience Buying 颁奖盛典”上发表了主题为《智胜营销--畅谈数之智与智之能》的演讲。旨在从数据科学的角度阐述到底何为“智胜营销”，又如何从数据中提取智能，以及如何将智能作为能力赋予给客户。希望通过本次分享能够使营销人，对“智胜营销”理解的更加透彻，并把分享所学应用于营销实践中。现在一起回顾下，TalkingData首席机器学习科学家李想给现场嘉宾带来了哪些前沿观点和营销干货。
TalkingData收集/处理的各类数据
在TalkingData的数据架构中，最底层是数据的采集层， 移动端、互联网数据和各类合作伙伴，都是我们采集数据的渠道。数据采集进来后，数据团队开始对这些原始数据进行各类加工处理，如判断设备以及设备所对应的属性等。包括设备对应人的年龄、性别及其他基本属性。在此之上，我们会提供设备中的APP行为、互联网行为，以及各类线下消费购物行为等，这些都是比较基本的原始数据。
在原始数据之后，我们着重介绍一下原始标签。其中包括标准标签，可以理解为TalkingData定义的自有标签系统。但很多时候我们发现有一些TalkingData标准标签系统无法满足客户的定制化需求， 所以我们又提供了UGC标签的能力，使客户可自己定义标签体系。模型的探索／部署，还有我们这里开发的基于合规／保护隐私的Embedding数据输出，是我们数据体系的另外两个热点。
标签2.0：人工智能标签
TalkingData每天会处理大量的数据，仅自己内部产生的数据，每天数据量就已经约32T。这大概是什么概念呢？如果看4K高清电影，32T等同于700部的4K高清电影。这么多数据，它有什么价值？我们就以营销特定的场景跟大家分享一下怎样从丰富的数据中，产生与从前不一样的价值。
最近国家人口政策从计划生育到鼓励二胎，与这个场景相关的，我们可以看到客户对育儿类的标签需求相比以前变了很多。其中一个很有特点的就是母婴类人群的标签。首先说一下母婴标签的定义，即家里有从出生到三四岁小宝宝的人群，都可以被打上母婴标签。和标签相关的，我们打标签的方法也从过去的人工产生标签（标签1.0）演进到了基于人工智能的标签方法（标签2.0）标签1.0是如何定义的？首先，找到所有女性的设备，之后找到特定母婴人群的APP。然后，用这些App和“女性”属性做交集，就产生了第一版本的母婴人群。
从今年开始，TalkingData内部对数据的加工方式已经从过去的人工向人工智能转化, 标签制作的方法也从人工的1.0升级到了人工智能的2.0。标签2.0又是如何制作的？首先，还要找到一些的女性设备和一批大致能够反应是母婴人群的App。但差别在于，过去需要尽可能找到所有覆盖母婴的App，而现在只需找二到三个典型与场景相关的App就可以了，这些被我们称作为种子标签人群。有了种子标签人群，我们会通过各类人工智能的算法把他们和所有设备大库里的设备进行基于各类特征的分析。比如基于App, 位置， 购物，机型，等等，找到设备大库里其它和种子标签人群类似的设备，并把他们和种子标签合并，生成更多的母婴标签人群。
在了解了如何在数据中提取智能之后，这样的智能还能用来做些什么呢？主要是三个点，分别是Know who、Know when、Know what。
Know who
即为整个业务中的主体，也就是人。TalkingData最关心的就是帮客户找到对他们最有价值的用户群。人有手机、邮件、平板、电脑、电视等等相关设备。如何把人的信息完整地
刻划出来，从而提供人的价值，而不是碎片的设备价值，也是在TalkingData持续关注的内容之一。
Know when
是比时间更加宽广的概念，可以叫场景。对用户场景有了解，根据场景做相应的触达。具体包括了三方面：行为、位置、姿态。
Know what
有了人和场景之后，我们的最终目的是希望通过行动来改变用户的价值，这就相当于what。知道用户的价值以及喜好、画像之后，结合所在的场景，比如是在地铁、办公室或者是家里面，才能采取更加适合的行动。
閱讀更多 TalkingData 的文章
