「啤酒和尿布」的故事已流傳近 20 年，卻依然被奉為大資料分析的經典案例，代表了大資料應用的雛形，挖掘資料之間的相關性來指導商業決策。
這也凸顯了企業建構資料管理平台的重要性，尤其是在經濟「疲軟」的當下，苦練内功，依托人工智能、大資料等技術進行智能決策，優化效率，廣受企業追捧。
知名調研公司 Forrester 對 100 家中國企業的調查顯示，有超過半數的受訪者表示公司正在使用第一方資料管理平台，有約 1/3 的公司表示他們願意增加在營銷技術及軟體上的投入。
面對市場新的需求，一家在數字化營銷領域前行了 10 年的 TOP 玩家——品友互動，如今邁出了求變的步伐，将自身品牌更新為「深演智能」。在這背後，其業務場景也由原來的數字營銷轉變為更多元的智能決策。
從智能營銷到智能決策，深演智能是如何煉成的？在其背後，又是一套怎樣的技術架構支撐場景的延伸與商業落地？
通過深演智能這一案例，對于 AI 公司從「1 到 N」擴充業務場景，尋找真正的 AI 落地具有借鑒意義。
深演智能創始人兼 CEO 黃曉南（左三）、深演智能聯合創始人 COO 謝鵬（左二）和深演智能 CTO 歐陽辰（右三）在品牌更新儀式上。
01、營銷活動本來就是一項複雜的決策行為
想要透徹的了解深演智能，還要從更名前的品友互動（以下簡稱「品友」）說起。
最初，品友的主要業務是圍繞營銷場景的廣告投放。與其他廣告平台不同，品友成立之初，做的就是基于技術驅動的精準廣告投放。
具體來說，品友一手對接日均 280 億的流量，谷歌、百度、騰訊、淘寶、新浪等 25 家主流廣告平台都是「好朋友」，另一手彙聚廣告主的廣告内容，品友要做的就是練就一雙「火眼金睛」，在海量流量中，為廣告主找到想要觸達的使用者。
這裡涉及到三個關鍵要素：内容、投放平台和消費者，即品友的價值就在于實作廣告内容和消費者的精準比對，尋找一個三者利益的最優解，才能實作平台價值最大化。
精準廣告投放并非易事，這涉及推薦技術，也包括每一次流量價值的評估問題，比如流量側的價值評估，廣告側的了解，以及流量和廣告的比對和推薦關系；整個過程也涉及到過濾、排序和重排序等過程。
首先，要解決的是推薦問題，針對每一個投放，你需要在流量池中做一個排序，擷取盡可能多的流量，這意味着更高的點選率。但這隻解決了第一步，更重要的是如何衡量每一個選項背後的價值，即花多少錢的問題。當一個流量過來後，如果出錢少，可能廣告的排序會靠後，達不到需要的效果；如果出錢多，就無法做到投入産出比最優。
總結來看，營銷背後涉及點選率預估、轉化率預估、出價預估，還包括虛假流量等等的判斷，這本身就是一項複雜的決策行為。在這一探索最優解的過程中，通過海量規模的投放實戰，品友不斷積澱自身的 AI 技術。
02、大規模 AI 場景實戰中的技術沉澱
在營銷的投放過程中，最為重要的一個環節是使用者洞察，深演智能在這個過程中沉澱了大量結構化體系與 AI 技術。
很早他們就開始用标簽的方式來做人群畫像分析，并于 7 年前就推出首個數字廣告人群類目體系 (DAAT)。深演智能 CTO 歐陽辰介紹，這個體系建構了大概六大類超過 6000 個開源類目标簽，包含人口基本屬性、興趣愛好、行為屬性、電商屬性等等，可完整地涵蓋各類網絡使用者群的不同屬性。通過獨有辨別拉通 (ID Mapping) 專利技術，整合多方資料中的辨別資訊，加強對使用者行為的分析和了解。
基于标簽體系，通過聚類分析和非監督學習的方法，進行人群「自動分類」，相比人工分類，機器可以根據多元特征自動劃分 N 個類别，進而制定出相應的創意政策和投放政策等。
在投放時，通過機器學習算法，提取人群的高次元特征，并能自動生成人群政策，在提升廣告推送精準性的同時，提升後期的轉化效果。
在建構标簽特征的過程中，也會通過對大資料的挖掘，不斷沉澱有價值的衍生特征。歐陽辰稱，「理論上拿所有的特征去訓練模型，可以讓機器學的更好，但實際會發現有些特征可能會帶來一些噪音，這時一方面取決于人的經驗，一方面取決于機器學習的進展。」
此外，深演智能也使用自動化學習（AutoML）進行調參以及特征篩選，進而加速訓練過程。
另一個關鍵要素是投放内容，如何生成内容政策，也是技術團隊在解決的問題。歐陽辰介紹，通過對廣告主曆史廣告内容以及閱聽人互動資料的分析，利用機器學習模組化，可以分析出每個創意的各種特征對不同類型閱聽人的效果（比如以點選率作為回報）。
在此基礎上，他們可以自動生成創意政策，比如針對有的人群着重突出商品的價格，生成更優的廣告元素的分布、色彩的生成等等，實作最大收益人群和創意類型的組合政策，并生成基于投放效果的智能媒體排期。
歐陽辰稱，這些自動生成的營銷政策，在一些案例中，可以幫助客戶提升 30% 的營銷效果，大大節省了成本。
反欺詐也是營運活動中經常遇到的問題。比如，某位快消客戶做活動送獎品時，本打算回饋忠實使用者，不料「羊毛黨」襲來。基于标簽體系，結合複雜網絡、聚類分析以及專家規則等，幫助客戶有效地阻擋了羊毛黨的「入侵」。
深演還使用 NLP（自然語言處理）技術對網頁的内容進行分析，并通過聚類分析，将虛假網站等不良網站識别，去除不良流量。
此外，他們還将營銷知識沉澱成知識圖譜，營銷鍊路包括産品的定位，賣點分析，媒體選擇，創意制作分析，閱聽人畫像等，充分利用機器學習和算法模型可以提升各個環節的效率和準确性。
圍繞 AI 營銷領域的 10 餘年實踐，深演智能沉澱下了行業知識圖譜、使用者畫像、機器學習、資料挖掘等技術，這些技術構成了智能決策的基礎架構，并落地在三款産品線，即圍繞資料管理平台的 AlphaData™，圍繞廣告内容的創意管理平台和媒介管理平台 AlphaDesk™，以及面向企業全面數字化的 Alpha-OS™。
03、品友應變，「深演」出
在傳統産業數字化轉型、智能化更新的大背景下，一方面建構企業自身資料平台，進行智能決策正成為趨勢，企業的需求也從營銷投放擴充到更多元的決策領域。
另一方面，在營銷場景打下一片天地的品友，技術與業務上有了更長足的進展，也希望邁出求變的步伐，謀求更大的發展。内外雙重促因下，用深演智能聯合創始人兼COO 謝鵬的話來說，「品友開始應勢而變。」
近期品友将品牌更新為「深演智能」，此次更新之後，品友則作為營銷業務的子品牌存在。「深演」二字頗有意味，「深」字象征深度，「演」字源自「觀天之化，推演萬事之類」，取深度資料挖掘和資料算法模組化進行決策之意。
這次更新也意味着，深演将智能決策能力從營銷場景逐漸拓展到公共決策、疫情預測、商業決策等更多 AI 決策場景。
謝鵬認為，新品牌貼合公司實際的業務提升，同時承載了他們更廣闊的願景。
品牌更新背後，更有深演技術體系的全面更新。歐陽辰談道，公司過去主要圍繞營銷領域進行技術積澱，現在更加圍繞 AI 技術布局。
在感覺層面，深演重點布局了圖像識别技術。認知層面，深演也在更多行業建構知識圖譜，幫助決策推理。決策層面，深演在不斷完善針對更多行業的智能決策産品。
加之前期儲備的各項 AI 技術，深演開發了一套面向機器學習和大資料的 AI 決策架構，進而支撐起各個場景的應用。
歐陽辰介紹，這一技術平台可以分為三層，最底層是基礎架構層，提供計算資源和微服務架構，并且支援私有化部署以及混合雲的設計架構，能夠适配不同的雲廠商和資料中心。
中間是能力層，內建了深演的資料能力和算法模型，以平台的形式呈現，包括資料治理平台、辨別打通平台、預測平台、報表平台等等。
再往上是更為标準的應用層，比如人群分析、投放分析、流感分析等等，它是一個相對固定的子產品，不同行業結合自身場景可以直接拿來使用。
深演也将計算、資料和算法等核心的 AI 能力打包成一個平台産品——AI引擎「福爾摩斯」，提供行業資料方案，幫助企業智能決策。
歐陽辰總結道，這一平台具有很好的可擴充性，并使用微服務的模式，将所有的能力子產品化，當客戶建構資料管理平台時，可以像搭積木一樣靈活調配所需要的能力。
04、AI「實戰派」幫助企業扭轉戰局
依托底層技術架構和子產品化的能力，現在深演智能開始在公共決策、疫情預測、商業決策等決策領域發揮更大的價值。
一家做流感藥的藥企遇到一個問題，流感藥銷量往往忽高忽低，并且各地區的銷售也不均衡。如果能用資料預測流感狀況，就可以更早的展開銷售與産品配送服務。
深演結合藥企的一方資料和搜尋資料、氣溫資料以及其他第三方資料進行模組化，從中提取出 70 多個變量進行分析，進而他們發現溫度的連續變化是流感發生最為重要的名額，将這些綜合起來可進行 7 天或 30 天内的流感預測。經過近三個月的優化，流感預測準确性可達 80%，進而幫助藥企更好的開展銷售決策和管道管理。
對車企而言，銷售決策是一個至關重要，直接影響企業的業績，是以車企格外重視來自各個管道的使用者回報，以此優化決策。但他們面臨的問題是每天都可能收到幾萬條線索，此時如何識别虛假線索，如何進一步挖掘高價值線索就顯得尤為重要。深演通過平台的能力，第一步先通過模型把欺詐線索、虛假線索排除掉；接着對剩下的線索進行真實性打分，判斷哪些線索的品質更優，推薦給車企進行銷售決策。該模型幫助車企提高 36% 的到店率，幫助經銷商積極挖掘高潛客戶。
另一個案例是針對一個會員制的零售商，它主要通過公衆号和線下門店接觸使用者，主要目的在于獲得會員并提升銷量。深演将零售客戶的會員與新使用者進行模型上的分級，然後結合所有商品做了一個聚類分析，勾勒出每一群人對什麼類型的産品最感興趣，然後将相關的折扣資訊通過公衆号推送給會員。通過這種方式，會員帶來的銷量在一個季度增長了三倍。
上述三個應用，隻是深演智能決策案例的冰山一角，深演的資料與技術能力正在切實為不同行業帶來改變。
在技術發展路徑上，這家公司先找到 AI 落地的場景，并在場景中不斷豐富 AI 能力。對于未來規劃，深演智能創始人兼 CEO 黃曉南很明确，「就是要基于我們的 AI 技術，打造中國前沿的基于人工智能和大資料技術的企業決策 AI 平台，全方位的幫助企業打造核心競争力」。
AI 已經進入戰火紛飛的應用時代，畢馬威最新的一份報告中，分析了 2019 年八種人工智能的應用趨勢，運用 AI 技術的公司在單個項目的特定平均生産率提高了 15％，大多數受訪公司表示投資 AI 曾經幫助他們扭轉戰局。
本文為機器之心原創，轉載請聯系本公衆号獲得授權。