ZD至顶网CIO与应用频道 08月26日 人物访谈(文/王聪彬):移动广告市场到底有多大?从目前看来距离市场饱和还很远。但移动广告的增长速度飞快,据预测2016年中国移动广告支出将仅次于美国成为第二大市场,到2020年甚至可能超过美国。
目前AppLovin自动化移动营销平台每天处理的广告需求超过500亿,分布在全球的7个数据中心,每日处理的数据量可达到150TB以上。每一个营销企业都希望乘上这个变化的浪潮,但这不仅要对市场需求充分了解,还要具备优秀的产品和技术。
“工程师是AppLovin永远不会停止招聘的职位,我们希望用顶尖的技术帮助营销市场做更好的引导。”AppLovin全球业务发展副总裁拉斐尔·维瓦斯(Rafael Vivas)说,AppLovin与中国本土营销企业并非是完全的竞争,合作将是未来AppLovin中国业务快速扩张的契机。
AppLovin全球业务发展副总裁拉斐尔·维瓦斯(Rafael Vivas)
移动营销起飞的风口
让品牌和产品获得更多注意力作为营销的本质几乎从未改变,而其中变化的是人们获取信息的渠道,2011年开始企业营销从PC端向移动端的转移已经成为新的趋势。
尤其在今年,移动广告可以称得上是广告市场的一个转折点。
eMarketer报告显示,2015年中国移动广告支出首次超过桌面广告。2016年这一趋势将更加明显,eMarketer预测2016年中国移动广告支出将会有58%的增长,到2019年则至少有20%的增长。
广告型态的变化让企业更加贴近消费者,甚至产生更多互动,像视频广告用户可以在看广告的同时更加了解游戏的玩法。拉斐尔·维瓦斯(Rafael Vivas)看到2016年中国移动视频广告将占整体视频广告的55%,预计2020年将占到73%。
不同性质的企业都在迅速的向移动营销模式转变,2C类型企业天生就需要捕捉消费者的需求,通过移动营销则可以更好更迅速的了解消费者。2B类型企业在传播上则更重视精准营销,这一需求也被移植到移动营销上。
正是捕捉到移动营销的需求爆发,以及预见到视频广告将有快速的增速,AppLovin从进入市场时,就选择了移动端广告营销这一入口。
自动化与精准的结合
AppLovin是一家2011年成立,覆盖全球超过十亿消费者的自动化移动营销平台,同时其还连接了所有主要的RTB(实时竞价)平台。AppLovin在移动端和Apple TV端帮助广告主高效触及新用户,并提供智能优化分析,让广告主能够通过实时数据信号进行有效的营销决策。
AppLovin总部位于美国硅谷核心帕洛阿托,在旧金山、纽约、伦敦、北京、东京及柏林均设有办公室,目前全球约有100名员工。
2013年AppLovin正式进入中国,主要负责中国业务的AppLovin战略合作伙伴关系总监游苗介绍,凭借海外出身在帮助中国广告主出海上受到了中国市场的青睐。同时为了更好地发展中国市场,在2015年也在北京建立了办公室。
AppLovin战略合作伙伴关系总监游苗
作为自动化移动营销平台,自动化体可以现在各个层面。AppLovin所有的数据都是自动化传输和分析,操作过程也非常自动化,并不需要太多的人为操作。
另外精准则体现在AppLovin将品牌诉求转化成数据,通过实时数据回传对这些数据信号进行实时判断,系统将自动化的达到客户想要触达的目标。
举个例子,客户想要将广告推送给20岁左右有消费能力的女性,在前期需要通过筛选出覆盖这一用户类型的广告位置,同时将效果数据实时进行传递,将所有数据进行实时分析,最终筛选出转化率最高的位置。这源于任何一个广告在投放时,AppLovin会基于企业过往的投放经验,通过对历史数据进行分析了解诉求,帮助企业更好的达到目标。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
哈佛、MIT联合研究揭示人类语言理解的神经机制,发现大脑通过"信息出口"将语言从核心系统传递至专业脑区实现深度理解。研究提出浅层与深层理解的区别,为人工智能发展提供重要启示,表明真正智能需要多系统协作而非单一优化。该发现可能改变我们对语言认知的理解。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
腾讯混元等团队开发出革命性的AI视频生成自我评判系统PAVRM和训练方法PRFL,让AI能在创作过程中实时评估和改进视频质量,无需等到完成才反馈。该技术使视频动态表现提升56%,人体结构准确性提升21.5%,训练效率提升1.4倍,为AI视频生成质量带来质的飞跃。