0
廣告主的甜蜜煩惱
短視頻興起，有人看到了熱鬧，有人看到了商機。
繼微信公眾號、今日頭條之后，短視頻逐漸成為了大眾茶余飯后消遣時光的新方式。無論在地鐵上還是飯館里，隨時都能聽到抖音和快手里熟悉的配樂，和看到一張張歡快的面孔。數據顯示，2019年截止6月，短視頻App新安裝用戶已經接近1億，總體MAU8.21億，月人均時長超過22小時。
收割時間之余，短視頻博主也展示出了超強的帶貨能力。以大眾最熟知的“口紅一哥”李佳琦為例，他曾經在淘寶直播創造了“5分鐘賣掉1.5萬支口紅；5個半小時成交23000單，金額高達353萬”等一系列記錄。他在抖音上的表現更是堪稱“孤獨求敗”。憑借出色的節奏、氛圍和口播，他的單條短視頻就能帶貨數百萬甚至上千萬元，無愧為“抖音第一帶貨王”。
這樣的吸金能力讓廣告主們眼饞不已。但數據顯示，截至2018年12月，僅快手平臺就擁有超過1.6億日活用戶和3億月活用戶，平臺用戶每天上傳的短視頻數量超過1500萬條，庫存短視頻數量超過80億條。面對如此多的帶貨KOL和短視頻，如何判斷它們是否符合自己的品牌調性，是否愿意代理自己的產品，以及是否具有最高的投入產出比呢？這成了廣告主們甜蜜的煩惱。
雖然抖音、快手等短視頻平臺陸續上線了快手小店、快接單這樣的功能來幫助平臺紅人對接商家，可以為廣告主們提供一定的數據參考，但這種數據仍然比較粗糙。而且平臺之間各自為戰，這意味著廣告主必須同時對接多個平臺，非常耗時耗力。再者，平臺之間缺少統一的評判標準，平臺和博主之間也存在一定的利益捆綁關系，數據的參考價值究竟有多少也很難說。
種種問題都在指向一個答案，行業里需要一個專業和獨立的第三方平臺來對接廣告主和視短頻創作者間的供需關系。成立于2012年的微瑞思創或許是最早洞察到這一需求的企業。
微瑞思創是一家致力于用大數據技術服務垂直行業的科技公司，目前已經服務了互聯網、電商、零售、金融、地產等眾多領域的企業，并和多家國內頂尖電商平臺達成了戰略級合作。其開發的“方舟”中臺產品致力于為客戶構建全網的智慧營銷體系提供支持。
造字者“倉頡”
針對廣告主的短視頻營銷需求，不久前微瑞思創的“方舟”中臺正式上線了一個新的能力——“倉頡”引擎。倉頡本為創字之神，而微瑞思創研發“倉頡”的引擎可以利用深度學習算法，重新解讀博主創建的短視頻內容，對其進行價值再造。
據雷鋒網了解，“倉頡”可以通過深度學習技術對“方舟”內整合的包括抖音、快手、小紅書在內的多個平臺的KOL視頻中出現的商品或公司logo、名稱、標志物等進行自動檢測和定位，分析和識別視頻內容創作者可能進行的商業營銷行為，幫廣告主找到最合適的KOL。
具體來說，它的功能實現可以分為3個步驟：
1、對接各類平臺的海量視頻數據，按照視頻創作者對其進行歸類；
2、利用深度學習領域的卷積神經網絡目標檢測算法建立專有的logo檢測識別模型，以品牌的logo數據集為基礎，對模型進行訓練，得到模型的最優參數；
3、加載最優參數的識別檢測模型預測視頻是否含有商業宣傳內容；相應地，根據視頻創作者的內容豐富度，實現對大V的核心受眾分類，例如：美妝、數碼、美食，旅游，母嬰等。
通過上述技術和模塊能力，“倉頡”能夠有效地利用服務器集群高速分析百萬視頻內容，并且對視頻內容創作者的商業營銷價值進行自動評估、分類，方便廣告主從網上數以百萬計的自媒體短視頻內容創作者中篩選出適合自己的創作者進行廣告投放和營銷合作。
打個簡單的比方，如果某個博主的視頻中經常出現零食，那么零食品牌對他進行投放是比較有效的；如果他的視頻經常出現可樂，那么可樂品牌對他進行投放就可以說是非常精準了。
這個過程聽起來似乎簡單，但要依靠人力對浩如煙海的視頻進行歸類和分析，幾乎是不可能的。即便今天已經有了深度學習技術，實踐起來依舊有著不小的挑戰。
最顯而易見的問題就是數據量太大，僅僅快手單個平臺的庫存短視頻數量就已經超過了80億條，達到了PB量級的視頻處理需求。而且視頻畫面的背景非常復雜，需要識別的目標非常多樣，logo在視頻畫面中的尺寸也很小。要在識別速度和識別準確率之間尋找平衡，對算法和算力都提出了非常高的要求。
這件事情放在別的企業非常難實現，但對微瑞思創的首席數據科學家司蘇沛來說卻要輕松的多。
技術降維打擊
司蘇沛曾經就讀于北京大學城市與環境學院地理科學專業。2006年本科畢業后他留校繼續從事構造地貌、氣候變化、地震地質的研究，先后發表了SCI論文5篇，國內核心期刊論文10余篇，并獲得北京大學理學博士學位。博士畢業后，司蘇沛進入中國地震局地殼應力研究所從事研究工作，獲國家青年自然科學基金和地震行業科研專項基金資助。
可以說，加入微瑞思創前，司蘇沛的職業生涯始終和地質分析緊緊捆綁在一起。那么，在學術界摸爬滾打了十幾年后，他為何又要改弦更張進入工業界呢？
司蘇沛向雷鋒網介紹，地質大數據和視頻大數據的分析本質上是相通的，但前者更為復雜，涉及到地形、氣候、人類活動等方方面面的因素。視頻大數據的分析則要簡單得多，影響要素也更加固定，但“最重要的是它能夠給你即時的反饋。”
司蘇沛表示，做地質分析等基礎研究有一個特點，就是周期特別長，一項研究可能要好幾年時間，因為大自然不會立即給你反饋。就拿地震的研究來說，有些地方幾百年上千年才發生一次地震，這意味你的研究成果很多時候是沒有反饋和無法驗證的，至少是需要很長的時間。
司蘇沛笑言，自己是個急性子，等不了。“在工業界做研究很快就有反饋，寫一個算法，客戶馬上就能告訴你好不好用，你可以有針對性地去調整和優化。成就感來的特別快，也更有動力去繼續前行。”
談到為何選擇加盟微瑞思創時，他笑著對雷鋒網說道：“這里氣氛很好，會也少，我可以全身心的投入到自己喜歡的事情當中去。”
雖然已經離開了基礎研究領域，但十幾年的科研生涯已經在他身上打下了深刻的烙印。那份對于科學的敬畏和嚴謹，以及對海量數據的掌控和分析能力沉淀下來，成為了他主導研發“倉頡”引擎的重要燃料。從更為復雜的地質研究領域跨越到視頻大數據分析，也可以說是一種技術上的降維打擊了。
基于中臺的自我進化
從功能層面來看，雖然“倉頡”目前重點聚焦在短視頻精準營銷領域，但分析整個“方舟”中臺的內核，無論是前端的爬蟲工具、中間的數據清洗和標注平臺，還是最后的機器學習算法，都是非常通用的模塊。基于這些模塊，未來微瑞思創還可以在“方舟”平臺上開發面向各種場景的應用。正因如此，微瑞思創將“方舟”定義為一個中臺產品。
借助“中臺”模式，微瑞思創能夠更好地與廣告主進行合作，改變原有的合作模式，不再只是廣告主的服務商、代理公司等，而是以共建數據庫，幫助客戶進行數據治理等方式進行長期深入合作，進一步挖掘大數據的價值。因為在互聯網內容營銷時代，互聯網型的用戶及其特點要求企業能夠快速精準地響應其需求，而真正自媒體投放數據治理的價值，恰恰隱藏在企業內部的每一次投放、每一條內容、每一個達人效果評估中。
不僅僅如此，如今隨著數字營銷基礎建設的逐漸完善，企業與品牌在自媒體領域的投放預算愈來愈大，投放需求也越來越定制化，面對的投放資源也越來越多樣化，種種因素使得企業對于一個能提供實時敏捷高效的智慧服務的營銷平臺的需求愈發濃厚，這也就是“中臺”所存在的意義。
司蘇沛表示，盡管有著“倉頡”引擎這種尖端科技的賦能，目前“方舟”平臺依然無法實現客戶的全部需求。但中臺架構保證了它擁有極強的自我進化能力。也許現在的“方舟”還只是一只小小的渡船，但假以時日，它完全有可能進化成一艘萬噸巨輪。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
