注 册
中国 +86
  • +123
  • +125
  • +666
  • +666
  • +555555
  • +666
  • +666
  • +666
请输入真实手机号
图片验证码 请输入图片验证码
请输入短信验证码
请输入密码

已有账号,

忘记密码
中国 +86
  • +123
  • +125
  • +666
  • +666
  • +555555
  • +666
  • +666
  • +666
请输入真实手机号
图片验证码 请输入图片验证码
请输入短信验证码
请输入新密码

已有账号,

阿里移动事业群UC副总经理田浪:DT时代下的内容分发

2016-11-25 艾媒网 阅读 21214

摘要: 阿里移动事业群UC副总经理田浪出席了2016广东互联网大会人工智能&大数据应用领袖峰会,并发表了《DT时代下的内容分发》的精彩演讲。

  艾媒网讯2016年11月25日-26日,由广州市人民政府、广东省互联网信息办公室、广东省通信管理局、中国互联网协会指导发起,广东省互联网协会主办,广东互联网大会组委会、艾媒咨询集团承办的“2016广东互联网大会暨全球移动互联网CEO峰会”在广州琶洲保利世贸博览馆5&6号馆隆重开幕。

  本次大会以“共创•飞粤——互联网助推新经济”为主题,来自全国各地的政府代表、行业协会、互联网企业领军人物、专家学者等,共同探讨新经济常态下互联网的发展与未来。本届大会规模空前,会场占地面积两万平方米,规划了近200个特装及标准展位;参与报道的主流媒体超过200家;大会期间接待知名演讲嘉宾200位、海内外移动互联网CEO约1000名、互联网相关行业人士8万人次,是华南地区规模最大、规格最高的互联网盛会。

  会上,阿里移动事业群UC副总经理田浪出席了人工智能&大数据应用领袖峰会,并发表了《DT时代下的内容分发》的精彩演讲。他认为,大数据把人群从一个个体划分成上百个不同的人群,并应用于创新者重点想去做的社群电商、社群化的服务,可以帮助他们找到他们目标的消费人群。

   以下是田浪的演讲实录:

  我今天主要跟大家分享一下UC去年8月份从一个工具型产品升级转型为一个内容分发产品以来,我们这一年多以来对内容的一个应用和理解——基于大数据的。

  我们在去年8月份对我们的产品进行了一个重大的升级,核心的变化是我们加入了一个内容分发的模块,以前我们主打的是给得再多,不如懂我,这里的懂是什么样的意思和含义?

  我们把它称之为三个维度,第一个是对用户的懂,第二个是对内容的懂,第三个是营销的懂,对用户的懂和对内容的懂。

  我们的理解是原来用户的行为是输入网址、输入关键词搜索。在我们有阿里巴巴大数据的情况下,我们会引入高德地图的数据,进行一个综合维度的判断,去把原来的单一用户作为一个立体的画像进行划分,后面会有具体的描述。

  而对于内容的懂也是一样的,一篇文章,一篇新闻,我们可以把它简单的定义为一个娱乐性的新闻,一个体育明星的新闻,或者是一篇汽车上市的资讯。

  在这些之外,我们是不是可以加入更多维度的数据?比如说前但时间我们跟公安部合作了一个团圆系统,是关于儿童丢失的信息,但是我们加入了时间、地理位置之后,就会变成一个能快速应用的大数据,去最快地把儿童丢失信息覆盖到所有现在UC用户,最快地把儿童找回。

  所谓的大数据,现在大家都提得很多,但是怎么样的大数据才是一个真命题,而不是一个伪命题?

  我们可以看到现在整个阿里巴巴里面已经有的云数据,大概分了几个,有地图、电商、社交、视频、消费、应用分发,有了这些多维度的数据组成之后,这个数据才可以准确描述我们用户,如果只是简单的用浏览的行为,它其实是单一维度的,没有地理位置的支撑,没有他在哪些区域的支撑,就是一个单一维度的数据。

  阿里巴巴的数据能让我们更好地理解我们的用户,描绘我们的用户,有了那些数据我们可以转化出我们的用户是什么样类型的,他的内容偏好到底是什么样子的,他偏好的媒介类型到底是什么,是图片类偏多,视频类品偏多,音频类偏多还是其他的偏多。

  我在广州天河和在番禺的两个地方,对服务和内容需求有不一样的。有用户喜欢深入的长篇阅读,有用户喜欢短篇的娱乐八卦资讯,我们可以通过数据进行明确的理解和认知。

  有了这些数据之后,我们会相比于以前单纯收集访问产生哪些画像增量?

  第一个是用户的行为轨迹。第二个是人群的积累。

  行为轨迹代表用户会随着时间和地理位置的变化,对他的内容偏好和服务需求产生变化,而积累代表不同的人群不同的偏好性,我们基于这些数据把我们的人群从原来一个个体划分成上百个不同的人群,这应用于我们所有创新者重点想去做的社群电商,社群化的服务,可以帮助他们找到他们目标的一些消费人群。

  那么怎么样让他们在这些内容创作的消费人群里面获得他们的相应收益?比如一个汽车类的自媒体人,他想要覆盖的用户一定是有汽车潜在消费能力或者是爱好的一些人,他们会形成一个社群,最终我们怎么样帮他触达这些用户,产生内容消费,进而怎么样在这些用户里面产生它的商业变现?

  前面说了对用户画像的一个理解,DT时代的内容分发和现在做的是什么?

  从用户端来看,我们把用户想看的内容精准地触达到他,在内容创作者端来看,就是把他们所生产的内容,以最快、最准的方法匹配到他所喜欢的用户那儿去,我们会把用户分成N个维度去定义,如它的来源:新华时报来的,跟第一财经来的,他的内容会在我们的这里获得不同的权重。

  时效性。前面有分享的人提到了,同样一篇林丹的新闻,在两周以前跟现在的属性完全不一样,两周以前是娱乐八卦,一个月前是体育新闻,现在是一篇基于娱乐八卦和体育明星的综合消费。

  文本等所有的内容形式,今年在发生大的升级,由原来的单纯图文往视频领域转化,明显看到用户在家里可能有WiFi,对视频类内容的消费需求远远大于在地铁、公交的位置,所以内容的属性会影响到我们怎么样去把这些内容准确、有效地覆盖到我们的目标人群去。

  前面提到我们有很多的类型维度的大数据,下面我会举三个例子说明一下我们是怎么运用这些大数据的。

  我们UC里面的默认搜索引擎神马搜索,是目前国内第二大搜索引擎,我们基于这些用户检索数据做了什么应用?我们有一个神马知识图谱的项目,这个项目能够达成什么样的效果?

  第一、你输入一个词,比如说郭德纲,他就会跟你反馈郭德纲跟他的大徒弟怎么了,或者哪个明星跟三线小明星又闹八卦新闻了,我可以给你做示范性的推荐来触达到。你喜欢特斯拉,你可能触达到比亚迪的电动汽车,通过知识图谱,我们不止可以单纯人与人的连接,人到品牌,人到内容,人到地理位置等等的连接,可以基于神马知识图谱得到一个很好的应用。

  第二,高德POI数据库,是位置兴趣数据,我们如何引用?比如说摩拜单车,他们怎么样在跟竞争对手拼资本,拼速度的时候,快速获得投放位置的位置?

  包括之前的滴滴水、易道,优步,他们怎么规划好他们所有司机的行程,到底在什么地方,我引导我的司机到底是往天河区聚集,还是往越秀区聚集?而当我们把所有的内容加上了POI信息之后,能产生什么样的化学反应?比如我们在珠江新城这周开了一个新的火锅店,原来他们的方式会找一些公众帐号,帮他们做用户的触达,当有了POI信息之后,这个时候火锅店上市的文章和内容就可以准确的触达我们的用户。

  第三,时间轴。我简单说一下它的运作模式。当有儿童走失之后,原来的方式是他们会找到公安局报警,说我的某某小孩走丢了,民警会对他的信息进行核实,如果确实走失之后,我们就出警,可能在一公里范围找半个小时,如果没有就做一个立案的记录,可能就没有下文了。

  而当我们有了团圆系统之后,我们会怎么做?失踪的父母会找到公安局,向民警说明,我的小孩走丢了,民警会作为一个信息的确认,当这个信息一旦被确认之后,系统就会向UC发送在什么时间,今天下午3点,有一个8岁的小孩穿着蓝色衣服在珠江新城某一个商圈走丢了,系统会基于这个输入的信息做什么样的判断?它如果下午3点走失,现在4点,距离走失时间一个小时,我们向阿里集团内的司机发布一个信息,有哪个小孩走失,在哪里走失,穿什么衣服,而有一个前置条件是什么?是只会对珠江新城一百公里以内的用户发送,这会随着儿童走势的范围扩大,一个小时内一百公里,两个小时会覆盖两百公里,三个小时至少五百公里,有了准确的时间加位置。团圆系统上线以来找回儿童的概率是90%,这是基于位置和时间轴最有效的一个案例。

  上面提到了三个场景,神马知识图谱、搞得POI数据库、时间轴。包括基于娱乐明星的关联推荐、基于地理位置的相关兴趣类型推荐。第二个内容,我们能区分出来,在所有的热点城市里面,以广州为例,番禺现在最热的内容、资讯、热点是什么,你可能对这个维度的信息更感兴趣。

  其实汽车类用户也是一样的,如果用户是一个计划买车的用户,他可能了解汽车的品牌、性能,跟自己需求匹配度。如果他是一个有车的用户,他可能更关注汽车的保养和使用,还有一些心情、自驾等等的玩法。不同生命周期的用户对同一个兴趣方向的喜好度会有很大的变化,如果没有时间轴的维度,我们对它的理解是不够准确的。

  说一下UC常用推荐算法核心差异,如果把个性化推荐算法分为两代,第一代是基于协同,只是猜你喜欢,你因为喜欢了B,可能你会喜欢C,但是这个背后是单一的链条,可能是阅读的搜索行为,没有加入社群的关系,没有加入地理位置和时间维度的关系。

  第二代就是基于搜索的,用户因为在搜索中有明确的兴趣表达,他可能喜欢汽车,他可能喜欢娱乐明星,但是仅仅有这个也不够的。

  我们UC的推荐算法,基于前两代之后做了一个最大变化就是社群。它对社群的描述会更加立体,汽车的立体会再向下细分,想买车和已经买车,和一个买不起车,但是对汽车非常感兴趣的等等;还有一个场景,就是地理位置的场景,时间的场景,有了这些更立体维度的数据丰富之后,所有的推荐,内容推荐、服务推荐才能更好为用户建立一个良好的匹配。

  这是几个社群的例子。如果以时间为例,我们都知道不同的时间段,因为有WiFi,没WiFi,我是在上班,还是在公司吃午饭等等不一样,它对内容的消费和服务的消费会有很大的不同。最终我们希望达到一个效果是什么?我们有海量的用户,我们有海量的内容,我们就是希望通过算法,通过数据,把两端进行很好的匹配和连接,让用户找到他热爱的内容。

  在DT时代下的UC,我们是一个公众平台,我们已经可以认为转型为一个大数据新新型媒体平台,它的平台运作模式是什么样的?在我们的消费侧,用户基于大数据和全场景的可以获得商业价值和广告回报价值,应该有精准的大数据内容与服务与之匹配,甚至是广告的匹配。在这个前提下,所以内容生产者和我们的用户,以及UC这个平台能获得共同的收益。我们在全球的用户月活已经突破4亿,这是已披露比较久的数据,激活是6亿。

  我们希望UC这个大平台能够容纳进更多的广告主,更多的内容提供者,同时帮助我们平台获得更多的用户来产生三方面的,品牌、商业、用户共赢的一个价值体系。

相关数据

2012-2016年阿里巴巴移动购物季度营收额

查看完整数据

2016-2019年阿里巴巴公司年度部门收入占比

查看完整数据

2016-2019年阿里巴巴移动用户月活跃用户量

查看完整数据
网友评论
后参与讨论
提交评论 0/200

请回复有价值的信息,评论需要审核后进行展示,请勿重复提交。

评论区
    暂无评论哦,快来评论一下吧!

Copyright© 2007-2019 艾媒网 www.iimedia.cn All Right Reserved | 中华人民共和国增值电信业务经营许可证: 粤B2-20110424 粤ICP备11014183-1号 | 粤公网安备 44011302001580号 | 网站标签