9月9日至14日，2021亚马逊云科技线上峰会拉开帷幕，在10日上午的技术论坛中，亚马逊云科技大中华区产品部总经理顾凡以“自由在云上构建”为题进行了主题演讲。在人工智能和机器学习领域，易点天下因其独特的营销场景以及对亚马逊云机器学习相关产品服务的深度应用，受邀在现场发表主题演讲。
作为智能营销领域、也是西北地区唯一一家受邀进行主题演讲的企业，易点天下联合创始人兼CTO王一舟，在现场带来了易点天下基于Amazon SageMaker等产品在全球智能营销场景下的技术解决方案及发展趋势。
易点天下联合创始人兼CTO王一舟
全球营销 “云”上创新
作为行业领先的智能营销服务公司，易点天下已经为超过5000家公司在全球范围内提供了服务，客户涵盖跨境电商、工具应用、内容分发和游戏等行业，其中包括阿里巴巴、腾讯、网易、快手、爱奇艺等企业。资料显示，公司累计实现应用安装、用户注册、商品销售等商业效果转化超过5亿次，覆盖独立设备超过70亿台，遍及全球238个国家和地区，单日最高有效转化达到百万量级。
在国际智能营销服务的背后，易点天下不仅拥有全球营销深度本地化、营销过程全面数字化及营销创意视频化等核心产品能力，还构建了高度弹性可伸缩的云原生架构、海量数据的综合治理、营销全流程的数字化和视频创意智能化生产等多种技术能力。
在构建这些众多能力的过程当中，由于服务行业众多且目标市场国家分散，整个服务过程数据量庞大，服务的质量也要求非常严格，原有的技术解决方案很难在实施交付的周期上满足业务需求。
为此，易点天下跟亚马逊在很多技术方面进行了联合创新。比如通过亚马逊云科技的 EMR 服务，用来进行特征抽取，包括用户的兴趣、权重标签，行为事件统计等用户相关的特征，以及媒体、版位、国家、地区、设备系统等上下文特征，也包括素材创意、广告类型、商店信息挖掘和用户的历史行为数据的一些统计和特征的抽取。除此之外，易点天下还使用了亚马逊的 Sagemaker 进行深度调参和模型的优化，那这些都帮助易点天下在很多方面做到了巨大的提升。目前易点天下构建的Seer算法体系，可以实现高速迭代的CXR预估框架。
基于成熟的算法体系，易点天下目前可以从容应对每天480亿次请求、6TB系统日志的数据治理压力，以及全球范围内不同网络设施、媒体版位和广告形式带来的复杂挑战，此外还涉及曝光、点击、转化整个广告链路的复杂业务场景。
产品加速释放图像/视频创意生产力
从图片走入视频营销时代，如何通过技术为广告创意生产过程降本增效成为易点天下当前的主攻方向之一。
王一舟介绍到：“常规视频创意拍摄周期长、参与人员多、后期剪辑制作繁琐，致使视频创意成本居高不下，且产出量有限，难以满足市场要求。尤其是进入投放优化环节后，视频创意经常被视为一个不可打破‘黑盒子’，难以局部修改、调优和重复利用，进一步加大了视频创意的综合使用成本。而少数专业演员短时间高频率参与不同广告内容的拍摄，也导致了系统性的品牌安全风险。”
智能营销过程中，往往需要大批量、高频率的A/B test来提升广告精准度，这对于广告素材的数量和制作周期就有着严苛的要求。为此，易点天下从产品技术侧开启了加速迭代。
YeahCreative创意平台主要功能
图片时代，易点天下自主研发了一站式创意再生平台YeahCreative等产品，得以实现创意批量化生产。通过YeahCreative平台，设计师只需要产出新的创意模版，优化师即可批量替换内容后进行一键投放，充分发挥优化师对广告主需求和目标用户的理解，提升投放效果，也去除了设计师的重复性工作，使其得以专注到创造性工作中。
在实现创意低门槛和高产出的同时，YeahCreative可以直接对接投放平台和主流媒体渠道，实现创意一键式投放以及创意数据回流，方便优化师根据投放效果，迭代创意。
而面对越来越多的视频广告诉求，YeahCreative的功能也在不断迭代，视频模板化批量生产、云端批量渲染及视频智能拼接等功能在过去一年多的时间内相继上线。目前已经被应用在游戏、视频平台等客户的营销过程中。创意产品化、智能化，也将是易点天下未来的主要发展方向。
强化数据隐私保护 加大联邦学习等隐私计算方向的投入
信息化时代数据是核心。从苹果公司在今年 4 月正式启用广告追踪透明度框架（ATT），IDFA 的获取受限，到国内《个人信息保护法》的颁布，数据安全和隐私保护也受到越来越多的关注。
作为全球智能营销从业者，易点天下也一直关注保护数据隐私。公司2018年加入IAB Tech Lab，参与制定数字广告行业标准，同时符合欧盟GDPR（《通用数据保护条例》）和CCPA（加州消费者隐私法）的要求，目前正在进行ISO27001信息安全管理体系和ISO27701隐私信息管理体系认证。
除此之外，站在发展的角度，数据隐私与精准营销这个看似天然存在的悖论，正在被联邦学习技术的深入应用逐渐打破。
联邦学习是一种机器学习技术，具体来说就是人们在多个拥有本地数据样本的分散式边缘设备或服务器上训练算法。这种方法与传统的集中式机器学习技术有显著不同——传统的集中式机器学习技术将所有的本地数据集上传到一个服务器上，而更经典的分散式方法则通常假设本地数据样本都是相同分布的。它可以使多个参与者能够在不共享数据的情况下建立一个共同的、强大的机器学习模型，从而可以解决数据隐私、数据安全、数据访问权限和异构数据访问等关键问题。
目前，易点天下已经与亚马逊云科技的工程师，开始探索联邦学习等隐私计算方向在智能营销场景下的应用实践。虽然联邦学习技术在2016 年已经提出，不过目前全球范围内的应用场景仍然是基于单一集团公司内部不同地区、部门的数据打通，类似易点天下这样涉及全球、多行业、多公司的超复杂应用场景下对联邦学习的应用仍属首创。
“在保证数据安全、合规的前提下，提高程序化广告中的精准定位能力，是我们最核心的目标之一。”王一舟介绍到。
