今日,移动广告评估平台AppsFlyer宣布,获得2000万美元B轮融资。
此轮领投方为富达欧洲风险投资基金,是富达国际投资的风险投资子公司。AppsFlyer上一轮的投资方Magma Venture Partners 和 Pitango Venture Capital也跟投了本轮。此次融资后,该公司目前已成功筹资2800万美元。
AppsFlyer亚太地区副总裁Ronen Mense表示:“这项投资进一步明确了AppsFlyer的行业定位及使命。我们的服务填补了市场上的一大缺口,令市场推广活动具透明度,让市场推广商能更有效地追踪和吸纳他们的重要客户。亚洲现时拥有超过30亿的消费者,他们大部分都是在一个以流动为主的市场下接收不同品牌和服务信息。我们正积极加快发展步伐,并进一步拓展亚洲市场。”
AppsFlyer的NativeTrack™技术,为应用营销商、品牌商和广告机构提供针对在800多家移动广告网络和各类媒体营销推广活动。AppsFlyer推出的通用软件开发工具包(SDK)下载安装量超过40多亿次。目前有4000多家广告商使用AppsFlyer软件,对每年10多亿美元的移动广告支出进行评估和分析。2014年,AppsFlyer录得超过20亿次安装数量。
市场研究机构eMarketer预测,今年全球移动广告支出将达到640亿美元,到2018年这一支出将达到1580亿美元。但部分广告商对于进军移动广告领域仍持谨慎态度,主要原因是无法准确衡量移动广告的投放效果。然而,AppsFlyer推出的一整套软件工具初步解决了这一问题,它使得广告商可以有效评估、分析在包括付费媒体、自媒体、病毒式传播及社交平台在内的所有媒体上移动广告的投放效果,实现最优投放。
AppsFlyer 联合创始人兼首席执行官Oren Kaniel表示:“我们的使命是为广告商提供真实的信息,增强他们的市场洞悉能力,并为他们提供所需的营销工具,以开展更巧妙、更有效的移动营销。自2011年成立以来,我们公司发展迅猛。来自富达的投资让我们非常兴奋,这将激励我们保持平台的中立性,并进一步开发行业所期待的移动广告SaaS平台。”
在全球,AppsFlyer不仅是Facebook和Twitter的移动业务评估合作伙伴,其在中国的客户还包括百度、中国手游、携程、乐逗游戏、昆仑乐享和奇虎等。同时,AppsFlyer为许多业界领先的第三方分析、自动化和交付服务提供商提供直接集成服务,这些企业包括Mixpanel、Swrve、Game Analytics、deltaDNA 等。此外,AppsFlyer与数十家领先的广告机构达成了合作,包括Starcom Mediavest、OMD、Dentsu Aegis、Fetch、M&C Saatchi等,这些合作伙伴均深信,AppsFlyer去年夏季发布的“AppsFlyer for Agencies”解决方案有助于他们提高客户推广活动的回报率及其他主要绩效指标。
AppsFlyer 在去年12月推出的OneLink方案是一款前所未有的一体化智能深度链接解决方案,帮助营销商简化在所有平台和媒体上的应用营销过程,包括电子邮件、网络、搜索、手机和所有其他付费媒体渠道。
本轮融资完成之后,来自富达欧洲风险投资基金的Gaurav Tuli将加入AppsFlyer董事会。他表示:“AppsFlyer的市场定位独一无二,为移动广告业提供一个平台,帮助移动广告营销商在竞争激烈的应用市场脱颖而出。AppsFlyer高效的管理团队、雄厚的技术资质以及它迄今所产生的吸引力给我们留下了非常深刻的印象。我们对这笔重大投资感到非常自豪,这将确保AppsFlyer在今后几年继续在行业领跑。”
AppsFlyer计划把新的资金投入研发部门,以加快产品开发,包括开发新式工具,帮助营销商评估广告、营销和重定向推广活动的市场影响。公司还将积极拓展国际市场,在现有的旧金山、特拉维夫和北京办事处之外,在全球各地新设一批办事处。此外,公司还将投资扩大市场信息分析部门,加强市场分析和洞察能力,提出重大观点,帮助行业更好地理解迅速发展中的移动广告市场。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。