6月5日下午南京消息,由途牛主办的2015资金之巅互联网高峰论坛在南京进行。百度总监陈蕾在会上做了《展示广告—百度互联网+战略催化剂》的演讲。
百度总监陈蕾
前几天,李彦宏在证监会上用duang来形容互联网+,而“互联网+最大的变化就是全民移动”,这是百度总监陈蕾的开场白。陈蕾承认,“基于信息的检索核心,百度在其中赚了很多钱”,过去“百度做的是连接人与信息”现在百度开始“连接人与服务”。
陈蕾说,过去PC端是中心,现在移动APP在一定程度上弱化了搜索中心化的能力。“三年之后移动搜索会占到移动世界的中心,但是这个所谓的中心比以前可能要弱化,以前的中心非常强大,PC上像百度的中心能力可能超过90%,但是未来这个比例会下降,随着H5的发展,移动搜索会利用人的惰性,这决定了最终搜索在任何时候都会占到生态圈的中心去。”
陈蕾提到,在整个移动生态下,消费者的变化有这么几个趋势。
第一,即时反馈。在PC互联网生态上,用户实际上是从信息的整个闭环中进行产品的购买,因此整个流程长,消费者也比较有耐心,但是在移动生态环境下,“消费者对服务和即时反馈的要求非常高。”
第二,消费者角色的碎片化,这就对信息的丰富度和完整性提出了更高的要求。以往用户是基于大搜索进行信息转化的,如百度的搜索引擎就是“网罗所有的网民对各式各样的信息和服务需求”但是,今天百度通过垂直搜索进行用户的需求推荐。
第三,消费场景化。“我们看到消费的场景化,各个公司都在做自己的场景。”陈蕾表示。
第四,交互的多媒体化。用户不希望是简单的文字交互。
最后一个是交互的多媒体化,交互不希望是简单的文字化。这是在整个移动生态下,消费者变化的四个趋势。
而陈蕾认为:展示广告是移动互联网+的催化剂,因为“它是目前我们在搭的所有系统架构”,大数据、营销理论、媒体以及形式,最后会构成催化剂,“这个催化剂跟我们以往的广告解决不一样。
移动时代的营销是向全价值链、满足即时服务延伸。“今天我所谈的广告跟以前谈的广告不一样,以前的广告是帮你在媒体上把形象展示出来,我现在提出的广告是帮助你理解你的行业你的用户需求是什么,利用互联网的力量把用户的需求,除了按照以往的搜索这种用户主动告诉你我的需求是什么,现在新的广告技术让你挖掘到用户的需求是什么,并且能够进行需求和供给的配对。”陈蕾表示。
因为“以往所有的广告只在中间做,后来出现了社交媒体、电商,像阿里巴巴广告、淘宝广告会集中在购买上做更多的工作,百度可能在传播角度做,后来出现的微博、微信,可能是从分享角度做,但我百度现在的聚变能力主要是基于端能力的互动技术,进行技术驱动营销创新和用户体验升级。
陈蕾列举了蒙牛云端牧场的例子。他介绍了前段时间在百度联盟峰会上百度的新产品。他说蒙牛云端牧场的好处在于,当用户在搜索时可以追溯奶源,看到喝的牛奶从哪里来,也可以在线下看到商品的二维码并进行扫描二维码,从而知晓生产牛奶的厂商、甚至“可以看到给你生产牛奶的牛在干什么“,陈蕾认为这是一种“互联网+能力”。
此外,在技术营销创新和用户体验升级方面,百度一直保持非常开放的心态,包括一些纯公益的事情,百度也会当成产品来进行研发。如将二手的东西变废为宝,百度会提供线上的解决方案,用户可拍照并上传旧家电等用品,通过预定价格并上门选取。在创新性项目上,百度也希望能与其他行业的人进行合作。
在连接人与服务方面,百度直达号可以实现全程连接。传统意义上旅游,用户通过PC端搜索路径,但是“在PC上不能做到即时反馈,并且尽管峨眉山的相关搜索非常多,但实际的地理环境非常复杂,真正实用的信息不够集中。”而最近如百度与峨眉山的合作,发现用户在移动端上面对即时反馈的要求非常明确,他们会对峨眉山和相似的地方作对比,需要很高的关联度。
百度直达号的解决方案就是通过渗透线下,与其他的伙伴一起合作等,打通线上和线下,更好满足用户需求。
用陈蕾的话说“用户搜的是峨嵋山就跟峨嵋山一样靠普,明显相关度很高。峨嵋山新的APP就可以全程连接人与服务。通过陈蕾的现场演示我们可以看到峨眉山的景点介绍,图片预览,游客进入景区后百度还会提供解决方案,如“百度会告诉游客哪些是热点地区,等人少了再进去等信息。”
也就是说会渗透跟线下行业或者进行紧密合作,最终成为了线下服务的一部分。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。