6月23日消息,阿里妈妈总裁俞永福今日通过内部邮件宣布,阿里妈妈将全面整合大数据营销技术提供商易传媒,计划未来组建基于阿里大数据为核心的品牌营销服务中心。
据悉,阿里妈妈和易传媒的整合将从团队融合开始,易传媒原负责品牌客户服务的产品、研发、销售团队与阿里妈妈相应团队组建阿里妈妈品牌客户服务、销售及产品方案中心,由易传媒总裁程华奕负责,易传媒创始人兼CEO闫方军将担任阿里妈妈顾问。
今年1月,阿里巴巴集团宣布战略投资并控股易传媒,通过双方打通数据,合作建立数字广告技术和大数据营销基础设施平台。经过三个月的准备,阿里妈妈走出淘宝的方向逐渐清晰,即利用“大数据资产”瞄准精准营销服务。
俞永福表示,全球的营销推广产业正在经历两个重要的“风口”,一是从传统投放向以数据驱动的精准投放升级,二是从传统的媒体购买向程序化购买升级,实质上都是从IT营销推广进入DT营销推广时代。(童郜)
以下为俞永福邮件全文:
各位阿里妈妈Family同学:
正式跟大家宣布一个好消息,易传媒(AdChina)正式成为阿里妈妈的一员,易传媒总裁兼CTO程华奕加入阿里妈妈班委,与我和朱顺炎一道带领大家打拼“新阿里妈妈的创业之旅”!
借这样一个机会跟包括易传媒同学在内的新阿里妈妈同学分享一下当前的格局和思考:
天时
全球的营销推广产业正在经历两个重要的“风口”,一是从传统投放向以数据驱动的精准投放升级,二是从传统的媒体购买向程序化购买升级,实质上都是从IT营销推广进入DT营销推广新时代。同时,由于中国互联网发展已经从学习美国进入超越美国的发展阶段,大数据精准营销将在中国迎来跨越式发展的巨大历史机遇。
DT数据精准营销将进一步改变企业发展的路径和形态,特别对中小企业的创新和成长将更加有利,市场呼唤阿里妈妈加速创新,提供更丰富创新产品的声音日益强烈。
地利
阿里妈妈今天的“土地含金量”令人羡慕,虽然已经几百亿规模,但空间依然巨大。随着阿里生态的快速发展,我们“联合土地开发”的速度将进一步加快。同时,DT营销时代最重要的支点是“大数据资产”,就像逍遥子所讲,大数据将是新经济时代的“石油”,而幸运的是,咱家的石油储备最多。
人和
过去的一段时间,围绕“八一攻坚”,团队迸发出了对于变化、对于成长的强烈期望,这是阿里妈妈最大的财富——一支激发了巨大战斗力的队伍,不会惧怕任何挑战。
易传媒团队作为典型的创业团队,在充分甚至惨烈的竞争中存活、成长并成为中国数据营销领域的领先者之一,团队对市场的敏感度、执行力值得我们学习。
整合后的新阿里妈妈骨干团队能力更加互补,沟通更加阳光简单,我们也将加速业务和组织创新。
新阿里妈妈将一视同仁,坚持“一碗水端平”和“战功导向”的原则,同时推进组织向三个方面发展:
1,业务团队去功能化(产品/研发/测试等功能模块),向每个业务中心(直钻业务中心/品牌业务中心/联盟业务中心等)发展,提高整体目标感、提高业务决策效率、提高相互补位的意识和能力;
2,大业务减少一人负责人,向班子负责制发展。互联网发展和竞争都要求速度更快,但我们每个人都不可能成为全才,需要组建全才的班子,相互启发,相互补位。(要想走得快,一个人走;要想走得远,团队一起走)
3,坚持“Anybody
can say no,Someone can say yes”的决策原则,Someone(一号位)是专业方向的同学,坚持负责任的高效决策,避免一言堂和假民主。
最后,还要特别感谢易传媒的创始人兼CEO闫方军Alan,感谢他带领团队在2007年美国硅谷创立易传媒,从一间小小的办公室开始起步,经过8年的努力,易传媒在品牌客户拓展及服务、外部媒体、技术能力等方面取得了卓越的成绩和积累。由于家庭需要,Alan需在下个阶段回美国发展,因此Alan自即日起转任阿里妈妈的特别顾问,继续帮助新阿里妈妈的创业征程。
能一起打拼,因为我们有共同的梦想,共创数字营销未来,Let’s fight together!
班长:永福
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。