返回 登录
2

FreeWheel容力:着眼行业 我们走在视频广告变革的浪尖上

随着大数据、人工智能时代的到来,越来越多的传统企业面临着转型的压力。FreeWheel作为提供高端互联网视频广告投放、监测、预测、增值等关键解决方案的外企,有着很多国际化大数据方案落地的经验。CSDN记者有幸与FreeWheel公司高级副总裁容力,一位90年代的大数据博士,一起聊聊他与FreeWheel这家公司的渊源和大数据技术实践心得。

图片描述

FreeWheel是一家怎样的公司?

FreeWheel创始于2007年,同年北京研发中心成立。公司主要看到了高端视频广告这一新兴市场,Comcast认为这一市场对他们的生态系统定位极为重要,在2014年3月份全资收购了FreeWheel。FreeWheel从2015年开始发展非常迅速,目前FreeWheel在北京拥有300多名员工,是Comcast旗下广告技术平台最主要的研发力量。

工业大数据出身 拥有微软、雅虎“血统”的高级副总裁

九十年代在加拿大留学的容力,顺利地在大数据专业获得了博士学位。当年,大数据的应用还不是很多,技术也并不完善,真正的大数据应用是在工业界。毕业之后,他的工作更多是利用大数据计算为工业界提供工业智能化服务。随着二十一世纪互联网的迅猛发展,互联网方面的大数据运用开始升温。2006年“海归”的容力,加入了微软亚洲工程院数字广告部门,主要是做一些用户画像的算法。期间,大数据在数字广告方面逐渐有了很真切的应用。通过数据挖掘技术,就能够看到技术创新在商业上的变现。“一个预测的公式做得好了,就能把广告点击率提高比如一两个百分点,那就可以直接换算到提升多少营收。”容力很兴奋能在这个领域把自己所学的知识落实到实际应用中。2010年,容力加入了雅虎北研的数字广告部门,掌握了更多如何把算法和技术变现的实践方法,并曾先后负责广告定向、DSP(需求方平台)、Ad Exchange 以及原生广告等技术平台的开发,在该领域积累了深厚扎实的技术研发以及团队管理经验。2015年随着雅虎在全球范围内的收缩,容力最终决定加入FreeWheel。

人工智能依托大数据而大放异彩

上个世纪九十年代的神经网络专家Hinton,研发了很著名的算法Back Propagation Neural Networks,用一个形象的说法来形容是“他的神经网会做梦”。但是后来很长时间没有大的突破,这是因为受限于当时硬件设备所能处理的数据规模和可行的数据处理模式。近几年来Hinton之所以可以把神经网发展为成熟的深度学习算法,就是因为我们真正进入了大数据时代。我们所能够处理的数据规模经过十几年的发展,让科学家们能够进行更深层次的运算。

在二十年前如果研究类似现在的深度学习算法,以当时的数据规模很难收敛。所以大数据时代的到来和大数据规模达到一定程度以后,深度学习的算法才能可行,这二者是紧密关联的。现在人工智能的发展很大程度上是被深度学习这个概念的出现推动的。近两年最吸引眼球的人工智能及深度学习的成果之一就是谷歌的AlphaGo。虽然它不会给谷歌带来任何直接的经济收益,但是它带来的广告效益是极大的,其展现了基于计算机算法的人工智能究竟能做到多么极致。

国内大数据技术储备不足

不论是国内还是国外(以美国为例),大数据依然是非常火热的领域,也存在泡沫,有很多热钱,这是国内外的相同点。不同的是国内在这方面总体上来说技术储备不足,深度学习、AI方面的发展主要投入是人力和财力。这个钱要投到合适的人才和团队上,而非投到一个概念或者一个公司名字上。例如,Google做自动驾驶的团队成员出来创业很容易就能获得资金,因为他们都是业界顶尖的技术人才。国内欠缺的正是这样的人才。美国有斯坦福、伯克利、MIT这些顶尖的大学作为后盾。在这些学校里以一些教授为带头人做出来的研究成果成为工业界的后备力量。相比之下,中国在这方面欠缺一些,研发的后劲弱一些。所以带来的结果是,虽然中美有很多初创企业会很快失败,但在美国的情况更多的是因技术试错而导致失败;而在中国,不少创业的起始都是在炒作一个概念,失败也是因为仅仅停留在概念层面。

技术算法和理论需要落地

FreeWheel遇到的技术问题不止是单纯的需要新的算法和技术解决方案,而更多的是在现实产品应用中落地。通常在研究文献中会有各种各样新的东西,拿来实践应用就会发现全是“坑”。借他山之石的时候,会发现很多技术以及很好的算法,但是在实际领域应用起来却可能是完全不一样的,FreeWheel要解决理论落地的问题。FreeWheel是面对企业级客户的公司,对于企业级客户来讲,有较为宏观的盈利指标,需要将FreeWheel的技术指标与他们的宏观目标直接联系起来,这里面有很多落地的问题。

通过实时化技术解决现实问题

对于FreeWheel来说,作为一家为视频供应方服务的广告技术平台公司,更多的是着眼于现实的技术问题,而不是试图在业界内做研究上的领头羊。”

容力表示,当前实时化是最重要的。FreeWheel服务的公司很多是传统电视公司,在他们的转型过程中产生了实时需求,管理人员想知道现在的电视节目有多少人在看,看的效果如何。在互联网领域,技术手段和解决方案是存在的,但在传统电视领域,目前在市场上还没有相应的解决方案。

网络媒体与电视台相比,需求有很大的差别。去年年底,FreeWheel开始做实时的Dashboard,名字从Near Time Dashboard进化成Real-time Dashboard,实际做到的端到端的延迟只有几秒。它能够让FreeWheel的客户实时地监控广告和视频活动的交付情况。然而它的作用不仅止于监控,通过实时监控客户还能够马上做出相应调整。传统领域客户可能不太相信全自动的东西,而通过FreeWheel的Dashboard实时调整客户的广告排期,这样就能达到很好的效果。

实践案例:March Madness

美国每年3月份会举办别名March Madness ——“3月大疯狂”(大学生男子篮球冠军联赛)的活动,类似于美国的Super Bowl(超级碗),对于广告界来说Super Bowl的观众收视率类似于中国的春晚。在“3月大疯狂”中, 全美64个Top大学篮球队捉对厮杀,观众的收看率是非常高的。“我们有一个客户要在上面投放广告,买到了转播权,需要在赛事播放中插播广告。当时我们开发出来还处于Beta阶段的Dashboard,给他们试用后,结果非常成功,在一天内获得两亿五千万次广告展示。”容力说。

March Madness是FreeWheel大数据实时处理平台的应用案例,主要使用的基础架构是Hadoop和HBase,让工程师花去时间比较多的是实现实时处理。虽然FreeWheel的技术在业界并没有多么的标新立异,但是Real-time Dashboard在高端视频广告服务方面的确是领先且落地可行的。

FreeWheel作为面向企业的广告管理解决方案提供商,更注重和企业级大客户信任关系的建立与维系,积极推动新产品的定制化研发和试用,共同解决实践中出现的多种问题。例如, FreeWheel帮助以前传统的电视媒体厂商,通过试用的方式进入到数字视频行业里来,统一广告排期规划。FreeWheel这种解决问题的方式,与其开放包容的互联网文化相辅相成,不是做的十全十美才会拿来应用,而是通过试用过程,循序渐进,以把产品和服务做到十全十美作为最终目标。

人才招聘:Hire the Best

FreeWheel对于人才招聘的理念是Hire the Best。什么样的人是Best,当然不仅限于技术最顶尖。一个人是否值得录用要看三个方面:第一看这个人能给公司带来什么价值;第二,他/她来到公司,除了报酬之外,公司还能带给他/她什么价值;第三,这个人能在公司工作多久。“数字广告这个领域还是比较特殊的,没有做过这个领域的人都需要花一定的时间去学习,所以学习曲线会比较陡一些。很多新人进来以后不能马上就为公司做出突出的贡献,总需要有过两三个月的学习过程。如果一个人只待六个月的话,前两、三个月就不值得了”,容力解释道。

无可厚非,FreeWheel希望人才在公司待的时间足够长。人才是一个长期投资。为了提高员工的各种能力,FreeWheel免费为员工提供了英语培训、领导力、沟通技巧等各方面的培训课程,还组织员工去参加包括CSDN等媒体举办的技术大会,作为坚实后盾支持员工去感受、体验业界的一些动态。这些都是对员工的培养,这些培养都是长期的投资。

后记

笔者通过和有着丰富阅历的FreeWheel高级副总裁容力沟通,知晓了FreeWheel公司的定位、技术方向及其个人对新型技术的理解。作为由不同国家、不同背景人才组成的技术团队的领导者,他对技术的落地、新技术的发展有着独特而务实的观点。

容力最后说:“我们这个行业正处在高速变化、变革中,传统电视正在与数字视频媒体融合。在FreeWheel工作就感觉是在变革的浪尖上,令人感到非常兴奋。

评论