2021年5月20日,ZTouch,北京中量质子网络信息科技有限公司旗下的企业数智化服务平台,发布了广告数智投放平台Darwin(达尔文)。Darwin系统专注于提升广告投放效果,为广告主及代理商提供了便捷的管理工具;同时,结合数据算法能力,通过RTA技术,帮助他们最大程度上降低投放成本、提高获客效率。
【ZTouch 广告数智投放平台Darwin RTA流程图】
随着消费场景加速向线上迁移,因为完美平衡了媒体、广告主和消费者的利益,而且可以通过算法实现精准推送,信息流广告市场规模近年来出现了井喷式的迅速增长。根据CNNIC发布的第47次《中国互联网络发展状况统计报告》,2020年,我国网络广告市场规模达4966亿元,同比增长14.4%,并且出现了“移动端广告继续抢占PC端份额”和“信息流广告市场规模迅速增长”的特点。移动端广告的市场份额已经由2018年的70%增长至85%左右,进一步抢占PC端广告份额。同时,随着疫情防控进入了常态化阶段,广告主对数字化营销投入增加的同时,更重视投放成本和广告效果。信息流广告兼具品牌展示与效果投放两方面优点,成为了广告主的首选。
然而,随着信息流广告的迅猛发展,在日常投放实操过程中,广告主以及代理商却遇到了多广告平台账户操作繁琐、广告成本高、自有数据利用率低等诸多新的挑战。
针对信息流广告投放过程中的痛点问题,Darwin系统提供了跨平台账户管理、跨平台数据分析、程序化批量投放、跨平台素材管理、安全预警以及RTA精准投放等六大特性。
【ZTouch 广告数智投放平台Darwin的六大特性】
跨平台账户管理。Darwin系统连结巨量引擎、腾讯广告、快手广告、百度广告等广告系统的Marketing API,通过账户一体化管理界面,实现了便捷的跨平台账户操作以及资产管理,令用户便捷、安全地掌握账户投放情况。
跨平台数据分析。Darwin系统打通多个广告平台数据,能够掌握所有账号的全部投放数据,便捷快速地分析投入与效果,并实现所有账号的一体化管理,包括分配与回收账号。
程序化批量投放。使用Darwin系统简洁直观的操作界面,用户可以实现批量创建及调整广告,批量查看广告数据。
跨平台素材管理。Darwin系统的全局素材管理能力,可以帮助用户实现跨平台的素材统一管理与分析,实现素材复用、素材数据共享以及素材二次优化等功能。
安全预警。Darwin系统的安全预警能力,可以让客户在投放过程中设置安全限制,在账户资金发生异常时及时发出预警通知,并通过主流工作软件随时查看预警信息,避免资金损失。
RTA精准投放。此次推出的Darwin系统包括基础版和RTA高级版两个版本。RTA高级版本除了包含以上功能特性以外,还提供了精准投放功能,利用RTA接口,根据广告主的数据和技术能力,利用数据对不同价值用户实现不同出价、实现精准人群定向、流量实时筛选,帮助广告主逐步深入参与投放决策,优化提升ROI。具体来说,RTA版本能够实现拉新场景下实时排除已安装,避免无效探索;拉活场景下实时全渠道去重,确保高效触达;分人群出价,提升广告主在优质流量的获胜率。
【ZTouch 广告数智投放平台Darwin RTA媒体交互流程图】
在Darwin系统丰富、强大的功能之外,ZTouch还提供完善、贴心的售后服务,持续为客户创造更大的价值。ZTouch为每一个客户提供专属服务咨询,及时回复客户问题,确保日常运营稳定率达到99.99%。此外,Darwin系统包括系统算法在内的核心模块会保持持续的迭代升级。同时,Darwin系统的功能也将持续迭代,新功能开发出来后,客户立即可以使用。
ZTouch结合自身的强大的AI模型能力,可以赋能广大平台广告代理商和广告主客户,帮助他们实现高效且精准的智能广告投放。Darwin系统提供统一的TD界面、自动化阶梯出价、快速的批量创建,综合了市场上所有可以提升优质创意的发现技术,能够在每一个细节之处帮助客户快速产生创造优质广告创意,实现更高的广告效益。
2021年是ZTouch高速发展的一年,备受客户认可的同时业务也在大幅增长,急需大量想创业的小伙伴加入,一起打造全球化AI人工智能尖端品牌,做企业数智化挚爱伙伴,智领创新,共创未来!目前招聘职位有:推荐算法工程师、NLP算法工程师、推荐系统工程师、后端开发工程师、Web前端开发工程师、广告产品经理等职位。
了解更多ZTouch最新动态、活动和招聘信息,请浏览公司官方网站:www.ztouch.co。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。