用人工智能做广告业务，Deepleaper能在众多广告平台中杀出重围？

2015年中国移动广告的市场规模达901.3亿，同比增长率178.3%。近3年保持了超过160%的增速，根据艾瑞预测，2018年移动广告规模将超过3000亿元，在网络广告市场的渗透率近80% 。

在这其中，信息流广告算是移动端主流的广告业务形态。通常情况下，媒体方会对接DSP、网盟等平台，由平台统一对接广告主然后投放。但点击率却在3%以下，更别提实际转化率。不仅对广告主是浪费，对媒体来说也不利于增收。原因有很多，比如说固定的广告位，会导致读者习惯性的跳跃阅读。以及，多轮人机对话后，平台的投放效果不精准。

拿我们接触比较多的DSP来说，当用户打开一个页面，首先会请求DMP读取用户画像，假设判定此用户为25岁女性，随后DSP中的广告主就会竞价，排名第一的获得该用户面前的展示机会。Deepleaper创始人兼CEO王冉认为，DSP本质是提高了投放效率，但谈不上真正的精准营销。例如，早晨搜索从北京到重庆的机票并购买，用户会被打标签是携程的用户，之后页面的广告位会依旧展示北京到重庆当天的机票，很显然不合理，没有考虑到时效性的问题。这时候更好的场景应该是当地的酒店推荐，或者返回的机票推荐。

王冉在2015年6月创立Deepleaper，希望利用人工智能等技术手段，帮助媒体做好广告管理，以提升广告主的投放效果。

一方面Deepleaper跟Agency或者大企业合作，获得广告主资源，另一方面，Deepleaper通过SDK或者API对接媒体统一做广告分发。如下图所示，当用户在信息流中点击查看了滑雪教程，返回的时候就会自动生成一条相关广告。

在这个过程中，Deepleaper先用自然语言识别技术(NLP)分析出文章本身讲的内容，然后建立带有实效性的人群画像，之后结合位置、是否有wifi等场景特征，推荐可以匹配的商业服务。

例如，用户在浏览了一篇食物相关的文章，时间是中午，地点又是在公司，那么更多可能是用户饿了，所以广告可以推荐外卖平台或者楼下餐馆的优惠券，等等。当长时间跟踪学习用户点击的逻辑，就会让推送的场景变得更精准。如果GPS判断不在常驻位置，则视为异常请求，分析用户可能是在出差，然后推荐相关服务。

并且，Deepleaper的广告投放逻辑也是可控的。比如汽车行业，假设宝马和奔驰都投放了“自动驾驶”在内的10个关键词，首先可以对匹配精度进行选择——只有10个关键词同时匹配才能竞价，或者有5个符合就可以竞价，这样就是先判定两者是否具有同样的竞价资格，之后再根据出价高低获取用户。还可以设置一些特定要求，比如不在杀人文章上面投放高级品牌等。

整体来看，Deepleaper主要分三个阶段，第一步是冷启动，根据用户的实时需求认识用户;第二步跟用户多轮交互，学习用户的行为特征;最后一步是回溯，强时效性的特征去除，积累深度特征。

不过，目前Deepleaper只对接信息流广告，因为对于固定的Banner位，只能通过用户画像的形式，没有革新点。而在信息流中，用户主要有点击、文内下拉、返回、信息流刷新四个动作，Deepleaper现在更多是在返回、刷新步骤中触发广告逻辑。

至于收费，Deepleaper则是通过cpc/cpm的抽佣模式。目前已对接了头部10多家的媒体，投放效果可以提升30%-50%。

据悉，Deepleaper CEO王冉历任多家跨国企业市场部门负责人，CTO李东军是前百度搜索时效性排序团队负责人，搜索点击推荐专利作者，全球拥有多项技术专利。公司在2016年7月获得了630万元的天使轮融资，近日又获得1800万元A轮融资，由洪泰基金领投。团队现在不到30人，预计今年年底实现盈亏平衡。