本届大会以“大数据·大智能·大回响”为主题，共设置中国移动广告营销创新发展论坛、大数据营销领袖论坛、新媒体营销创新发展论坛三大论坛，阿里巴巴、中国联通、唯品会、宝马等数百名知名品牌企业主CEO或高管群英汇聚，更有广州市广告行业协会带领旗下会员企业、新锐企业家协会及各大著名企业家俱乐部会员踊跃报名，共同探讨千亿级市场下数字广告行业各方的未来发展之路。本次大会还覆盖5000+行业内人士，包括政府主管部门、专家学者、品牌广告主、移动大数据和泛营销的上下游产业链，人民网、新华网、今日头条、中国广告网、南方网、大粤网、鲜闻等知名媒体全程关注。
智子云CEO朱建秋博士应邀出席了本次大会 ，并发表了《移动营销中的DSP大数据困境》精彩演讲。他认为：“以AI人工智能为核心的DMP解决方案，正尝试突破DSP大数据的困境。”以下是精彩内容：
以“透明化”解决RTB市场的困境
2016年智子云率行业之先倡导DSP”透明化”。如今，2017年“透明化”已经成为每家DSP的标准配置。DSP透明化是我们为解决RTB存在的市场困境提出的解决方案。RTB快速发展到2016年，市场开始有一些质疑和异议，原因是因为RTB广告投放建立在DSP技术黑箱之上，黑箱操作使得套利成为可能， 也让很多鱼龙混杂的流量，灰色的做法以DSP名义而存在。我把这样一个市场，称为是“柠檬味”的RTB市场。柠檬市场，是阿克尔洛夫提出的，获得诺贝尔奖的经济学理论，简单的讲就是在信息不对称的市场中，劣币驱逐良币的过程。但我认为，RTB还没到柠檬市场，只是开始有一点点柠檬的味道。那么，把这个市场往良性的、健康的方向扭转，要怎么办?针对RTB市场的这个困境，我们提出了“DSP透明化”。
透明化的需求怎么理解呢?如果你是广告主，做一个10万元的DSP投放，首先，到底有多少钱真正花在购买媒体上?你不知道; 第二，一般而言，每家DSP都会跟你讲：有大量精准的人群数据，有很多算法……可问题是，广告投放过程中真的用了这个数据吗?就算真用了这些数据，那这些数据真的准吗?你也不知道; 第三，方案里设计的投放策略，看起来都很完美，也有一定的KPI指标，但是整个投放策略真的是按方案执行的吗?整个投放策略能看到吗?透明化就是针对这三点，将曝光成本、人群数据以及投放流程这三个黑箱打开，并在DSP系统中真正技术上实现。
透明化打开了DSP技术黑箱，能够用“放大镜”去看透明化后的数据，然后，我们就看到了“大数据的困境”。
DSP大数据的困境：精准之殇
DSP最初以精准著称，号称大数据精准营销。6年后，再提精准，有点五味杂陈。我们听得最多的就是：“不是号称精准吗?那为什么做不到…”?我用“精准之殇”来说明当前DSP大数据的困境。总结起来，有以下三点导致精准很难落地。
第一点是数据覆盖量不够。每家DSP都会说有数以亿计的人群数据，这些数据覆盖量难道还不够吗?是的，智子云一天也有RTB竞价数据350+亿条。但是，这些数据只有在有RTB竞价广告位的网站和APP上，才能获得人群的行为。而这些网站和APP的覆盖量是不够的，因为还是有相当于一部分网站和APP上没有RTB竞价广告位，比如淘宝、京东等。而没有广告位的大都是价值高的网站和APP，这些媒体上的行为是没有的。
第二点是数据的维度不够。举一个极端的例子，你是一个微商，有10万个粉丝。这些粉丝中有5千个购买过你的商品。而对这些粉丝的数据维度，你只有一个：微信号。因为维度不够，你就没有办法知道购买你商品的人群特征是什么，是男是女，年龄多大，喜欢看什么等等。维度不够，就不能建模，也就无从对精准投放进行指导。我现在的一个评判是，仅靠线上的行为标签，是不足以支撑精准落地的。我们需要更准确的线下的标签。比如，如果我们知道性别，在投放男人爱玩的游戏的时候能够直接将成本缩减一半。
第三点是外部数据没法有效评估价值。我们会遇到一些数据提供商，都说有多少亿数据，打了标签，并且数据实时更新。这些数据如何评估，你能将这些数据用起来吗?要用多少数量?500个标签你都要吗?现在没有一套工具来帮助你。从我们实际的经验来看，如果不对数据进行评估和筛选，直接批量购买这些数据投放，效果和随机投放再优化没有太大的差别。
移动大数据+AI，使得突破这些困境成为可能
在PC时代，要解决这些问题是很难的。懂技术的知道，PC上基于Cookie的机制，要拼接人的数据维度是不可能的，因为Cookie不稳定，并且也不能标识一个人。到了移动时代，结合人工智能AI，使得突破这些困境成为可能。
移动ID有效期相对稳定，比如手机号、设备号、MAC地址等，能够标识一个人。同时，移动设备增长快速，使用频率已经远远超过PC。特别是万物互联的IOT时代，很多线下的数据，通过移动ID拼接，大大丰富了数据的维度。
当然，仅有数据还不够，还要通过AI技术来自动化处理这些数据。因为如果用传统的编程方式，定制周期长，也很不灵活，会导致成本很高，效率很低，所以一定要用AI使得这些数据处理自动化智能化。
Open DMP：以AI+DMP解决大数据的困境
基于此，我们提出智子云OpenDMP解决方案，用AI + DMP来解决上述DSP大数据的困境。Open DMP是以AI为核心，主要包括数据拼接、自动标签、数据评估以及数据利用四个模块。
第一个模块是数据拼接。通过智子云USER MASTER专利算法，以用户为中心，自动把内部数据和上百家的数据提供商提供的外部数据打通。
第二个模块是自动化标签。外部数据拼接下来后要解决的就是打标签。传统方式是写程序，但周期很长，不灵活。因此我们研发了一套自动化标签的工具，有一套标准的标签体系帮助企业在数据拼接好了后自动化的打标签。
第三个模块是数据交易集市。主要解决自动化增加数据的维度，并且有效评估第三方数据的价值。现在Open DMP接了数十家数据供应商，从线下的特征数据、商旅、物流、银联消费等数据，到线上的电商数据和网游数据，有数千个维度。数据交易集市能够有效帮助客户实现数据的自增长，大大丰富了数据维度。数据交易建立在对第三方数据进行有效评估的基础上。数据评估的基本方法是使用样本数据进行自动化对比，复杂的评估，需要建立客户细分模型，有的甚至需要利用DSP投放工具进行投后评估。
需要着重强调的是数据交易集市的数据交易是自动化逐条交易的模式，区别于传统的定制化、零散、批量处理的数据交易模式，逐条交易的模式是数据自动化评估得以实现的关键点所在。
第四个模块是数据利用。数据在以客户为中心进行拼接，增加了丰富的数据维度，并且对客户打好标签后，要将这些标签数据利用起来，DMP系统能够标准化的对接CRM、呼叫中心、DSP等。同时，自身的web网站和APP也能充分利用这些标签，做到个性化和智能化。
智子云OpenDMP是一个以人工智能为核心的数据管理平台。一方面丰富自身数据维度;另一方面对外部数据有效评估，客户数据能够自增长;最后，有标准的接口对应不同的数据利用，总结起来就是自动化，智能化，标准化。
最后我的观点是：不要期望靠一两家的数据就能让营销有很理想的效果。我们需要一套工具和方法，来有效拼接、整理、评估外部数据，逐步增加有价值的数据，丰富数据的维度，保持数据的新鲜度，为数字营销提供更加全面的数据基础。