 |
北京2021年(nian)6月(yue)9日 /美通(tong)社/ -- 廣(guang)告投(tou)(tou)放對(dui)(dui)(dui)現代企業(ye)(ye)(ye)來說是(shi)(shi)業(ye)(ye)(ye)務(wu)增長的(de)重要一環(huan)(huan)，投(tou)(tou)放效果對(dui)(dui)(dui)企業(ye)(ye)(ye)的(de)短期影響是(shi)(shi)推廣(guang)成本(ben)的(de)高(gao)低(di)，長期對(dui)(dui)(dui)企業(ye)(ye)(ye)市場地位有決定(ding)性的(de)影響。廣(guang)告投(tou)(tou)放的(de)核(he)心目(mu)標(biao)是(shi)(shi)通(tong)過合理的(de)成本(ben)獲取(qu)目(mu)標(biao)用戶，從而實現商業(ye)(ye)(ye)價值。在實際操(cao)作中，平衡(heng)投(tou)(tou)放成本(ben)和客戶生(sheng)命周期價值（LTV）是(shi)(shi)最為關鍵的(de)環(huan)(huan)節(jie)。
1. 落地場景
AI技(ji)術(shu)(shu)本身內涵豐富，準確地說，在本文(wen)中(zhong)討論的(de)是機器(qi)學習技(ji)術(shu)(shu)在廣(guang)告行業中(zhong)的(de)應用。在廣(guang)告投放領域，AI技(ji)術(shu)(shu)的(de)價值落地點可以歸(gui)結為(wei)如下幾(ji)個(ge)方面：
在(zai)用(yong)戶洞(dong)察方向上(shang)，AI技(ji)術的(de)(de)落地點主要在(zai)DMP系統構建(jian)、用(yong)戶定向分析、用(yong)戶聚類、用(yong)戶相(xiang)似(si)度擴展等方向。具體而言，通(tong)過機(ji)器學習技(ji)術，企業(ye)可以基于(yu)用(yong)戶行(xing)為等業(ye)務數據(ju)建(jian)立復雜(za)的(de)(de)標(biao)簽系統描(miao)述(shu)用(yong)戶的(de)(de)興(xing)趣愛好。實際應用(yong)中基于(yu)AI算(suan)法生成的(de)(de)不(bu)可解(jie)釋的(de)(de)標(biao)簽體系往往對用(yong)戶的(de)(de)興(xing)趣描(miao)述(shu)能力更(geng)強(qiang)。
通過AI機器(qi)學習打通多(duo)源數據，可以更好地進行(xing)跨屏用(yong)(yong)戶(hu)(hu)識別與(yu)定(ding)向。同(tong)時，用(yong)(yong)戶(hu)(hu)屬性(xing)可能會隨(sui)著時間推移快速變(bian)化，因此可以用(yong)(yong)AI算法來自我跟(gen)進變(bian)化。基于對潛在(zai)人(ren)群的洞察，通過支持人(ren)群擴(kuo)展(zhan)、相似度計算，達到更好地理解用(yong)(yong)戶(hu)(hu)、洞察用(yong)(yong)戶(hu)(hu)的效果。
ZTouch 科(ke)技觸達人心
創意(yi)是廣告(gao)的(de)核(he)心組成部分之一，創意(yi)的(de)好壞極大地影響廣告(gao)的(de)投放(fang)效(xiao)果和(he)轉化成本。在廣告(gao)創意(yi)領域，通(tong)(tong)過應用(yong)AI算法，企業將(jiang)獲得創意(yi)優化及(ji)自動生(sheng)成、綜合調優等能力：通(tong)(tong)過對(dui)(dui)已有(you)素材(cai)(cai)的(de)訓(xun)練(lian)和(he)學習，能夠自動生(sheng)成創意(yi)，降低人工成本，提升生(sheng)產效(xiao)率；通(tong)(tong)過智能投放(fang)，進行多組素材(cai)(cai)的(de)測(ce)試，針對(dui)(dui)不同用(yong)戶投放(fang)最優素材(cai)(cai)。
在智能投放(fang)方(fang)向上(shang)，基(ji)于AI技術可(ke)以完成(cheng)(cheng)點擊率預估(gu)、轉(zhuan)化(hua)率預估(gu)、在線實(shi)時用(yong)戶廣(guang)告行為預測，通過機器學習系(xi)統(tong)設定的目標(biao)達成(cheng)(cheng)平臺(tai)收(shou)益(yi)最大(da)化(hua)或者(zhe)廣(guang)告主(zhu)收(shou)益(yi)最大(da)化(hua)。
直(zhi)投媒體平(ping)臺(tai)廣(guang)告引擎的(de)(de)各種智(zhi)(zhi)能(neng)競(jing)價系(xi)統(tong)都是AI技(ji)術(shu)的(de)(de)典型(xing)應用(yong)。基(ji)于OCPX出價的(de)(de)模(mo)(mo)式預(yu)估用(yong)戶(hu)(hu)對每個(ge)廣(guang)告的(de)(de)點(dian)擊率(lv)、轉(zhuan)化率(lv)和個(ge)性(xing)化出價已經變(bian)成(cheng)目(mu)前信息流直(zhi)投廣(guang)告的(de)(de)主要競(jing)價模(mo)(mo)式。廣(guang)告主/廣(guang)告代理使用(yong)AI技(ji)術(shu)可以更(geng)精(jing)準(zhun)(zhun)的(de)(de)刻畫用(yong)戶(hu)(hu)畫像，實現精(jing)準(zhun)(zhun)人(ren)群細分，尋找創意投放組合；同時，基(ji)于機(ji)器學習算法去(qu)優(you)化點(dian)擊率(lv)、轉(zhuan)化率(lv)預(yu)估模(mo)(mo)型(xing)和智(zhi)(zhi)能(neng)出價模(mo)(mo)型(xing)等。
在廣告(gao)投(tou)放(fang)的效果分析和歸(gui)因方面，應用AI技術可以(yi)做到智能(neng)優化，并給出效果分析結論(lun)和預測。在不合理流量的過濾、反作弊、風(feng)險控制(zhi)、投(tou)放(fang)轉化的歸(gui)因等多個領域，AI技術均(jun)有實際(ji)價值場(chang)景。
2. 現實中的痛點
只有(you)擁有(you)了準(zhun)確(que)的(de)用戶畫像、合理高效的(de)創(chuang)意生成技術，渠道本身觸達(da)精準(zhun)，并且投放(fang)(fang)過程中(zhong)可以(yi)精確(que)識別虛假流量、作弊信息，廣告投放(fang)(fang)效率才能夠令人滿意。然而，即(ji)使把以(yi)上(shang)這些方(fang)面都做到位了，仍然不足以(yi)完全(quan)克服(fu)現實投放(fang)(fang)中(zhong)會遇到的(de)所有(you)問題：
同一(yi)(yi)個客戶(hu)往往會(hui)在不同媒(mei)體(ti)進行(xing)(xing)廣(guang)告(gao)投(tou)放(fang)，而各個平(ping)臺(tai)的(de)(de)廣(guang)告(gao)系(xi)統差異巨大。實際上，即(ji)使是簡單的(de)(de)廣(guang)告(gao)計劃、廣(guang)告(gao)組(zu)等基礎廣(guang)告(gao)組(zu)織結構(gou)在現實中(zhong)也不存(cun)在統一(yi)(yi)的(de)(de)行(xing)(xing)業標準。此外(wai)，即(ji)使同一(yi)(yi)個媒(mei)體(ti)方，其內部也存(cun)在不同廣(guang)告(gao)投(tou)放(fang)平(ping)臺(tai)之間分(fen)裂(lie)、合(he)并、又分(fen)裂(lie)的(de)(de)情況。復雜的(de)(de)廣(guang)告(gao)投(tou)放(fang)環(huan)境對(dui)于(yu)廣(guang)告(gao)優化(hua)師提出了(le)極(ji)高的(de)(de)要求，優化(hua)師必須要有各種平(ping)臺(tai)的(de)(de)使用經(jing)驗。
雖然媒體方會(hui)基于(yu)(yu)AI技術建立(li)各種(zhong)詞(ci)包、人(ren)群包、豐富的(de)定(ding)(ding)(ding)向條件(jian)幫助客戶進行(xing)人(ren)群定(ding)(ding)(ding)向，然而在(zai)(zai)現實中廣告主往(wang)(wang)(wang)往(wang)(wang)(wang)還是經常(chang)獲(huo)取不(bu)到真正(zheng)優質的(de)流(liu)(liu)量(liang)。比(bi)如在(zai)(zai)聯盟(meng)流(liu)(liu)量(liang)當中，媒體核(he)心產品的(de)流(liu)(liu)量(liang)差(cha)異巨大。面對這(zhe)種(zhong)情況，有經驗的(de)優化師往(wang)(wang)(wang)往(wang)(wang)(wang)會(hui)先在(zai)(zai)優質流(liu)(liu)量(liang)上磨練成熟的(de)創意，待得到穩定(ding)(ding)(ding)轉化之后才敢于(yu)(yu)在(zai)(zai)聯盟(meng)流(liu)(liu)量(liang)上進行(xing)下一步投放。
盡管現在的(de)(de)廣(guang)(guang)(guang)告系(xi)統在諸(zhu)如廣(guang)(guang)(guang)告召回、意(yi)(yi)圖觸發、意(yi)(yi)圖識(shi)別、創意(yi)(yi)優化精選、點擊率(lv)預估(gu)、轉化率(lv)預估(gu)等幾乎每(mei)一(yi)(yi)個環節都(dou)(dou)引入了AI技術進(jin)行(xing)優化，但是對于客戶而(er)言(yan)，在如此(ci)復雜的(de)(de)廣(guang)(guang)(guang)告系(xi)統當中，每(mei)一(yi)(yi)個引入了機器學習的(de)(de)環節都(dou)(dou)需(xu)要數據的(de)(de)喂養。然而(er)，廣(guang)(guang)(guang)告系(xi)統的(de)(de)數據都(dou)(dou)是用真金(jin)白(bai)銀競(jing)價獲得的(de)(de)。讓廣(guang)(guang)(guang)告系(xi)統學習到(dao)廣(guang)(guang)(guang)告的(de)(de)特征，都(dou)(dou)需(xu)要依賴廣(guang)(guang)(guang)告投(tou)放(fang)的(de)(de)前期(qi)消耗，這往往造成轉化成本(ben)不可控，甚至是轉化成本(ben)不可接受的(de)(de)情況。
此外，更重要的(de)是，因(yin)為廣(guang)告投放系統每個環節同時存在AI的(de)邏(luo)輯(ji)控制和優化(hua)師(shi)的(de)人工操(cao)作痕跡，因(yin)此，必(bi)須保(bao)證(zheng)人工條(tiao)件、素材，還有AI系統三者的(de)trade off達(da)到平衡才能獲得理想的(de)結果。
廣(guang)告(gao)主和(he)優化師每(mei)天除了關(guan)注預算(suan)和(he)ROI之外(wai)，最關(guan)心(xin)的(de)(de)(de)就是(shi)廣(guang)告(gao)計劃本身(shen)的(de)(de)(de)素材(cai)(cai)細節：文(wen)(wen)案標題要足(zu)夠勁爆，解壓產品(pin)的(de)(de)(de)圖文(wen)(wen)視頻要足(zu)夠解壓，文(wen)(wen)娛的(de)(de)(de)圖文(wen)(wen)視頻要有(you)足(zu)夠娛樂性。同時，創(chuang)意或者說更底層的(de)(de)(de)廣(guang)告(gao)物料(liao)也是(shi)廣(guang)告(gao)主最切實(shi)的(de)(de)(de)煩(fan)惱(nao)：如果沒有(you)足(zu)夠的(de)(de)(de)信息提示，創(chuang)新性的(de)(de)(de)素材(cai)(cai)、抓眼球又足(zu)夠專業(ye)的(de)(de)(de)廣(guang)告(gao)素材(cai)(cai)從何而來？
3. AI技術能夠帶來的三大變革
首先，準確描述目標人群。
“追求最大化投放效率，只為目標人群付費”永遠是廣告主的終極訴求。相比于平臺或代理，越來越多的廣告主開始關注自身的數據能力，著手最大化自身數據的價值。其中常見做法包括建立自己的用戶畫像體系、標簽體系、興趣偏好、轉化偏好等等。但是從行業角度看，企業內部數據受到平(ping)臺方生態(tai)的限(xian)制，比(bi)如(ru)平(ping)臺提供不同應用程序(xu)的Open ID，多為互相獨立無(wu)法打通(tong)，即(ji)使使用聯合ID，也局限(xian)于企業內部。不管是(shi)游戲行(xing)業、美妝行(xing)業，還(huan)是(shi)金融(rong)行(xing)業，對全網用戶畫像的(de)(de)渴求(qiu)都溢于(yu)言表(biao)。用戶細粒度(du)數據(ju)，尤其是(shi)可以全網打通的(de)(de)用戶數據(ju)是(shi)這(zhe)個時代最重要的(de)(de)資產。
隨(sui)著用(yong)戶隱私的(de)(de)(de)保護機制越(yue)(yue)(yue)來(lai)越(yue)(yue)(yue)嚴格，端上可直接采集的(de)(de)(de)用(yong)戶信息(xi)越(yue)(yue)(yue)來(lai)越(yue)(yue)(yue)少，全(quan)網用(yong)戶畫(hua)像數據的(de)(de)(de)建立(li)正在變得越(yue)(yue)(yue)來(lai)越(yue)(yue)(yue)困難，遠(yuan)如(ru)“IMEI值禁止采集”，近(jin)如(ru)IOS IDFA的(de)(de)(de)“默認不(bu)開啟”。
國(guo)內億級用戶的超級APP諸如抖音、快手、微(wei)信，未來將(jiang)以類似(si)于基(ji)礎設施一般的作用出現在越來越多的場景中。越是(shi)大(da)企業(ye)，數(shu)(shu)據(ju)(ju)能力越強，積累的數(shu)(shu)據(ju)(ju)將(jiang)越多。但是(shi)這并不表示(shi)普(pu)通企業(ye)將(jiang)束手無策，因為廣告主擁有媒體大(da)平(ping)臺所缺少的深度(du)轉化數(shu)(shu)據(ju)(ju)。這當中就(jiu)包括了常(chang)見畫像字(zi)段(duan)的三種基(ji)本(ben)分類屬性：
1. 天然(ran)屬(shu)性(xing)。天然(ran)屬(shu)性(xing)通常也可以叫做元數(shu)據(ju)、meta數(shu)據(ju)，比如人的年(nian)齡、性(xing)別、昵稱(cheng)等(deng)(deng)等(deng)(deng)，是畫像字段(duan)中最(zui)基礎的數(shu)據(ju)，也是最(zui)通用的字段(duan)。對(dui)于很多行業來(lai)說(shuo)，這(zhe)些基礎字段(duan)就是他們理解的畫像數(shu)據(ju)90%的內(nei)涵。
2. 統計屬性(xing)。統計類(lei)的(de)屬性(xing)字(zi)段，通常(chang)與業務(wu)有相(xiang)關性(xing)，比如用戶(hu)過去3個(ge)月(yue)購買的(de)10個(ge)頭部商品類(lei)別、最(zui)近(jin)7天搜索詞的(de)倒排截斷列(lie)表、用戶(hu)3個(ge)月(yue)內觀看次數最(zui)多的(de)主播ID列(lie)表。統計類(lei)屬性(xing)通常(chang)與用戶(hu)興趣相(xiang)關，可以連(lian)接用戶(hu)和業務(wu)場(chang)景(jing)。
3. 機(ji)(ji)(ji)(ji)器(qi)學(xue)習(xi)屬性，或者(zhe)叫做機(ji)(ji)(ji)(ji)器(qi)學(xue)習(xi)的預(yu)測屬性、特征(zheng)(zheng)列表(biao)。此(ci)類(lei)屬性可解(jie)釋性最差(cha)，卻是(shi)對于(yu)(yu)具體的業務場景理解(jie)最深(shen)刻的部分，比如(ru)基(ji)于(yu)(yu)機(ji)(ji)(ji)(ji)器(qi)學(xue)習(xi)技術(shu)給(gei)用(yong)戶單獨建(jian)立的特征(zheng)(zheng)向(xiang)量、用(yong)戶的搜索(suo)詞(ci)的向(xiang)量化表(biao)示(shi)。此(ci)類(lei)特征(zheng)(zheng)是(shi)機(ji)(ji)(ji)(ji)器(qi)學(xue)習(xi)技術(shu)的中間結(jie)果，將直接支持模型執(zhi)行在線預(yu)測和計算。相比較于(yu)(yu)前兩者(zhe)，基(ji)于(yu)(yu)機(ji)(ji)(ji)(ji)器(qi)學(xue)習(xi)技術(shu)構造的畫像(xiang)字段正在日益豐富，僅僅是(shi)向(xiang)量化技術(shu)便層出不窮，從Deepwalk、LINE再(zai)到淺層網絡(luo)、深(shen)層網絡(luo)等均(jun)以輸出向(xiang)量為目(mu)標。
實踐中，ZTouch常使(shi)用前兩者作為業務規則和干預條件，使(shi)用每個(ge)用戶特(te)有的向(xiang)量化表示進行(xing)在線機(ji)器學(xue)習的預測。
ZTouch 數(shu)智實力(li)地圖
其次，優化投放成本。
使(shi)用(yong)機器學習精確(que)描述(shu)目標(biao)人(ren)群(qun)，這是一(yi)項耗費資源(yuan)很大(da)的(de)、長期而且持續(xu)的(de)工作，但是僅(jin)憑這一(yi)項工作還不(bu)能(neng)支持商業邏輯。有(you)了模型數據基礎(chu)和目標(biao)人(ren)群(qun)的(de)向(xiang)量化表示(shi)，還需要有(you)實際模型生效的(de)場景，機器學習的(de)“預(yu)測”步驟必(bi)須嵌入到(dao)廣告投放的(de)核心(xin)流程中才(cai)可以保證投放成本(ben)。這里就不(bu)得不(bu)提到(dao)最(zui)近才(cai)出(chu)現的(de)廣告投放技術RTA。
傳統RTB模式，和(he)RTA技(ji)術本(ben)質上都是給廣(guang)告(gao)主決(jue)策權。相(xiang)比于(yu)程(cheng)序化(hua)廣(guang)告(gao)RTB+ADX模式中的(de)(de)媒體方畫像數據基(ji)本(ben)不起作用(yong)，RTA兼(jian)顧廣(guang)告(gao)主和(he)媒體方的(de)(de)決(jue)策能力，在直投(tou)廣(guang)告(gao)的(de)(de)基(ji)礎上允許(xu)廣(guang)告(gao)主自行(xing)決(jue)定(ding)是否參與競價，并可以基(ji)于(yu)用(yong)戶價值的(de)(de)判斷做到(dao)每次曝光的(de)(de)個性化(hua)出價。
廣(guang)告主(zhu)使用(yong)RTA投(tou)放，自身(shen)數(shu)據越(yue)全面，則機(ji)器學習(xi)能力越(yue)強(qiang)、判(pan)斷越(yue)精(jing)準(zhun)、投(tou)放成本越(yue)低。在這種(zhong)情(qing)況下，廣(guang)告主(zhu)在具體決策時，由淺入深可以(yi)運用(yong)幾種(zhong)決策方式：
1. 基(ji)于(yu)規則(ze)
2. 基于業(ye)務邏輯和行業(ye)知識
3. 基于機器學習模型(xing)預測(ce)
第一種決策方(fang)式很容易理解(jie)。廣告(gao)主(zhu)如果自己收集了歷史用戶(hu)列表(biao)，可(ke)以依據當前設備(bei)（用戶(hu)）是(shi)否(fou)(fou)有安裝過(guo)APP、是(shi)否(fou)(fou)屬于活躍用戶(hu)的規則(ze)來決定是(shi)否(fou)(fou)參與競價，進(jin)行基礎的分(fen)層拉新拉活操(cao)作。依賴于廣告(gao)主(zhu)側的業務(wu)數據，即使是(shi)簡單規則(ze)干預仍然可(ke)創造(zao)可(ke)觀的投放(fang)成(cheng)本優化空間。
第(di)二種(zhong)(zhong)(zhong)決(jue)策方式(shi)則是(shi)(shi)在第(di)一(yi)種(zhong)(zhong)(zhong)方式(shi)上引入(ru)了三(san)方數(shu)(shu)據和自身業務邏輯數(shu)(shu)據。對(dui)于(yu)金融廣告(gao)主，第(di)三(san)方數(shu)(shu)據包括征信信息、該用(yong)戶/設備是(shi)(shi)否經常在“薅羊毛”黑名單上、是(shi)(shi)否是(shi)(shi)虛擬設備等(deng)等(deng)。對(dui)于(yu)電商(shang)廣告(gao)主，則需要(yao)知道(dao)該用(yong)戶上個(ge)月是(shi)(shi)否剛買了新電腦，如果答案為“是(shi)(shi)”，那么目前的電腦相關廣告(gao)就沒有曝光(guang)的價(jia)值了。相對(dui)來說，第(di)二種(zhong)(zhong)(zhong)決(jue)策邏輯比第(di)一(yi)種(zhong)(zhong)(zhong)要(yao)求的數(shu)(shu)據更多，而(er)且難度大，要(yao)求廣告(gao)主有數(shu)(shu)據能力。
第三種方式依(yi)賴機器學習模型(xing)及業務數據(ju)進(jin)行決策，對(dui)(dui)RTA客戶的自身能力(li)要求最高(gao)(gao)，不(bu)但要有完整的大(da)數據(ju)能力(li)，還要具備高(gao)(gao)QPS壓力(li)下(xia)快速(su)模型(xing)預測的能力(li)。ZTouch團隊曾(ceng)創立并服務過多(duo)款日(ri)活用(yong)戶千萬級的短視頻產(chan)品，具備日(ri)處理(li)10P級樣(yang)本(ben)訓(xun)練模型(xing)、秒(miao)級實(shi)時更新(xin)模型(xing)的實(shi)力(li)，有能力(li)幫(bang)助客戶對(dui)(dui)接各主(zhu)流廣告平臺。
總體來說，優化投放成本必須使用廣(guang)告主(zhu)自身的數(shu)據。廣(guang)告主(zhu)有AI模型能力針對每一次曝(pu)光競(jing)價進行逐一甄別將是未來的發展趨勢，機(ji)器學習技術必將在其中大(da)放異彩。
第三，持續產出優質廣告。
廣告主面對(dui)的最(zui)后一個現(xian)實層面的問(wen)題就是：如何持續產出優質(zhi)廣告。這涉(she)及的影響因素太多，AI技術在其中可以支撐的價值點有：
1. 技(ji)術門檻(jian)突破，讓(rang)廣(guang)告更(geng)加(jia)原生、用(yong)戶體驗(yan)更(geng)好，圖像技(ji)術、語音技(ji)術均有用(yong)武(wu)之地。
2. 過程指標(biao)預測，基于現有(you)廣告素材進行打(da)分或點擊預測。
3. 基于數據挖掘(jue)技(ji)術(shu)進行優(you)質創意的預(yu)測和甄選。
ZTouch 廣告數智投放平臺達爾文(wen)（Darwin）的(de)六大特性
AI技(ji)術已應用(yong)于熱門創意(yi)(yi)的(de)(de)快(kuai)速發(fa)現(xian)，以(yi)及通(tong)過組合(he)現(xian)有元素生成更加新穎的(de)(de)創意(yi)(yi)。ZTouch結(jie)合(he)自身的(de)(de)AI模型能(neng)力，賦能(neng)廣(guang)告(gao)(gao)代理(li)商(shang)和廣(guang)告(gao)(gao)主，幫助(zhu)他們實(shi)現(xian)高效且精(jing)準的(de)(de)智能(neng)廣(guang)告(gao)(gao)投放。ZTouch自研(yan)的(de)(de)廣(guang)告(gao)(gao)智能(neng)投放平臺(tai)“達(da)爾文（Darwin）”提(ti)供統一的(de)(de)TD界面、自動化階梯出價、快(kuai)速的(de)(de)批(pi)量創建，綜合(he)了所(suo)有可以(yi)提(ti)升優質創意(yi)(yi)的(de)(de)發(fa)現(xian)技(ji)術，實(shi)現(xian)機器(qi)學習和大數據(ju)能(neng)力在信息(xi)流廣(guang)告(gao)(gao)直投領(ling)域的(de)(de)價值落(luo)地。
2021年是ZTouch高速(su)發展的一(yi)年，備(bei)受客(ke)戶認可的同時業務也在(zai)大幅增長，急需大量(liang)想創業的小伙(huo)伴加入，一(yi)起打造(zao)全球化(hua)AI人工(gong)(gong)智(zhi)能(neng)尖端品牌(pai)，做企(qi)業數(shu)智(zhi)化(hua)摯愛(ai)伙(huo)伴，智(zhi)領創新(xin)，共創未來！目前招聘(pin)職(zhi)位(wei)有：推薦(jian)算法工(gong)(gong)程師(shi)(shi)、NLP算法工(gong)(gong)程師(shi)(shi)、推薦(jian)系(xi)統工(gong)(gong)程師(shi)(shi)、后端開發工(gong)(gong)程師(shi)(shi)、Web前端開發工(gong)(gong)程師(shi)(shi)、廣告產(chan)品經理(li)等職(zhi)位(wei)。
了解更多(duo)ZTouch最新(xin)動(dong)態、活動(dong)和招聘信息(xi)，請瀏(liu)覽公司官方網站(zhan)：。
