关于IAB公司的介绍：
IAB成立于1996年，总部位于纽约市。
作为美国的人工智能科技巨头社会媒体和营销专业平台公司，互动广告局（IAB- the Interactive Advertising Bureau）自1996年成立以来，先后为700多家媒体和营销会员企业赋能 - 为这些领先的媒体公司、品牌、代理商和负责销售、交付和优化数字广告营销活动公司和机构提供数字化营销平台服务和技术援助。IAB公司的使命是帮助平台上的企业快速高效转向数字化营销并建试图在行业之间推动数字化营销的标准并普及推广。
IAB使媒体和营销行业能够在数字经济中蓬勃发展。针对互联网数字世界营销广告眼花缭乱，鱼目混珠的现状，互动广告局带头进行了批判性研究，同时也对品牌、代理商和更广泛的商业界进行了数字营销重要性的教育。 IAB组建了人工智能标准工作组（the AI standards working group），2019年12月他们发布了第一份报告《人工智能与市场营销中的应用》。随即2020年，IAB联合IBM的WATSON广告和尼尔森公司（Nielsen）决定致力于研发与市场营销相关的人工智能技术、最佳行业实践、（推广）人工智能的案例和（规范）营销类人工智能技术条款术语来帮助营销负责人迅速转向数字化营销市场，拥抱人工智能和机器学习技术。 IAB与IAB技术实验室合作，制定技术标准和解决方案。IAB致力于专业发展，提升整个行业员工的知识、技能、专业知识和多样性。贸易协会通过其在华盛顿特区的公共政策办公室的工作，为其成员进行宣传，并向立法者和政策制定者宣传互动广告业的价值。
IAB全球网络汇集了包括三个区域组织在内的45个IAB组织，以分享挑战，开发全球解决方案，并推动全球数字广告业。IAB分布在北美、南美、非洲、亚洲、亚太和欧洲。每个协会都是独立拥有和运营的，根据符合当地市场需求的章程运作。
第三篇：人工智能与机器学习技术VS情景语境（contextual）
作者介绍
Ken Weiner，GumGum首席技术官
本文推荐受众：
首选读者：技术人员
次级读者：市场营销公司高层和市场营销人员
让我们从情境语境（contextual）开始讨论企业应该如何在市场营销中采纳人工智能和机器学习技术，构建部署数字化营销体系。
近年来，情境定位在行为定位中占据了更多的次要地位，然而，情境定位正在卷土重来。这主要是由于两件事：不断增长的数据隐私法规以及复杂的机器学习和人工智能的引入。
在过去的几年里，上下文广告已经慢慢发展到实施复杂的机器学习和人工智能技术。从简单的关键字匹配技术发展到现在能够像人类一样完全理解网页或视频的上下文。这一进展极大地改变了广告行业处理情境式（contextual ）人工智能的方式，借助先进的情境智能，广告商可以对数十亿条数字内容和视频进行分类，以找到一个理想的环境来放置非侵入性广告，而不会侵犯个人数据。
出版商还可以从上下文智能中受益，使用该工具通过实时打包符合广告商品牌适用性标准的内容来增加货币化(这里指市场营销投入能够带来货币收益)。
情境智能将在广告行业发挥关键作用，因为我们将继续探索如何建立一个品牌可以找到理想的广告环境的世界，同时在不使用任何个人数据的情况下为消费者提供最佳的用户体验。
它是如何工作的
机器学习模型将网页、图像和视频与上下文和品牌安全细分集以及突出的关键字相关联。广告商利用这些细分和关键字来定位（和避免）广告系列。数据细分通过需求方平台 （DSP） 投标前集成以及供应方平台 （SSP） 内的上下文私人市场 （PMP） 提供。
GumGum (美国一个新媒体人工智能公司)利用深度学习来开发每个模型，并组装一个包含 标注内容的大型数据集。标注工作由内部专家和众包合作伙伴提供。例如，为了预测一个网页是否包含暴力，标注工程师将被要求一次查看一个网页，并每次指出页面上的文本或图像是否包含暴力。所有标注工程师必须就页面的分类达成一致，然后才能将其包含在生成的地面实况数据集中（我自己也觉得这个术语地面真实数据集理解不是很到位，大家如果不能明白，首先要了解一下什么是groud truth data set,所谓的Ground truth data set是指训练集对 监督学习技术的的分类的准确性，其英文解释是："ground truth means a set of measurements that's known to be much more accurate than measurements from the system you are testing, 比如被量测分析的目标的实物自身，比如某个颜色的实物本体的；另一个解释是In machine learning, the term "ground truth" refers to the accuracy of the training set's classification for supervised learning techniques. This is used in statistical models to prove or disprove research hypotheses. The term "ground truthing" refers to the process of gathering the proper objective (provable) data for this test. Compare with gold standard.）。然后利用数据集来训练神经网络并测量结果模型的性能。由于暴力通常被用作回避类别，因此对神经网络的性能进行了调整，以满足召回阈值，同时最大限度地提高精度。
原文作者和博主本人的一些思考
仅使用关键字的上下文定位方法可能会错误地将包含诸如暴力的“拍摄(shoot)”，而实际上它是关于篮球（投篮shoot），摄影（拍照shoot），甚至是植物学（植物新芽shoot）。基于监督式机器学习的上下文解决方案通常表现比那些只专注于出现在文本中的特定关键字，音频转录或元数据。一个网页的正确分类可能取决于文字的语气，图像的像素所描绘的内容，或者两者的结合。对于一个视频，它可能取决于什么是在音频转录中所说的话，以及在每个视频帧中显示的内容。所有这些输入都可以是编码成特征向量，支持神经网络的复杂性。
情感是另一种经常与内容类别结合使用的策略，用来帮助建立品牌适用性形象。这和确定内容的语气是积极的、消极的还是中性的相关。这将允许一个品牌（打个比方说）在封城时期像观看热门电影一样扩散阳性病毒一样的新闻（企业的爆炸性信息），同时却要避免阴性冠状病毒的文章（企业的负面信息或者产品不利的信息）触及到的患者的痛苦或攀升的死亡率。以我的理解，情感牌其实也是我们的价值观和价值主张，价值主张和产品定位，受众是密切结合在一起的。你不可能喜欢所有人，所有你的价值主张很可能就会得罪某些人。所以于此可见，人工智能合成的文本宣传内容，要有一定情感定位机制，我们需要清楚地告诉人工智能合作伙伴及供应商，至少是我们不希望出现什么，不愿意主张怎样的价值，观点和立场。
正如任何人工智能解决方案的情况一样，偏见可能会潜入上下文算法，这需要警惕使之最小化。训练数据集必须尽可能的多样化，参与标注数据和审核标注数据的人也必须考虑多样性。例如，一组专注于识别暴力的训练数据可能包含太多很多某个种族的人拿着枪的画面。用此数据训练的模型可能会错误地学习到无论是否有枪在场，都把这个种族的人与暴力联系起来。（所以要）询问您的人工智能合作伙伴它正在采取什么措施来减少这种偏见。
推荐一家专业人工智能与机器学习公司 - 情景语义领域 - Appier
Appier是一家总部位于亚洲的公司，由一群真正的人工智能、数据分析和营销专家于2012年成立。该公司提供了几种由人工智能驱动的产品：
1. AiDeal通过实时个性化交易挖掘犹豫不决的客户。基于对客户正确理解和判断，系统可以根据客户的特点补充提供相关资料，消除客户顾虑，加强客户体验。
在利用这一工具后，日本城市研究中心通过智能手机和个人电脑将转化率分别提高了142%和116%，收入增长了70%。
2. AIQUA用于根据客户在应用程序或网站内外的行为吸引客户。有了这个工具，印度领先的内衣和睡衣品牌Clovia的应用程序和网络结账率分别提高了17%和22%。
AIXON用于统一和丰富现有客户数据，并利用各种人工智能模型预测客户的未来行动。部署该数据科学工具后，《财富》杂志的订阅量和购买量增加了404%。
3. CrossX广告通过深度学习更好地发现受众，提高留存率和投资回报率。通过利用CrossX AI，联合利华的AXE与行业基准相比，点击率提高了110%，并将最初的目标受众扩大了50%。
该公司网站：Appier | Full-Funnel Marketing Made Smarter with AI
为了便于读者后续深入学习数字化营销体系相关的这九种人工智能和机器学习技术，经过与多位同行讨论及前辈老师们的讨教，后续每一篇文章将尽可能按照以下原则，要求和框架进行编写。
