会上， Mobvista CTO王平、TalkingData高级运维总监潘松柏和小米公司MIUI商业产品部研发总监欧阳辰等嘉宾分别进行了精彩的主题演讲。
在云计算越来越成为IT发展主流趋势的大环境下，云计算能带来怎样的变革和机遇，已经被各行各业所广泛讨论和深入应用。同样，数字营销领域，对于营销平台来说，又能通过云计算的优势获得怎样的收益，也被行业所频频讨论。
数据作为营销平台和推荐算法的重中之重，对数据处理和数据应用的要求越来越高，同时，也在慢慢走向开放，如何借助于云计算的优势共同挖掘数据的新价值，也成为行业发展的方向之一。
4月20日下午，Morketing联合亚马逊AWS，共同发起主题为：“云计算撬动的数字营销”高端研讨会-Morketing Workshop第一期活动，邀请到小米营销、Mobvista、TalkingData以及众多行业CTO一起参与。
会上， Mobvista CTO王平、TalkingData高级运维总监潘松柏和小米公司MIUI商业产品部研发总监欧阳辰等嘉宾分别进行了精彩的主题演讲。
更在圆桌讨论环节与Morketing创始人曾巧，共同探讨了数据交易、反作弊、人工智能和云计算等热点话题。
数据开放，安全高效的交易和协作
数据开放，是业界关心的一个焦点问题。如何打破数据孤岛，已经被呼吁了很多年。对此，欧阳辰认为：“数据开放协作是一个比较难的问题。因为，数据只有被某一家公司独享的时候，价值才是最高的。所以各家公司都用数据打造自己的围墙和护城河。而不存在利益共赢的数据分享，数据开放其实是个伪命题。”因此欧阳辰提出，最关键的是寻找共赢的模式，“数据开放不是目的，目的是数据协作共赢。”
王平对此表示赞同，并介绍说，Mobvista在数据流动和交换方面，正在探索一些做法：首先，Mobvista在构建DMP，服务于自身的广告投放，未来也希望能够开放。同时，Mobvista的DMP也会对接其他DMP行业品牌的数据，实现建立在购买行为基础上的互惠互利；其次，Mobvista会通过提升广告投放效果的方式，让开发者增加收益能力，以此为基础，开发者会比较愿意分享一些对提升收益比较有帮助的数据。
潘松柏则不同意欧阳辰的说法，认为“数据只有流动性才有价值”，传统企业的数据库都存储了五、六年，并没有投入使用。潘松柏介绍说，TalkingData今年引入了交易的概念，所有的东西都用有偿或者数据交换的方式来交易。
“我们会基于集中属性做数据交易。我们有自己的ID规则。比如说移动跨屏设备的预期，可以在数据库里做一些定向IP，把一些标签数据或者说认为数据有交叉的部分进行共享。”
关于数据开放的趋势，王平预测说，交换市场将成为趋势，各家公司将各自的数据放在一个交易平台上，交易方通过付出才能得到。
潘松柏认为“数据是一个生态，只有把整个数据流转起来之后，才能看到数据价值。”
如何做到防作弊和防欺诈
作弊问题是今年的热点话题，宝洁等大品牌对DSP公司、发布商都提出了相关需求。
王平提出，所谓“透明”，是站在广告主的角度来谈的，在营销过程中他们需要更多的透明信息，包括广告投放在哪里、通过哪些渠道，接触到哪些人群……而防作弊是对作弊模式的识别，增强运算和操作数据、识别数据的能力，招揽能识别数据、利用好数据的人才，对作弊这个行业有更深入的理解，来增强我们防作弊的能力。
潘松柏认为，“道高一尺，魔高一丈”，作弊与反作弊是“此消彼涨”的过程，可以通过大数据、算法等技术手段去防护或者干预。
欧阳辰对此表示，技术手段解决不了大部分问题，应该有行业规章制度的介入，对作弊行为进行适当的惩罚，净化整个行业的规范。“假如所有的受害者能够勇敢站出来跟作弊者‘死磕’，这个行业会得到净化。要看大家有多少决心去解决这个问题。”
最近，小米提议使用区块链解决品牌安全问题。欧阳辰介绍说，基本的思路，是实现一个营销行业的、垂直品类的联盟区块链，各个成员都可以申请参加。加入后获得源代码，会有技术委员会评审代码的修改。整个修改过程受技术委员会控制，技术委员会来自于区块链联合链条的公司代表。通过这种方法，形成一个行业区块链的平台，在平台上建立防欺诈、数据协作的应用，推动行业发展。
人工智能在广告中的应用
从2016年起，“人工智能”成为热门词汇，如今这股热潮也渗透到了广告领域。很多业内人士开始关注人工智能如何应用在广告技术领域，比如在线广告投放的趋势下，如何利用机器学习更精准的捕捉和洞察用户。
潘松柏认为，人工智能的前提是底层的数据要足够丰富，上层的产出才能更有意义或更有帮助。这又产生新的问题，广告预测能不能提供丰富的、底层的支持决策的维度，包括购买方式以及其他相关落地信息，这才是最终决定人工智能否帮助广告投放和相关的精准投放。
王平回顾了广告发展的过程，提出“衡量标准越来越接近广告真实的声音”：起初，电视广告时代，广告主不知道广告费能产生多大价值；之后产生了互联网搜索广告，按展示收费；而到了移动时代，根据CPI收费，现在又出现了按照CPA收费的趋势，越来越接近广告主认定的效果指标。从这个趋势来看，我们对于数据的要求是越来越高了，能够通过人工智能或其它方法，把这种基于广告主最终收益指标的预判做的越来越精准。
如今谈到人工智能的时候，大多数一定会想到深度学习、神经网络，会忽略传统的机器学习的算法某种程度运算量更小，人工智能也许在短时间对实际业务场景有帮助，美国某个行业协会研究在线欺诈分析，没有用在线模型，而用了逻辑回归做基于行为的分析，据说效果、准确率还不错。因此，在场的专业人士也提出，“我们有时候是不是过于强调时髦的技术对于行业的影响。”
如何最大化优化云计算成本
对于初创公司来说，成本是很大的问题，为了节约成本，很多公司选择使用云计算。
具体选择上，欧阳辰提出可以“在不同的运营商之间做衡量，或者搭建技术架构做权衡、计算，找到经济实惠的方法”。
潘松柏则认为“当整体IT规模达到一定量的时候，没有办法去选择用某一家、或者绝对垄断的用某一种方式，这取决于业务形态。目前这个阶段，我们还比较看重成本，哪里的成本会带来更大的收益，系统就落在那里。另一方面，IT规模达到一定量的时候，成本会帮你做决策，按照整体的硬件决算，加上公有云的增值和服务来决定落在哪里。”
对于现场观众提出的“成本”问题，AWS也做相应的回答，他们介绍了一家客户的观点，谈到：“在我们目前的快速成长、发展阶段，速度是最重要的一点，成本相对来说是比较次要的。任何基础设施或者云计算厂商，不能确保我快速成长，那就不是我需要的。”因此，专家也提出云计算厂商“要确保功能稳定，不断提升，满足客户的需要。在高速成长的过程中，应该考虑如何迎合发展速度。再从经济学的角度来总结‘成本’问题，有没有计算过服务不稳定造成的损失，有没有算过因为某个缺陷，产品不成熟，需要额外付出的团队、人员开发解决的问题。所有这些问题如何考量，都是值得思考的问题。”
“对我们来说，时间、速度是很重要的，如果你错过了这个时间点，恐怕你就失去了很多成长机会。”欧阳辰对此建议“时间成本是最高的，因为广告创新需要快速迭代，后面再慢慢考虑降低成本。”
