4月30日TF101

爲工程師提供頂級交流平台

CCF TF 第 101 期

時間 2023 年 4 月 30 日 19:00-21:40

主題 全域營銷的數據科學

歡迎掃碼了解詳情報名現場參會

報名鏈接：https://conf.ccf.org.cn/TF101

當前營銷技術步入了全渠道、全周期的全域時代。随着用戶、渠道、創意廣泛的數據積累，多學科綜合的數據科學技術在營銷領域發揮着越來越重要的作用。來自騰訊遊戲的數據科學總監孫子荀老師作爲本次會議的分享主席邀請了學術和工業界多學科的知名學者對其中的關鍵問題及其解決方法進行了分析研讨。

首先，營銷的一個關鍵問題是如何定量分析營銷投入的效果。當前，企業嘗試通過因果推斷技術進行營銷效果的度量。如何利用機器學習和深度學習的技術，發揮數據優勢、激發算法潛能，是實現大數據因果推斷的核心，浙大計算機的況琨老師将從工具變量視角，給大家介紹如何利用機器學習賦能大數據因果推斷。

其次，對于營銷的産品的定價和等級機制的研究上，中科大的李勇軍老師會介紹如何綜合利用 NLP、計量分析等手段，從心理學、消費者行爲學、經濟學等理論多學科綜合的角度進行分析并且介紹工業界落地實踐。

同時，來自前波士頓咨詢的數據營銷專家王冰青博士會介紹在企業的實踐中如何把數據科學的力量發揮到内容營銷和市場拓展領域。

最後，MIT 的終身教授張娟娟老師綜合多學科手段提出營銷領域的 " 全景式推薦系統 " 的理論和算法，對當下企業如何利用和建模内容生态提出一個全新的解決辦法。該方法在營銷的 KOL 選擇、優化預算配置上可以給企業營銷活動提供數據科學的決策參考支持。

會議安排

CCF TF 數據科學

特邀講者

況琨

浙江大學計算機學院副教授，博士生導師，人工智能系副主任

主題：《大數據因果推斷、決策與可泛化學習》

主題簡介：現階段機器學習尤其是深度學習的主要特點在于數據驅動、關聯學習、和概率輸出，導緻模型普遍存在預測不穩定和不可解釋等問題。我們認爲這些問題的主要根源在于因果機制尚未融入機器學習。因此，我們需要從關聯分析跨越到因果推理，将因果引入機器學習，從而實現模型的可解釋性和穩定性。大數據因果推斷是實現從關聯分析跨越到因果推理的核心一環。當因果推斷遇上大數據，會面臨高維連續變量，混淆變量觀測不全等諸多挑戰，導緻傳統因果推斷方法在大數據環境下失效。如何利用機器學習和深度學習的技術，發揮數據優勢、激發算法潛能，是實現大數據因果推斷的核心。這次報告，我們主要從工具變量視角，給大家介紹如何利用機器學習賦能大數據因果推斷。另一方面，因果關系的可解釋性和穩定性也給機器學習的可泛化性帶來了可能。我們訓練機器學習模型的數據往往是有偏的，如混淆偏差和選擇偏差等，導緻變量之間存在不穩定且不可解釋的虛假關聯。消除虛假關聯，恢複因果關聯是實現可解釋可泛化機器學習的關鍵。這次報告，我們主要從因果推斷中的工具變量視角出發，探讨領域泛化問題中存在的偏差問題，并提出因果可泛化學習機制。

個人簡介：浙江大學計算機學院副教授，博士生導師，人工智能系副主任。主要研究方向包括因果推理、數據挖掘、因果可信機器學習。在數據挖掘和機器學習領域已發表近 60 餘篇頂級會議和期刊文章，包括 TKDE, TPAMI, ICML, NeurIPS，KDD, ICDE, WWW, MM, DMKD, Engineering 等。曾獲 2022 年 ACM SIGAI China 新星獎（Rising Star Award），2021 年度中國科協青年人才托舉工程項目支持，2022 年度高等學校科學研究優秀成果獎（科學技術）科技進步一等獎，2021 年度中國電子學會科技進步一等獎，2020 年度中國人工智能學會優秀博士學位論文提名獎。

李勇軍

中國科學技術大學管理學院副教授

主題：《基于免費增值模式下數字内容産品定價研究》

主題簡介：價值 8070 億美元的數字内容行業（例如電子書、音樂、遊戲）大多采用了 " 免費增值 " 的定價策略，即免費提供初始内容，并通過對後續内容收費實現盈利。而确定免費内容的最佳數量，對各平台而言是一項普遍的痛點問題。提供太少的免費内容會增加客戶流失的風險，而提供過多的免費内容會減少利潤。基于這一痛點，我們采用田野實驗、文本挖掘、計量分析等手段，從心理學、消費者行爲學、經濟學等理論角度對此進行分析，并最後提出了一個預測模型，該模型的準确率可以超過 90%，爲平台提供了将近 30% 的收益提升。

個人簡介：中科大管理學院副教授，博導，研究興趣是大數據運營和營銷，已發表 100 餘篇論文，獲國家自然科學基金等項目 10 餘項，并獲得美國營銷學會最佳論文獎，中科院青促會會員等獎勵。

王冰青

前波士頓咨詢數字化專家

主題：《數據科學賦能市場營銷的 " 氣、道、術 "》

主題簡介：數字時代，數據科學正迅速成爲改進營銷策略的必備工具，但僅僅使用數據科學方法，隻是在 " 術 " 的層面幫助市場營銷。結合對用戶以及業務本身的理解，利用數據科學工具去解決正确的問題，此爲 " 道 "。而利用數據科學工具，引領時代潮流，指引用戶發展，則是未來數據科學結合市場營銷領域需要思考的 " 氣 "。隻有當氣道術均修煉得當，數據科學家們才能真正将數據科學的力量發揮到内容營銷和市場拓展領域，達到 " 人劍合一 " 的境界。

個人簡介：清華大學物理學學士，加州大學戴維斯分校傳播學博士、統計學碩士，曾任波士頓咨詢公司高級數據分析師，騰訊高級數據科學家，上海鲸岚科技用戶研究總監。共發表傳播學領域論文頂級期刊 5 篇，最高論文被引用數達 80 次。主要研究方向涵蓋新媒介研究、媒介效果研究，遊戲與娛樂，以及計算（大數據）社會科學方法等。同時也是 SSCI 一區 New Media & Society 的審稿人。發現了内容消費的第三動機維度以及遊戲在家庭傳播中的場景作用。搭建數據與人之間的橋梁，不斷加深對用戶和業務的理解，是需要不斷探求的終極命題。

張娟娟麻省理工斯隆管理學院 John D.C. Little 講席教授

主題：《全景式推薦系統》

主題簡介：我們團隊最新研發了一套 " 全景式推薦系統 " 的理論和算法。該系統的特征是以流量激勵有價值的創作者，從而優化創作生态和長期消費者體驗。理論上，我們利用經濟學模型證明了該系統的最優性。算法上，我們創新性地使用計算機視覺的方法，以識别平台生态内最有價值的創作者。利用某大型内容平台數據，我們驗證了全景式推薦系統的有效性。該算法可應用于其他營銷問題，如識别重要 KOL、優化預算配置等。

個人簡介：清華大學經濟學學士、加州大學伯克利分校工商管理學博士。現任麻省理工市場學終身教授、市場及運籌學鼻祖 John D.C. Little 特設講席教授、麻省理工斯隆管理學院全球項目教務主席。曾任管理類頂刊 Management Science 的市場學領域主編。張娟娟教授主攻量化市場戰略。其當前研究結合前沿的經濟管理理論和計算科學，實現大規模的企業決策全景優化和自動化。研究成果屢見頂級學術期刊，并屢獲行業最佳論文獎。與業界深度合作，成果應用于營銷自動化、媒體優化、企業績效管理、數字智能化轉型等領域。張娟娟教授曾獲麻省理工斯隆管理學院最高教學獎，并被商學院排名機構 Poets & Quants 評選爲全美最受歡迎的商學教授之一。

SIG 主席 & 會議主席

巴川

CCF TF 數據科學 SIG 主席，競技世界首席數據科學家

個人簡介：曾就職于中國搜索、搜狐暢遊等互聯網公司。主要研究領域包括數據挖掘、知識圖譜、人工智能、社交網絡、風控體系、推薦系統、數據可視化等。中國教育創新校企聯盟專家委員會副主任，國家技術标準創新基地（貴州大數據）數字經濟專業委員會專家，北航兼職碩導，西安交大研究生院授課專家，多所高校兼職教師及創新創業導師，多個技術峰會演講嘉賓及出品人。

孫子荀

CCF TF 數據科學 SIG 委員，騰訊總監 / 專家

個人簡介：騰訊數據科學專家 / 總監。一直從事 AI 和數據科學技術在業務上的研究、落地工作。當前在騰訊負責遊戲發行與内容生态相關的數據科學以及産品化的工作。2011 年在百度從事 HPC 并行化算法研究。2012 年加入騰訊從無到有帶領團隊構建了信息流的内容平台、騰訊遊戲的内容技術體系。個人在内容 AI、數據科學上有較好的落地經驗。連續多年騰訊優秀講師、算法書籍主編和團隊一起在頂級學術會議上有多篇論文發表并作口頭報告；在内容場景也有幾十篇國内外授權專利。

活動預告，歡迎關注并參加：

參會說明

1、如報名後無法參加，請及時于活動開始前發送郵件申請取消（聯系郵箱：[email protected]），無故缺席将影響下一期活動的參與。

3、會議鏈接和密碼将在活動當天通過郵件、短信通知（4 月 29 日 14:00 後報名請注意查收郵件）。可點擊騰訊會議鏈接，輸入密碼參加。

4、請于活動前一天 12:00 前完成報名，及時獲取會議鏈接。

5、CCF 會員免費參加，非會員 99 元 / 次，加入會員可免費參與全年 20 場線上活動。

會員權益

會員免費參加 CCF TF 全年 20 場線上活動，優惠價優先參加 14 場線下活動，爲自己的技術成長做一次好投資，用高性價比獲取專業知識的絕佳路徑！

專業會員 / 高級會員 / 傑出會員 / 會士：360 元 / 年

學生會員：50 元 / 年。具體權益請點擊查看：CCF 個人會員權益

申請公司會員，可享受更多免費名額、品牌宣傳及其他權益，詳情點擊查看：CCF 公司會員權益或咨詢電話 0512-65900856 轉 27

長按識别或掃碼入會

參會方式

2023 年 4 月 30 日

長按識别或掃碼報名

報名鏈接：https://conf.ccf.org.cn/TF101

聯系方式合作單位

* 本文系量子位獲授權刊載，觀點僅爲作者所有。

—  完  —

量子位  QbitAI

վ ' ᴗ ' ի 追蹤 AI 技術和産品新動态

一鍵三連「分享」、「點贊」和「在看」

科技前沿進展日日相見 ~