AI时代,谷歌不只会下棋!

先知先觉，制定“AI优先”战略

Google在人工领域耕耘多年，但随着Google广告业务增长的天花板临近，以及诸多巨头加入到人工智能领域的激烈竞争中，Google也不得不加快步伐，从原本的“移动优先”转变为“AI优先”，以抢占先发优势。

广告业务既是Google的“诺亚方舟”，也是悬在Google头顶的“达摩克利斯之剑”，时刻警醒Google不断探索新的内在驱动力。广告业务增收的天花板临近更是加重了这种紧迫感。

首先是广告的每次点击费用（CPC）在不断下降。

随着移动互联网的发展，用户的搜索行为愈发向移动端和独立的应用转移。Facebook、Instagram、Twitter 等社交应用成为了Google广告业务最大的“拦路虎”。从Google的公开财报数据来看，2013年到2015年Google广告的CPC在不断的下降。这说明广告客户的预算正向其它渠道倾斜，Google 不得不依靠降价来换取广告收入的增长。

其次，Google在全球范围覆盖的互联网人口增长已经逐渐到头。

Google过半的广告收入来自英美两国，而从2013年到2015年期间，全球互联网用户增加了5.47 亿，其中绝大部分都不在英国和美国。新用户给 Google 带来的广告收入增长非常有限。

内部广告业务面临“触顶”，而在外部，Google在人工智能领域的先发优势也在不断被蚕食。

根据咨询公司Venture Scanner对全球69个国家、967家人工智能公司进行的统计，2016年全球人工智能公司总共融资金额高达48亿美元。亚马逊、IBM、微软等国际IT巨头公司纷纷加大对于人工智能新创公司的收购、网罗顶尖人才、加大投资力度，力图抢占行业制高点。

Google作为这个领域的先驱者，面临着来自内外部的压力，投身人工智能的研发与应用已是必须，在未来，谁能抢占这片蓝海的至高点，谁就有可能打破目前互联网巨头的格局，成为真正的一方霸主。

2017年，Google在年度开发者大会上正式宣布公司战略从“移动优先”转变为“AI优先”。

“AI优先”指将机器学习放在Google所有平台开发的核心中，不仅仅借助AI优化原有的搜索、翻译、邮箱、广告等业务，还要以AI为核心开拓新领域，打造新的战略型业务。

一直以来，“移动优先”战略的确帮助Google在移动互联网领域打下了一片江山。但是随着移动互联网进入下半场争夺，在成熟的市场中，大的创新的机会已经很少了。

相比之下，新兴的人工智能领域则是一片待开垦的沃土，并且这片沃土的价值不可估量，未来甚至能够颠覆整个人类的生活方式。因此，Google正式提出将公司的总体战略从“移动优先”转移到“AI优先”。

笔者认为，Google的“AI优先”战略不是博人眼球的噱头，而是一个先驱者深耕多年，厚积薄发的一种体现。

2006年，图像识别技术公司Neven Vision被Google收购，拉开了Google聚焦人工智能的序幕。其后10年间，Google先后收购了语义搜索公司Metaweb、语音识别公司SayNow、面部识别公司Viewdle等一系列的人工智能领域的技术类公司。尤其是2014年对DeepMind的收购让Google真正的具备了开发深度学习算法的能力。至此，Google在人工智能上的布局初具规模。

AI+大搜索，全面提升搜索体验

Google对于搜索业务的优化主要从两个大的方面入手，其一是专注语义分析，通过深度学习来优化搜索的精准度，从而为用户提供更加高质量的搜索内容。

另一方面，Google也在不断创新搜索的方式，不再仅仅局限于文字的展示，而是通过图片识别技术、语音识别技术、视频识别技术等方面来为用户提供多样化的搜索形式，提升搜索的便捷性与趣味性。

2015年10月26号，Google发布了最新的人工智能学习系统RankBrain，这是Google在提高用户搜索质量的路途上极其重要一步。RankBrain的“智能”主要体现在以下两个方面。

一方面，RankBrain能够通过准确分析用户语义，来理解用户深层次的需求。到2013年，Google搜索中仍然有15%的检索是前所未见的。这些“新鲜”的检索词中往往包括一些“复杂难懂”的长尾词、长句，通过进行更精准的语义分析，RankBrain从人类的思维角度去“理解”与“翻译”这些检索词，明白这些文字背后的需求，进一步做出准确的推荐。

另一方面，通过语义分析，RankBrain能够理解网站的结构与内容，向用户推荐更加高质量的搜索结果。在以往的算法中，搜索引擎优化（SEO）起到了很大的作用，增加特定关键词即可提升网站的能见度，从而使网站在搜索引擎内的自然排名上升。这也导致了一些网站投机取巧的行为——仅仅专注于分析搜索引擎的算法规则和改变网站关键词，疏忽了网站本身质量的提高。

而最新的搜索算法RankBrain能够对比同类型的网站，通过分析网站的结构与内容来判定这是一个“好网站”还是一个“坏网站”。比如在运动商品领域，Google知道Nike的声誉好，用户体验高，那么其他与Nike网站结构相似的网站就会被与“好网站”联系起来，提升搜索排名。

这就好比Google专门在搜索优化时设立了一个守门人，网站再想钻算法的空子就变得难上加难了。RankBrain的出现倒逼众多网站从内容与结构上去不断提升网站质量，从而为用户提供更好的搜索体验。

如果把Google搜索比作一个小婴儿的话，那么，RankBrain赋予了他思考与学习的能力，之后推出的图片搜索、语音搜索、视频搜索则是赋予了他看、听、说的综合表达能力。

○基于图片识别技术，Google推出了视觉搜索引擎Google Lens；

○基于语音识别技术，Google上线了Google now；

○而基于视频识别技术，Google推出了前瞻性的“视频智能API”。

图片搜索、语音搜索、视频搜索，三位一体拓展Google搜索形式，为用户带来了更好的搜索体验。

Google早在2012年就开始布局语音搜索，并推出了Google now语音搜索应用。Google Now通过记录下用户的搜索关键词，分析用户过往的搜索习惯，来预测用户所可能需要的信息，从而提供智能化的服务。虽然整个提供搜索服务的过程Google Now都是以自然语言的方式来进行，但它并不具备与用户聊天的交互式能力。

（Google Now）

2017年的Google推出视觉搜索引擎Google Lens，进一步拓展了Google的图片搜索能力。Google Lens能够通过图像算法实现即时查看和搜索的功能，并将有效信息整合到手机里呈现给用户。当用户出行时，可以通过Google Lens拍照获取周边的餐厅信息，到用户进入餐厅吃饭时，可以直接用Google Lens扫路由器上的用户名或条形码连接wifi，甚至当用户看见餐桌上一朵不知名的花，都可以通过Google Lens拍照获取花朵信息。

（若拍摄路边的餐馆，Google Lens会自动调出该餐厅与地图信息）

（若拍摄音乐会海报，Google Lens会建议购买门票，并调用购买门票的APP）

虽然Google的视频识别技术在应用程度上没有图片识别与语音识别高，但Google仍然是视频识别技术领域的佼佼者。2017年，Google推出了视频智能API视频（Video Intelligence API）。通过这项技术，Google可以自动识别视频中的物体，让视频实现可搜索。举个例子，当视频中出现棒球、狗这样的实体时，Google搜索能够标出其在视频中出现的位置，从而得到物体在视频中出现的频率。

AI+大广告，赋能“现金牛”

广告是Google主要的“现金牛”，虽然这头“现金牛”仍然每年保持着两位数的增长，但是来自移动端和社会化媒体的威胁却也无法忽视。AI正是Google应对这些后起之秀的有力武器。运用AI，Google不断创新广告投放形式，优化广告效果的精准性。

Google的 adsense、adword等平台可以说为程序化广告确立了蓝本。但是面对Facebook等社交网站带来的压力，Google传统的搜索广告形式就稍显乏力了，通过图片识别技术投放更精准的广告，创新广告投放形式，这仅仅是Google将AI与广告结合的一个小小的试水。

当用户进行图片搜索时，Google能够识别用户图片中的内容并为用户推送相应的广告。比如当用户在搜索过程中看到了一张明星照片，明星可能佩戴着一款太阳镜，此时，Google就会识别出这幅太阳镜，并在搜索界面的顶部给出商品照片和购物链接。

（图片识别购物广告）

在过去几年中，谷歌一直在增强商品搜索和购物功能，即网民能够通过商品广告，直接在外部平台上购买商品，谷歌也将获得佣金。

而图片识别购物广告的推出一方面增加广告的精准性，减少用户对于广告的抵触感；另一方面能够更大限度的增加商品广告的曝光，促进流量转换，为Google带来实际的收入。

广告效果的有效归因一直是横亘在营销者们眼前的一道天堑——“我知道我的广告费有一半浪费了，但遗憾的是，我不知道是哪一半被浪费了”。

整合营销中，搜索广告、社交广告、视频广告等等多样的广告形式共同形成了最终的广告效果，营销者们难以判断各个营销手段分别有着怎样的购买转换。这就好比一场篮球赛，每一次入篮得分都是团队协作的功劳，而不仅仅是投篮入筐的球员。

传统的渠道归因，大多将转化功劳仅仅计给最终转化的渠道，或第一次曝光的渠道，从而使得效果归因忽略了不同渠道的综合作用，准确率随之也就降低了。

面对这个难题，Google在2017年推出了利用机器学习的广告效果归因工具——Google Attribution。

在Google Attribution中，营销者有多个归因模型可供选择，包括“数据驱动（Data-driven）”、“最终点击（Last click）”、“首次点击（First click）”、“线性（Linear）”、“时间衰减（Time decay）”和“基于位置（Position based）”，其中“数据驱动归因模型”是Google Attribution结合人工智能的最重要体现。

所谓数据驱动归因模型就是利用AI的力量去理解和计算消费者的每一条转化路径，并据此评估各个渠道的贡献，用算法帮助营销者解决归因困难并提供洞察。数据驱动归因模型完全基于机器学习，不受人类偏见影响，所提供的效果归因准确性远超于传统的归因方法。

在效果归因中，分析师们往往聚焦于数据的多样性、准确度和量级，但是营销中最重要的其实是数据背后的洞察、行动建议以及对业务影响的预测。

人工智能加持的Google Attribution通过分析消费者从品牌认知到购买整个阶段的数据，去理解消费者每个行为步骤背后的含义，从而评估出不同渠道下营销的价值，并最终协助营销者清晰的看到各个渠道、各个设备上的广告效果，进行更加精准的广告投放。

8月刊《下一站，AI》已上线！

欢迎购买订阅~

【视点】三问AI：Who？Why？How？

【综述1】人工智能并非互联网专利，为何捆绑的如此紧密？

【综述2】揭秘海外互联网列强的AI野心

【案例】十年后的Facebook会更好吗？

【案例】虽然手机做到了iPhone X, 苹果在人工智能领域却是后进生

【案例】？

责编 | 聂乃知