让用户看视频时主动点击,Mai小麦重新定义效果广告

如今,很多电商平台都有同款搜索功能。一般是以图搜图,或者站内相似商品推荐。这对于图片有一定的要求,不能太模糊,且商品必须规整展示。位于杭州的团队Mai小麦,希望用独家算法改变“搜同款”的表现形式,让用户能够边看视频边购物。

简单来说,Mai小麦将API对接至流量平台,用户在观看视频内容时,可以通过同款搜索按钮或者贴片广告的形式,收到来自视频中同款商品的推荐信息。这些同款 商品,来自于Mai小麦合作的电商平台的SKU。这样一来,用户多了一个商品发现途径,且因为观看视频时具有代入感,所以会对于广告推荐的商品更加感兴趣,实现“所见即所买”。

目前,Mai小麦专注在SKU数量众多且购买频次较高的时尚产品领域。要实现上述的同款推荐,离不开Mai小麦的独家算法——多物体深度学习视觉AI。

由于时尚产品种类繁多、造型多变,其精准的视觉识别是一个行业难题。Mai小麦利用多年积累的技术经验,打造了柔性多物体深度学习视觉AI系统。对于目标商品,Mai小麦采用多角度变形识别,用专门的数据集进行训练,确保了商品在视频中以各种形态出现时,都能得到准确捕捉。

此外,在对视频中的商品进行识别时,AI技术消除了模糊帧以及场景切换的影响,让识别系统能够模拟人眼效果“追踪”商品。当同一件商品出现在视频进度条的不同位置时,同款搜索功能都可以准确识别并关联到其电商同款及近似商品。

事实上,对于视频中的商品进行识别并准确追踪是一项非常有难度的任务。一般电商平台的同款搜索都是基于图片识别实现的,而且图片中一般只有商品和背景元素,没有其他干扰项。而Mai小麦要实现对视频内容进行分析,必须采用多物体识别算法,这是计算机视觉领域的核心任务之一。

由于视频是连续变化的,画面中会存在人物、场景等各类视觉元素,按下暂停键后得到画面与纯静态拍摄的照片是有很大差别的。这对于精准捕捉视频画面中的特定物体提出了很高的门槛。而且,从技术角度看,由于目前视频内容码率逐步提升,分辨率也不断提升,单帧画面的数据模型会变得非常大,这对于AI系统的实时处理能力提出了很高的要求。

因此,Mai小麦的AI视觉系统并不是简单的图片识别(通常基于灰度识别实现),而是一种基于视频AI的识别技术。这与自动驾驶技术对于过往车辆、行人、车道线的识别有类似的技术机理。通过专门的数据集对神经网络进行大规模训练,Mai小麦的系统在时尚产品领域已经做到了非常出色的动态识别。

在整合主流电商平台的资源后,Mai小麦实现了在以图搜图(视频画面中的一帧其实也是一幅图)的基础上,进一步提升到以图直接定位到具体商品,并对各种相似商品按照相似度进行了智能排序。

同时,Mai小麦打通跨平台的内容购物数据,创建包含内容、商品和用户在内的闭环,让同款推荐引擎在数据指导下实现自我优化。

Mai小麦的这一解决方案以Moment API的形式落地,对广告行业带来了一种全新思路。从人机交互角度讲,同款搜索的出现让用户可以主动去发现广告;从行业角度讲,新玩法的构建有机会“填平”流量方与投放方因为商业模式而产生的裂谷,即甲方坚持的CPS/CPA与乙方坚持的CPM之间的较量。

这种认知差异,让电商和内容之间存在着千亿GMV的市场洼地,而Mai小麦的商业目的,就是要从这个洼地中挖掘自身价值。与平台自己花费制作内容并手动匹配相比,全自动化的视频分析不但拓宽了商品广告频谱,还让用户体验得到了质的提升。

一方面,这为电商平台开创了全系获客渠道;另一方面,这为内容平台提供了更多元化的广告收入,让视频内容本身就成为一种可直接转化的广告。这种全新的效果广告形式,将成为广告技术领域的新蓝海。

目前,Mai小麦在流量端已经接入微博和爱奇艺两大内容平台,电商端与唯品会、拼多多、京东、天猫、淘宝、亚马逊等主流电商平台,以及韩国Cafe24、日本Mark Styler、Forever 21、Revolve等国际电商平台达成合作,搭建累计超2,000万SKU库。同时,Mai小麦做到了每日更新竞价,并保证下架率小于3%。

融资近900万美元后,Mai小麦正加快在中国市场的推进力度。

推荐阅读更多精彩内容