对谈Concured首席技术官:利用AI和MongoDB打造个性化内容推荐系统

news2024/11/20 1:41:17

请添加图片描述
Built with MongoDB 栏目采访了AI初创企业Concured在成立约一年后加入的首席技术官 Tom Wilson,围绕 Concured 的人工智能使用情况、Wilson 加入团队的过程、坚持选择MongoDB的原因以及公司未来发展展开讨论。

关于Concured

在这里插入图片描述

内容无处不在。无论消费者寻找什么或所处任何行业,找到内容并不困难;关键在于如何找到对应的内容。而这就是 Concured 专注的领域。

Concured 是一家来自蒙特利尔的AI 初创企业,致力于协助市场营销团队对标受众,有的放矢地打造网站和销售内容;同时,帮助内容营销团队脱颖而出,加速基于洞察驱动的内容个性化。2015 年,首席执行官 Tom Salvat 创立 Concured,旨在助力内容营销机构更深入地理解受众需求,交付更具影响力的内容。

Built with MongoDB:Concured 是做什么的?

Tom Wilson:Concured 是一家软件公司,以过去 5-10 年间发展的人工智能技术为基础,帮助市场营销人员了解如何撰写具体领域的宣发物料,发掘自身内容亮点,把握竞争对手以及行业宣发现状;进而打造个性化的客户网站使用体验,最大化内容投资收益比。

Concured 已成功推出一套内容推荐系统,能够为每位访问者提供针对性服务。这套系统注重用户隐私,不使用任何第三方 cookie 或用户监视技术,完全基于网站用户的操作,通过访问者的点击行为勾勒出其兴趣领域。随着用户的兴趣和目的逐渐清晰,这套系统会尝试推荐新的阅读内容,比如博文、产品介绍或其他类型的内容。

Built with MongoDB:Concured 是如何使用人工智能的呢?

Wilson:我们运用人工智能的场景有很多。有别于其他个性化系统,Concured 的卖点之一是不需要过长的整合期,也无需在日常管理中进行维护。实现的途径是借助 AI 机器人剖析客户网站的内容,发掘相关性,提取文本、标题和其他所有相关元数据,然后完成自动索引。

我们的系统利用先进的自然语言处理 (NLP) 技术,为每个文档生成语义元数据,在多维空间中与特定点相对应。另一方面是理解其中的关键实体,以及同一个网站中某一篇特定文章与其他文章之间的关系。我们利用 AI 支持的网络爬虫找到的所有内容都会自动附上海量元数据。

在这里插入图片描述

Built with MongoDB:AI 并不总是 100% 准确,您在 Concured 打造的 NLP 的准确度怎么样呢?

Wilson:以内容推荐系统而言,很难断定什么是最佳推荐,因为即便是同一个人,根据日期或网络操作的不同,推荐也会有所变化。例如一些知名的推荐系统,如 Netflix、Amazon 和 Spotify,总是在猜我们接下来想看什么,但其实并没有一个唯一正确的答案。

正因如此,推荐系统的性能评估变得非常困难。所以,我们采取的方式并不是提供 100% 对应的正确答案,而是通过改变算法,来看访问者是否会点击更多的文章,或进入网站运营商定义的目标页面,比如产品页面或注册表单。访问者最终采取预期行动的比例越高,说明推荐系统越出色。通过比较采用Concured个性化系统前后的网站转化率,我们可以看到2-3 倍的提升,这显示出算法持续优化的成果。

Built with MongoDB:您是何时加入到 Concured 团队的?

Wilson:当时公司已经得到第一笔来自外部的巨额投资,条件之一是引入一位专业的首席技术官。这种情况在企业初创期比较常见,投资方想要介入企业架构,把控资金流向,减少鲁莽行事。所以,有些企业将其戏称为“家长式监督”。我不知道这算不算是我的角色,毕竟当时的团队已经很强大;但我还是从架构入手,从根本上确保我们能够实现后续的目标,以及更长期的战略规划和技术愿景。

在这里插入图片描述

Built with MongoDB:您的团队是如何选择 MongoDB 的?

Wilson:我加入时,团队已经在使用 MongoDB。加入后的几个月里,我们讨论过是否要换用结构化的数据库,这在当时是一个必须要做的决定。所以我才参与其中,经过深思熟虑,决定继续使用 MongoDB。事实证明这个决定是完全正确的,有利于我们实现最初的愿景。同时,我们将弃用Google Cloud Platform上的社区版本,换用 MongoDB Atlas Serverless。令人欣喜的是,归功于无服务器,我们将不再需要管理各种机器,还能够使用 Atlas 上的文本搜索功能,顺便简化一下我们的技术堆栈。作为一家企业,就我们当下所处的位置以及未来五年的发展方向而言,MongoDB 始终是我们正确的选择。

Built with MongoDB: Concured 的未来是什么样的?

Wilson:就在我们交谈的过程中,未来已经被书写。此时此刻,越来越多和我们大客户有着相同需求的企业正在找到我们。这些企业那些有着海量、已存档的内容,需要继续从中挖掘价值和进行大量发布。无论是咨询公司、金融服务行业的大企业,还是传统出版商,他们都希望确保推广的内容是精准的,并能以相应的 KPI 为基准,产出利益最大化的对应内容。

在这里插入图片描述

Built with MongoDB:您收到的最好反馈是什么?

Wilson:我的团队给我的一条正面反馈,是说我有担当。如果他们遇到问题,我会出手解决或者减少阻力,这样他们就可以全力以赴解决问题。这是我的人生观:如果你用心领导团队,事情就会自然顺利推进。

想进一步了解MongoDB如何赋能初创企业?欢迎访问MongoDB官网,了解MongoDB for Startups !

请添加图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1547548.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【Effective Web】html/css优化和技巧

html/css优化和技巧 html/css可以做到一些js的功能&#xff0c;减少js操作dom的高昂成本。 巧用伪类 显示勾选时文案 checkbo勾选时触发&#xff0c;实现checkbox的简单选中事件处理 <template><input type"checkbox" /><span class"checkb…

最优算法100例之07-数组中只出现一次的数

专栏主页:计算机专业基础知识总结(适用于期末复习考研刷题求职面试)系列文章https://blog.csdn.net/seeker1994/category_12585732.html 题目描述 一个整型数组里除了一个数字之外,其他的数字都出现了两次。请写程序找出这个只出现一次的数字。 题解报告 最优解法…

Java框架安全篇--Shiro-550漏洞

Java框架安全篇--Shiro-550漏洞 Shiro反序列化源码可以提取&#xff1a; https://codeload.github.com/apache/shiro/zip/shiro-root-1.2.4 JAVA反序列化就不说了&#xff0c;可以参考前面文章 https://blog.csdn.net/m0_63138919/article/details/136751184 初始Apache Sh…

VOC(客户之声)赋能智能家居:打造个性化、交互式的未来生活体验

随着科技的飞速发展&#xff0c;智能家居已成为现代家庭不可或缺的一部分。然而&#xff0c;如何让智能家居更好地满足用户需求&#xff0c;提供更贴心、更智能的服务&#xff0c;一直是行业关注的焦点。在这个背景下&#xff0c;VOC&#xff08;客户之声&#xff09;作为一种用…

Spring框架介绍及详细使用

前言 本篇文章将会对spring框架做出一个比较详细的讲解&#xff0c;并且每个知识点基本都会有例子演示&#xff0c;详细记录下了我在学习Spring时所了解到全部知识点。 在了解是什么spring之前&#xff0c;我们要先知道spring框架在开发时&#xff0c;服务器端采用三层架构的方…

Amuse:.NET application for stable diffusion

目录 Welcome to Amuse! Features Why Choose Amuse? Key Highlights Paint To Image Text To Image Image To Image Image Inpaint Model Manager Hardware Requirements Compute Requirements Memory Requirements System Requirements Realtime Requirements…

集成ES分组查询统计求平均值

前言 之前其实写过ES查询数据&#xff0c;进行分组聚合统计&#xff1a; 复杂聚合分组统计实现 一、目标场景 机房机柜的物联网设备上传环境数据&#xff0c;会存储到ES存到ES的温湿度数据需要查询&#xff0c;进行分组后&#xff0c;再聚合统计求平均值 二、使用步骤 1.引入…

移动端Web笔记day03

移动 Web 第三题 01-移动 Web 基础 谷歌模拟器 模拟移动设备&#xff0c;方便查看页面效果&#xff0c;移动端的效果是当手机屏幕发生了变化&#xff0c;页面和页面中的元素也要跟着等比例变化。 屏幕分辨率 分类&#xff1a; 硬件分辨路 -> 物理分辨率&#xff1a;硬件…

《机器学习:引领数字化时代的技术革命》

随着科技的不断发展&#xff0c;机器学习作为人工智能的重要支柱之一&#xff0c;正迅速崛起并引领着数字化时代的技术革命。本文将从机器学习的技术进展、技术原理、行业应用案例、面临的挑战与机遇以及未来趋势预测和学习路线等方面展开探讨&#xff0c;为您揭示机器学习的神…

c++的学习之路:3、入门(2)

一、引用 1、引用的概念 引用不是新定义一个变量&#xff0c;而是给已存在变量取了一个别名&#xff0c;编译器不会为引用变量开辟内存空 间&#xff0c;它和它引用的变量共用同一块内存空间。 怎么说呢&#xff0c;简单点理解就是你的小名&#xff0c;家里人叫你小名&#…

配置DNS后,SSH登录变慢

问题描述 最近使用ssh时出现登录非常缓慢的状态&#xff0c;登录一般需要花费20秒以上才能正常登陆&#xff0c; Connecting to *****:22... Connection established. To escape to local shell, press CtrlAlt].等待十秒钟后&#xff0c;提示登录成功 Last login: Mon Jun …

k8s系列之十七 Istio中的服务治理

删除前面配置的目的地规则 [rootk8s-master ~]# kubectl delete destinationrule details destinationrule.networking.istio.io "details" deleted [rootk8s-master ~]# kubectl delete destinationrule productpage destinationrule.networking.istio.io "pr…

00000基础搭建vue+flask前后端分离项目

我完全是参考的这个vue3flask前后端分离环境速建_flask vue3-CSDN博客 安装了node_js&#xff08;添加了环境变量&#xff09; 环境变量 把原来的镜像源换成了淘宝镜像源 npm config set registry https://registry.npmmirror.com/ 查看版本证明安装成功 npm - v 安装npm i…

caffe | 使用caffe SSD制作VOC07112 lmdb数据集

git clone -b ssd https://github.com/weiliu89/caffe.git caffe_ssdcd caffe_ssdcp caffe/Makefile.config caffe_ssd/# 把 cuda 和 cudnn 关了&#xff0c;用 cpu 版本的就好了 make -j32 make pycaffemake test -j8 make runtest -j8 vim ~/.bashrc# 加入 export LD_LIBRAR…

Day49:WEB攻防-文件上传存储安全OSS对象分站解析安全解码还原目录执行

目录 文件-解析方案-目录执行权限&解码还原 目录执行权限 解码还原 文件-存储方案-分站存储&OSS对象 分站存储 OSS对象存储 知识点&#xff1a; 1、文件上传-安全解析方案-目录权限&解码还原 2、文件上传-安全存储方案-分站存储&OSS对象 文件-解析方案-目…

数据分析之Power Pivot多表数据建模

Power Pivot 介绍&#xff1a; 可以融合多个数据表可夺标关联搭建复杂数据模型一次建模&#xff0c;一键刷新DAX函数编写公式计算可将数据模型轻松移植到PBI和SQL中 1.将数据导入power pivot(power pivot------添加到数据模型) 2.导入其他表格&#xff0c;并有一定的关联 导入…

Cesium for UE-03-添加数据集(倾斜摄影)

继续上一章节&#xff0c;在创建了项目和关卡的基础上添加倾斜摄影 重新打开上次的项目和关卡 如果你已经关掉了上次的项目和关卡&#xff0c;可以重新打开ue&#xff0c;然后选择 选择 文件-打开关卡&#xff0c;在弹出的窗口中&#xff0c;选择 上次的关卡&#xff0c;并点击…

web学习笔记(四十五)Node.js

目录 1. Node.js 1.1 什么是Node.js 1.2 为什么要学node.js 1.3 node.js的使用场景 1.4 Node.js 环境的安装 1.5 如何查看自己安装的node.js的版本 1.6 常用终端命令 2. fs 文件系统模块 2.1引入fs核心模块 2.2 读取指定文件的内容 2.3 向文件写入指定内容 2.4 创…

【双指针】Leetcode 有效三角形的个数

题目解析 611. 有效三角形的个数 算法讲解 回顾知识&#xff1a;任意两数之和大于第三数就可以构成三角形 算法 1&#xff1a;暴力枚举 int triangleNumber(vector<int>& nums) {// 1. 排序sort(nums.begin(), nums.end());int n nums.size(), ret 0;// 2. 从…

基于ACO蚁群优化的UAV最优巡检路线规划算法matlab仿真

目录 1.程序功能描述 2.测试软件版本以及运行结果展示 3.核心程序 4.本算法原理 4.1 蚂蚁移动和信息素更新 4.2 整体优化过程 5.完整程序 1.程序功能描述 基于ACO蚁群优化法的UAV最优巡检路线规划。蚁群优化算法源于对自然界蚂蚁寻找食物路径行为的模拟。在无人机巡检路…