全球 Blog

从我们最新的博客文章中获得灵感。.

Artefact 的 Medium 博客

为什么需要全面搜索方法？
搜索引擎优化和 SEA 渠道是大多数公司数字营销组合的关键组成部分，但往往缺乏联合营销战略。企业如何从全面搜索方法中获益？
阅读更多
18 1 月 2023
通过先进的 Data 营销获得粉丝洞察的四个步骤
如果我们能收集体育迷的信息，了解他们喜欢和偏爱的球队、球员是什么样子的呢？
阅读更多
17 1 月 2023
迁移到 GA4：如何成功迁移
迁移到 GA4 可能是一项艰巨的任务，但却是必须要做的。以下是我们成功迁移的最佳做法。.
阅读更多
9 1 月 2023
播客：MROI | 衡量线上线下活动的 data-driven 新方法
合伙人兼 Data 营销业务负责人 Florian Thiebaut 在 Intuiti 制作的播客 "Les 5 minutes data "中谈到了 MROI。.
阅读更多
2 1 月 2023
采访 Florian Thiébaut：“CDP（用于 data 集中和 audience 细分的平台）已成为常态”。”
在浏览器结束第三方 cookie 收集几个月后，CDP 就赢得了自己的地位 - Florian Thiébaut
阅读更多
21 12 月 2022
以 "消费者至上 "的思维促进用户的获取和保留
在这个竞争激烈的市场中，赢得观众的关注、吸引和留住用户的能力非常重要。.
阅读更多
15 12 月 2022
服务器端标签
服务器端标记是 data 控制关键的原因，以及我们对不同解决方案的看法。.
阅读更多
9 12 月 2022
Google 广告的新 NCA 功能如何帮助管理和衡量新客户的获取情况
迄今为止，利用谷歌广告开发新客户一直是个难题。即使目标是获得良好的投资回报率或 CPA...
阅读更多
6 12 月 2022
我们关于 Google Performance Max 的报告、其优势以及此类营销活动提供的机会。.
广告客户为什么要启动 Google Performance Max 营销活动？如何充分利用 Performance Max 广告系列？
阅读更多
1 12 月 2022
在网络链接中，什么是自然速度？
要想在谷歌上获得更好的排名，网络链接是最常用、最有效的搜索引擎优化方法之一。.
阅读更多
28 11 月 2022
Data 网格：分散式 data 管理模式的原则、承诺和现实
Justine Nerce 和 Killian Gaumont（Artefact）与 Amine Mokhtari（谷歌云）共同举办了 Data 网格研讨会。.
阅读更多
24 11 月 2022
消费者注意力及其对付费媒体的重要性
我们的注意力正在迅速减少。在十几年的时间里，人类的平均注意力从12秒下降到8秒（微软，2015）。就连金鱼的注意力持续时间也更长：它们平均能集中注意力9秒钟！而这些都是七年前的研究结果；如今的情况可能更糟。.
阅读更多
15 11 月 2022
碳足迹测量产业化，实现碳中和
要实现碳中和，面对气候紧急情况，大公司面临的挑战首先是跟踪碳足迹。.
阅读更多
2 11 月 2022
开启未来：金融机构如何为扩展人工智能做好准备
雅典娜-夏尔马（Athena Sharma）谈到了银行业和保险业人工智能项目的激增、一些金融机构在实现这些项目时面临的困难以及克服这些障碍的方法。.
阅读更多
27 10 月 2022
DBT 凝聚 2022 回顾
这期 dbt coalesce 在新奥尔良举行。我们学到了很多关于分析工程领域的知识。.
阅读更多
26 10 月 2022
通过客户 Data 平台释放 first-party data 的能量
数字媒体环境正在发生变化，需要采取新的方法。阅读本文，了解 CDP 如何帮助您将 first-party data 转化为相关行动。.
阅读更多
19 10 月 2022
体育和娱乐业的 CDP 和 Data 业务
在体育和娱乐行业，data 每天 24 小时从数千个不同的消费者接触点收集。.
阅读更多
17 10 月 2022
大规模雪花访问控制
Snowflake | 我们如何在遵守 data governance 标准的同时自动管理一个拥有 50 多个用户的账户
阅读更多
10 10 月 2022
全球银行与金融评论》杂志对 Vincent Luciani 的采访 | data 时代的企业管理
如何调整公司的决策机构和治理，以更好地利用 data 时代？
阅读更多
3 10 月 2022
预测从未发生过的事情：我们如何估算过去促销活动的盈利能力
关于如何使用反事实预测法估算零售业以往店内促销活动成本效益的指南。.
阅读更多
3 10 月 2022
在隐私（或）时代重振您的营销测量，以做出更好的决策
因果关系模型是市场营销的未来。注册参加我们的活动，了解如何实施此类模型，并了解 Artefact 如何为客户实施这些模型。.
阅读更多
26 9 月 2022
宝藏 Data 聚焦｜Artefact 如何帮助客户构建客户 Data 平台战略
宝藏 Data 采访了 Artefact，以更好地了解 Artefact 如何与 TD 合作，帮助企业利用 data 在整个价值链中产生切实影响。.
阅读更多
12 9 月 2022
贝叶斯媒体混合建模 data
如何估算渠道对销售和营销的影响？媒体组合建模是一种解决方案，统计数据是主要资源。.
阅读更多
30 8 月 2022
测量 Python 笔记本电脑的二氧化碳影响（Azure ML）
在我的第一篇关于代码优化的报道，使我的计算时间减少了 90%之后，我很想知道我的改变所减少的 CO2eq 影响。.
阅读更多
20 7 月 2022
无熟食时代的个性化营销
技术进步和 GDPR 法规促使企业思考提供个性化营销的新方法。.
阅读更多
19 7 月 2022
从愿景到执行：企业进行 data 转型的五步计划
Data 转型近十年来一直是企业界的热门话题，但自 COVID-19 以来，它的重要性更加凸显。.
阅读更多
18 7 月 2022
为什么说 Facebook 的转换 API 整合不是 "是否 "的问题，而是如何实施的问题？
企业被迫遵守新标准，并不断调整运营方式（Facebook 的转换 API）
阅读更多
11 7 月 2022
首席 Data 官员目前面临的五大最紧迫挑战
首席 Data 官的作用不断扩大，首席 CDO 在公司领导委员会中的级别也不断提升。.
阅读更多
21 6 月 2022
零售媒体是一个快速增长的渠道，但仍处于起步阶段
零售媒体是一个快速增长的渠道，正在媒体组合中确立自己的地位，但其特殊性需要专业知识。.
阅读更多
17 6 月 2022
cookies 的终结对客户 Data 平台意味着什么？
如今，监管和技术环境瞬息万变，DMP 因其设计围绕第三方 data (cookies) 而过时。.
阅读更多
15 6 月 2022
Data 成熟：攀升金融机构的规模
Artefact 总监兼全球金融服务负责人 Athena Sharma 和昆士柏保险集团 CDO Chris Bannocks 讨论了 data 的成熟度。.
阅读更多
8 6 月 2022
让 ML 工程师从第一天起就参与 data 科学项目的宣言
Data 高级科学家杰弗里-凯恩（Jeffrey Kane）解释了为什么 ML 工程师应该从一开始就参与 data 科学项目。.
阅读更多
24 5 月 2022
Data 治理，人工智能项目成功的先决条件
枢纽研究所就 Data 治理问题采访 Artefact 合伙人 Justine Nerce
阅读更多
23 5 月 2022
使用 data 和 Artefact 测量并减少对环境的影响
对于公司来说，持续衡量其对环境的影响并确定减少影响行动的优先次序是一项挑战。.
阅读更多
18 5 月 2022
data 工程技术的未来是怎样的？
data 工程领域和未来正在迅速发展。我认为未来几年有三大发展趋势。.
阅读更多
16 5 月 2022
The Drum 采访 - 播客：数字广告的兴起与崛起
2022 年 5 月 6 日英国董事总经理帕斯卡尔-科吉亚（Pascal Coggia）参加了《The Drum Deep Dive》播客节目 ‘数字广告的兴起与崛起’。.
阅读更多
5 5 月 2022
搜索引擎优化与 SEA 协同作用：神话还是现实？
SEO 和 SEA 协同作用是两个类似的杠杆：它们响应的是单一的用户需求，通常由代理机构分别处理。.
阅读更多
27 4 月 2022
Data 网格：通往 data 分散化之路
在本文中，克里斯将解释什么是 Data Mesh，什么不是 Data Mesh，为什么 Data Mesh 既是一种思维方式，也是一种方法，它的优势和挑战。.
阅读更多
27 4 月 2022
Data 治理学习曲线
在 Artefact，我们希望通过我们的 “来自实地的启示 ”系列文章，从业务角度探讨 Data 治理曲线。.
阅读更多
19 4 月 2022
Cookies 已死，客户 Data 平台（CDP）万岁！
如今，客户 Data 平台 (CDP) 已成为广告商和内容提供商的首选解决方案。.
阅读更多
6 4 月 2022
Facebook 先知是否适合在真实世界项目中做好预测？
本指南将帮助您了解 Facebook 先知是否适合您的预测项目。.
阅读更多
28 3 月 2022
pandas 中的字符串过滤器：你做错了
在 Pandas 中使用字符串过滤器是应该避免的，因为标量_比较运算符会导致性能瓶颈。.
阅读更多
14 3 月 2022
打造自己的受众引擎
如何建立自己的受众引擎：将 Google 生态系统转化为无熟人客户 data platform
阅读更多
7 3 月 2022
服务器端跟踪--实现 data 隐私、安全和质量以及更好用户体验的途径
增加 data 保护越来越受到关注，企业对 data 的高质量也很感兴趣。.
阅读更多
25 2 月 2022
人工智能如何改善患者护理之旅
人工智能有可能通过数字解决方案改变医疗行业。那么，人工智能是如何改善患者护理过程的呢？
阅读更多
14 2 月 2022
Artefact 人才发展模式：持续职业发展模板
Artefact 人才发展模式：我们的发展离不开透明度和创新。我们致力于与他人分享我们的最佳实践。.
阅读更多
4 2 月 2022
如何利用 data-driven 营销技术扩大个性化营销规模
要想在当今的环境中取得成功，营销人员需要利用 data-driven 战略扩大个性化工作的规模。.
阅读更多
2 2 月 2022
Data 和 2022 年的 ML 挑战
2021 年 data 和 ML 的主要趋势......以及它们对 2022 年的意义
阅读更多
31 1 月 2022
与 Artefact 首席执行官 Vincent Luciani 一起播客 Data 和 2022 年分析趋势
2021 年是以 data 成熟度大幅提高为标志的过渡之年。本期播客将探讨未来几个月在加速 1P data 收集、扩大品牌的 CDP 以及越来越多的绩效衡量概率方法方面的预期趋势。.
阅读更多
25 1 月 2022
如何使用功能强大的通用 SQL 查询快速比较两个 data 数据集
通过即用型结构化查询语言模板简化 datasets 比较的分步指南
阅读更多
18 1 月 2022
没有 cookies？使用 first-party data 为基于人工智能的 "受众引擎 "提供动力，从而实现 targeting 的准确性！
围绕收集和处理个人 data 的技术和监管环境的转变正在深刻影响营销人员精确锁定和衡量其 audience 的能力。品牌要想继续准确地接触其 audiences 并优化其媒体预算，就必须重新审视其 data 战略。.
阅读更多
14 12 月 2021
在 Google Analytics 上使用机器学习模型为客户倾向性评分 Data
深入探讨我们如何利用 Google Analytics data 建立最先进的定制机器学习模型，以估计客户购买产品的倾向。.
阅读更多
13 12 月 2021
开发高性能需求预测模型之路 - 第四部分
到目前为止，我们主要讨论的是对已上架一段时间的常规产品的预测。那么，最近上市的产品呢？
阅读更多
26 11 月 2021
亚马逊广告--准备第四季度的黄金法则
对于在亚马逊上销售产品的品牌而言，年末时期的战略意义和竞争性日益增强。黑色星期五和节假日都是销售的催化剂，增加了终端消费者的购买机会，同时也激发了品牌之间的竞争：价格、产品质量以及通过亚马逊内外广告的知名度。如今，利用亚马逊提供的所有工具和解决方案至关重要。本文重点介绍了我们充分利用美国公司广告生态系统的 10 条黄金法则。.
阅读更多
26 11 月 2021
未来之路：data-driven 营销对不断发展的汽车行业至关重要
在旁观者看来，汽车行业似乎很健康，电动汽车和混合动力汽车越来越多地出现在我们的街道上，无人驾驶汽车正在成为现实，更不用说在冠状病毒大流行之后，人们更愿意选择安全的汽车而不是公共交通工具。.
但是，这种表面现象掩盖了一个不断变化的行业，它面临着来自多个方向的变革。.
阅读更多
2 11 月 2021
如何确保 Python 软件供应链的安全
了解您所面临的风险的指南，以及一些防范风险的小贴士。.
阅读更多
29 10 月 2021
广告排序：如何在 YouTube 上讲故事
如今，所有渠道的广告都已饱和，导致我们想要传递的信息过于重复，无法激发用户的兴趣。从这个意义上说，为用户提供连贯的 "故事 "是一项复杂的任务。.
如果我们有一份视频行动和讲故事的简报，我认为 YouTube 广告序列可能是一个值得考虑的选择。.
通过使用这种策略，我们发现 YouTube 品牌提升测量的频率提高了 2.4 倍，品牌知名度提高了 4 倍。.
阅读更多
28 10 月 2021
从大流行病中汲取的 7 条长期商业经验
一年半以来，随着大流行病的持续蔓延，各组织不断进行创新和调整，以应对不断变化的环境。美国 Artefact 公司首席执行官加迪-霍贝卡（Ghadi Hobeika）概述了从这次大流行中长期汲取的七条经验教训。.
阅读更多
27 10 月 2021
在 Kubernetes 上使用 Mlflow 大规模服务 ML 模型 - 第 3 部分
本文是系列文章的第三部分，在这一部分中，我们将介绍使用 Mlflow 记录模型、在 Kubernetes 引擎上提供模型并最终根据应用需求对其进行扩展的过程。虽然本文可独立用于测试任何 API 响应，但我们建议您阅读我们之前的两篇文章（第一部分和第二部分），了解如何使用 Mlflow 部署跟踪实例并将模型作为 API 提供。在下文中，我们将关注可扩展性问题，并通过一些实验来了解 k8s 集群的行为，并就如何处理高负载提出建议。.
阅读更多
26 10 月 2021
在 Kubernetes 上使用 Mlflow 大规模服务 ML 模型 - 第 2 部分
2021 年 10 月 25 日本文是系列文章的第二部分，在这一部分中，我们将介绍使用 Mlflow 记录模型、将其作为 API 端点提供以及最终根据应用需求对其进行扩展的过程。在上一篇文章中，我们介绍了如何在 k8s 上部署跟踪实例，并检查了动手实践的先决条件（秘密、环境变量......）。在下文中，我们将展示如何为已在 Mlflow 中注册的机器学习模型提供服务，并将其作为 API 端点在 k8s 上公开。.
阅读更多
25 10 月 2021