作为 eBay 的核心利润引擎，智能营销部门（Customer Growth）每年为 eBay 引流数以百亿计，更是带来数十亿的利润。eBay 丰富的营销渠道涵盖了付费广告、消息营销、用户定向推荐等，产品涉及离线和在线场景，站内站外每天产生了大量的用户行为数据、系统跟踪数据、以及商业报表数据。如何在这海量数据之中挖掘有效信息，帮助智能平台背后的各类算法模型快速迭代、演进、产生商业效益，成为了算法团队和工程团队的共同挑战。

与此同时，随着算法团队的规模增长，模型的数量和复杂度不断提高，产生了现有平台无法满足算法团队特定需求的情况。算法团队更关注于海量数据的获取与模型的开发，eBay 现有的数据与算法平台方案较为分散，并且对算法团队有较高的工程技术要求，这些都成为了算法团队快速产出的障碍，这同样也是行业内所面临的共同痛点。

eBay 智能营销部门为其算法团队打造了一套量身定做的 AI 一体化大数据平台解决方案，试图在数据追踪获取、特征提取与处理、模型开发与迭代、以及模型上线后的A/B测试上提供一站式体验，降低模型开发的工程技术门槛，加速模型迭代与上线速度。

本次演讲将从智能营销的一系列场景与挑战出发，逐一介绍AI一体化解决方案中的各个产品模块，分享我们在实践中遇到的问题与思考，抛砖引玉，希望共同获得启发。

演讲提纲：

1. eBay 智能营销速览
   • eBay 智能营销场景与系统
   • eBay 大数据生态与算法应用
2. eBay 智能营销的特征平台
   • 特征计算的挑战
   • 特征平台关键性技术、领域与边界
   • 离线与在线特征的融合
3. eBay 智能营销的机器学习平台
   • 大数据和机器学习平台介绍
   • 算法团队心中的理想开发环境
   • 机器学习平台的底层核心——工作流引擎
   • 异构环境中的大数据处理
4. eBay 智能营销的模型A/B测试平台
   • 性能指标的离线计算
   • 在线实时分析和可视化
5. 未来展望

你将获得：

1. 了解在智能营销场景下，AI 一体化大数据平台生态系统的落地方案以及运用案例
2. 了解 eBay 智能营销各级算法平台的建设实践