广告技术颠覆者Moat获1200万美元B轮融资 Mayfield领投

广告技术公司Moat宣布获得1200万美元B轮融资,此轮融资由Mayfield Fund领投。Moat专注于广告效果分析,采用SAAS模式提供服务,旨在通过新颖的方法衡量品牌在线广告的效果。与依赖点击率的传统方法不同,Moat的服务能够实时追踪活动并根据用户的互动情况评估广告成效。

广告技术颠覆者Moat获1200万美元B轮融资 Mayfield领投广告技术创业公司Moat今日宣布获得1200万美元B轮融资,由Mayfield Fund领投,已有投资人跟投,到目前为止,公司获得总融资1650万美元。

之前的投资人包括Ron Conway的SV Angel,Founders Fund,Vast Ventures, Lerer Ventures, Founder Collective以及  First Round Capital,其它投资人还有Moat自己创始人的投资通道,Right Media前CEO Mike Walrath以及Jonah,Noah Goodhart兄弟,同时Mayfield合作人Tim Chang将会加入Moat董事会。

虽然广告技术在数字广告领域还没有引起足够重视的,但随着大数据在我们工作中日趋重要,广告技术正扮演着越来越关键的角色,这次融资意味着广告技术玩家已经开始涉足此领域。

与其它经营广告网络的广告技术公司不同,Moat仅仅专注于分析,软件采用SAAS模式,试图用另一种方式让广告商及发行商统计广告效果,而不是传统的根据点击率来算广告投放效果。Moat CEO Jonah Goodhart说,现在最迫切需要解决的问题就是如何衡量品牌在线广告的效果,这是许多广告大会都在讨论的问题,也是这个行业每个人都在讨论的问题,包括Google。

目前世界有约15000家公司使用Moat的Moat Intelligence服务,包括福布斯,AOL。公司最新发布了一个专利申请分析平台Moat Analytics,实时追踪活动,根据活动的参与情况而不是简单的点击率来衡量效果,本轮融资将用于扩张产品组合,预计明年会发布Premium Intelligence平台。

虽然现在Goodhart不愿透露Moat的收入情况,但由于这种SAAS模式在广告中的运用,新鲜的广告效果测量方式,将会赢得许多用户。

Via TC

annie雷锋网专稿,转载请注明!)

多源动态最优潮流的分布鲁棒优化方法(IEEE118节点)(Matlab代码实现)内容概要:本文介绍了基于Matlab代码实现的多源动态最优潮流的分布鲁棒优化方法,适用于IEEE118节点电力系统。该方法结合两阶段鲁棒模型与确定性模型,旨在应对电力系统中多源不确定性(如可再生能源出力波动、负荷变化等),提升系统运行的安全性与经济性。文档还列举了大量相关的电力系统优化研究案例,涵盖微电网调度、电动汽车集群并网、需求响应、配电网重构等多个方向,并提供了YALMIP等工具包的网盘下载链接,支持科研复现与进一步开发。整体内容聚焦于电力系统建模、优化算法应用及鲁棒性分析。; 适合人群:具备电力系统基础知识和Matlab编程能力的研究生、科研人员及从事能源系统优化的工程技术人员;熟悉优化建模(如鲁棒优化、分布鲁棒优化)者更佳。; 使用场景及目标:①开展电力系统动态最优潮流研究,特别是含高比例可再生能源的场景;②学习和复现分布鲁棒优化在IEEE118等标准测试系统上的应用;③进行科研项目开发、论文复现或算法比较实验;④取相关Matlab代码资源与仿真工具支持。; 阅读建议:建议按文档结构逐步浏览,重点关注模型构建思路与代码实现逻辑,结合提供的网盘资源下载必要工具包(如YALMIP),并在Matlab环境中调试运行示例代码,以加深对分布鲁棒优化方法的理解与应用能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值