FreeWheel×亚马逊云科技：依托AI的高效广告投放流程

最新推荐文章于 2025-12-12 16:09:47 发布

转载最新推荐文章于 2025-12-12 16:09:47 发布 · 53 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://mp.weixin.qq.com/s/gKBKXE7kt_tIP-h98IlxsQ

文章标签：

#科技 #人工智能

概述

FreeWheel是全球领先的数字广告管理技术与服务提供商，致力于为高端视频媒体提供广告投放、监测、预测等全链路解决方案，业务覆盖北美、欧洲、亚洲等多地。为提升广告投放流程中素材打标环节的效率，FreeWheel基于亚马逊云科技，在海外打造了基于生成式AI的自动化视频广告品牌识别流程，使广告素材处理时间缩短至平均20分钟以内，同时识别精度大幅提升。

20分钟

平均广告素材

打标时间

91.06%

内容识别

准确率

目前，FreeWheel使用的亚马逊云科技产品与解决方案包括：Amazon Bedrock（仅在海外区域使用）、Amazon Nova、Amazon EKS、Amazon OpenSearch Service等。

机会｜广告投放持续增长

打标提效刻不容缓

广告行业高度依赖数据驱动，精准投放能力已经成为衡量竞争力的核心指标。面对日益增长的媒介渠道和不断变化的用户偏好，如何提升营销精准度与投放效率，成为广告服务商和品牌方共同关注的重点。

作为全球领先的广告服务商，FreeWheel致力于优化广告投放的运转效率与投放转化率。而广告投放过程中，素材打标环节是其被投放前的必要环节，在这个环节中可基于对广告素材中品牌商标等信息的分析，为其添加品牌、分销商和行业等标签，实现广告素材的更精准匹配，满足广告投放合规要求的前提下，提升转化率的同时维护品牌形象。因此，长期以来素材打标签一直是FreeWheel的业务重点。然而，传统素材打标流程高度依赖人工审核团队，在FreeWheel业务持续增长的过程中逐渐暴露出一系列挑战：

单位打标耗时长：人工审核团队平均需要37小时才能完成广告素材与品牌之间的关联，影响业务效率。

拓展能力不足：随着业务增长，FreeWheel每天需要面对20多万条广告素材，当需求进一步爆发式增长时难以适应。

识别精度欠佳：部分广告素材品牌信息不明确，可能导致打标错误，影响投放。

早在2019年，FreeWheel便将核心数据库迁移至亚马逊云科技，通过Amazon Aurora、Amazon DynamoDB、Amazon EKS等服务，构建分布式的弹性可扩展架构，在奥运会、世界杯、超级碗等赛事活动的直播过程中实现零故障投放与毫秒级响应。在此基础上，FreeWheel还依托亚马逊云科技全球基础设施，实现了全球多个区域的快速部署与投放拓展，为客户提供统一、高质量的交付体验。

多样而全面的合作基础之上，更深入的探索自然水到渠成。2023年，FreeWheel开始联合亚马逊云科技，开启在生成式AI应用方面的尝试。2024年，双方共同打造的自动化素材打标流程正式落地。

“广告行业变化迅速，借助以Amazon Bedrock（仅在海外区域使用）、Amazon Nova模型为代表的亚马逊云科技服务，我们实现了视频广告品牌的自动化识别，将广告打标签的效率大幅提升。”

——王强

FreeWheel北京研发中心总经理

解决方案｜构建AI自动化流程

实现识别效率与精度双提升

大模型智能识别，实现效率飞跃

要实现对广告素材的高效打标，其核心前提在于如何准确识别画面内都有哪些品牌？大模型的加入，令这一环节实现了效率的飞跃。

全新素材打标流程中，由Amazon Bedrock提供的大模型会对广告素材中的关键帧进行阅读及理解，输出初步识别的品牌名称、行业类别以及对应凭据与理由，以便尽可能全面地捕捉图像中潜在的品牌信息。随后，这个结果会通过Amazon OpenSearch Service与企业品牌数据库中的信息进行比对，返回前10个相似度最高的品牌列表。

FreeWheel基于亚马逊云科技的

系统架构示意图

经过仔细甄别，大模型会锁定最终的品牌名称，同时将比对过程、结果等信息同步至数据库，以实现对未来识别的进一步优化。这种“双重判断”设计，在充分利用了大模型自由识别泛化能力的同时，又通过候选集、置信度机制降低了幻觉和误判的风险，让整个识别过程既智能灵活，又稳健可控。

与传统方式相比，大模型的多模态识别能力简化了以检测模型对关键帧Logo区域进行分析的步骤，同时还省略了以特征提取模型将Logo转化为向量特征的过程，令识别效率大幅度提升，帮助FreeWheel将素材平均处理时间从37小时缩短至20分钟以内。

精确选型，兼顾准确性及性价比

确定了业务流程后，由于需要处理的广告素材量通常较大，FreeWheel还希望选择能力更为全面的大模型，以获得性能与成本之间的平衡。

经过分析后FreeWheel认为，孵化于亚马逊内部的Amazon Nova系列模型，依托亚马逊自有广告业务数据训练而成，拥有更好的垂直领域理解力。同时，多款模型的比对与测试结果显示，Amazon Nova Lite在保障了高准确率、召回率的同时，还拥有更低延迟以及更高性价比。而同属亚马逊云科技体系的优势，也让Amazon Nova Lite能够与Amazon EKS、Amazon OpenSearch Service等服务高效集成，降低了应用难度。

因此，FreeWheel最终选择Amazon Nova Lite作为广告素材品牌识别、打标业务的核心模型，以91.06%的内容识别准确度，保障这一业务高效、稳定运行。