“在不久的將來， 快樂將會被極速感知， 我們每個人看到的、下載的都是自己喜歡的應用， 不會再被自己不喜歡、不匹配的應用所干擾， ”這就是智慧分發網路的魅力。
為此， NOX夜神進行了三年的市場佈局。
●2015年， 夜神工程師寫下第一行代碼開始， 夜神的AI行銷建設之路便已經起航。 相比AI優先的戰略（無人駕駛、AI晶片和硬體等）， 夜神選擇的是優先進入行銷這個領域， 夯實資料來源供應， 逐步反覆運算大資料基礎架構與特徵工程， 建立自有神經網路。
●2015年6月， 以虛擬移動安卓用戶端——NoxPlayer， 快速進入跨屏市場， 為夜神的神經網路積累了第一批資料；
●2016年4月， 國內首個完整的雲手機（雲端移動OS）解決方案——夜神雲手機NoxPhone， 將跨屏技術擴展至全屏時代， 實現多終端資料共通；
●2017年7月， 推出NoxApp+、NoxGamer等創新產品， 深度理解不同應用之間的關聯。
經過近三年的資料積累， 夜神的產業核心已經非常清晰， 通過自有流量積累並逐步切換到通過SDK獲取的方式， 不斷更新資料圖譜， 保證資料的新鮮、持續、有效供給。
夜神為什麼在這個時候宣佈進入這個市場？
經歷了2015、2016年的高速發展， 夜神在2017年開始共用全球資料。 一方面是因為進入2017年後， 全世界50%的用戶已經進入互聯網， 流量紅利在“最優市場”逐漸觸頂， 增量用戶的獲取更為困難， 自有使用者資料、使用者遷移規律、流量生命週期、複用率等提升成為產業的核心溢價能力。
另一方面， 截止2017年年底， NOX夜神全球擁有1億+用戶， 每天幫助用戶安裝500W+應用， 每月入庫100億級應用使用資訊， 這個資料量已能夠獨立支撐深度學習。
夜神全球用戶分佈圖譜
目前， 在夜神的資料系統內， 可即時感知全球哪些應用在迅速傳播， 各應用的市場流行度、生命週期狀態， 之間的遷移規律等資訊， 比如， 通過夜神的神經網路可以知道從應用A到應用B的是如何遷移的， 從而通過人工智慧計算用戶使用應用C的可能性。 這種資料能力在應用和遊戲的數位行銷當中發揮著巨大的作用。
夜神觀測到的亞洲地區應用熱度圖譜
夜神通過建立分發平臺——AiadMobi（夜神廣告平臺）， 打造全新的數位媒體分發系統， 引入AI技術， 以AI+大資料的方式， 有力對抗分發中的流量品質差（留存、付費低）等傳統分發弊端， 幫助廣告主規避假量和影響自有品牌的非增益曝光。 並且不斷通過自身的資料力量逐步賦能到更多出海企業， 幫助企業的海外流量獲得更大的商業價值。
●新使用者， 只能通過簡單的概率模型投放， 準確率很低， 降低了資料的價值；
●更換手機或者切換新帳號， 歷史資料將被淘汰， 這會導致傳統資料庫（DMP）需要不斷補充資料來滿足使用者特徵庫的完備性， 無形中提高了維護資料的成本；
●人工投放， 策略準確率相差很大， 優秀的投放師能為企業節省數百數千萬的資產。
而借助AI的魅力， 可以從根本上提高程式化分發領域整體的產能。 例如在夜神的神經網路中， 可以知道一個安裝3個以上諮詢類App的20~30歲之間的用戶使用直播類應用的概率小於5%（學習型用戶與泛娛樂的關聯），
另外， 在夜神的神經網路模型中， 每個廣告知識、投放知識、使用者理解等規則在不同國家中可以複用。 例如：A國家和B國家都屬於東歐一個民族或語言體系， AB兩個國家的90%以上的使用者模型相等；再比如針對使用者韌性， 根據使用者對一個App的厭倦的時間週期等人性公共指標可以推算出一個APP的生命週期的長度。 這樣知識驅動的模型在資料複用效率上遠遠高於傳統使用者單一標籤結構。
夜神觀測到某移動應用使用者關聯圖譜
數位行銷要解決的基本問題是尋找精准用戶，匹配廣告資源和潛在用戶，而理解使用者不同于傳統的資料記錄，是添加了分析、運算、智慧的資料。在夜神的資料庫裡面有數億使用者的興趣週期圖譜，夜神的智慧分發模型可以不斷理解人類常量化的興趣點。根據內部透露的資料，分發的準確率達到了89%。也就是說，單單這一項功能，就可以使夜神智能分發在這一步的選擇上有89%的概率與用戶的興趣點相同。夜神現階段的“資料”與以往的資料存在很大不同，可以以更智慧的方式對使用者的資料進行理解與智慧使用。
例如：
· 韓國對於新型App的接受程度遠高於日本。
· 伊斯蘭國家的男女用戶使用App的習慣截然不同。
· 使用外賣應用的用戶更喜歡玩遊戲。
· 在東南亞南美這種線上支付尚未發達的國家，支付率和當前網路狀態的關聯度非常高。
· 使用電商應用的女性在泛娛樂App的接受率低於平均，但ARPU遠高於平均。
以上這樣的看似簡單的資料特徵，最終在神經網路裡形成一個可描述的機器語言，是非常有挑戰的事情，很多規則其實無法用語言描述，但是最終會以策略的形態出現。這些宏觀策略會幫助廣告主在行銷之前做好預算和整體投放計畫。
夜神的AI觀 以資料+，成為使用者的知“心”朋友伴隨著整個市場的換血變慢，用戶體驗增多，個性化需求變強，現有使用者資料沉澱與挖掘能力成為產品的核心能力，是夜神的重心之一。
夜神會不斷的問自己，“用戶到底是誰，他們的真正需求是什麼？”為了深度理解使用者，在夜神的資料系統中，有兩個深度神經網路：第一個神經網路用來生成候選應用清單；第二個神經網路用來對輸入應用清單打分排名，以便將排名靠前的應用推薦給用戶。候選應用的調取生成是依靠協同過濾演算法產生一個寬泛的針對用戶的個性化推薦候選名單。排名神經網路是基於第一個候選生成網路的清單，提供更精細的區分細化，達到較高的推薦命中率。通過定義目標函數來提供一系列描述應用和使用者的特徵，排名網路則根據目標函數來給每一個應用打分，分數最高的一組應用就被推薦給用戶。
再舉個簡單的例子，假如你想下載一個視頻應用，神經網路就會將你過往的視頻觀看記錄、使用記錄在其資料庫中進行調用、分析，判斷出最適合你的視頻應用類型，然後再在其視頻應用資料記載庫中，結合視頻的本身特徵、以外使用者的標籤等維度，按照剛才預判的結果進行排名，調取排名靠前的視頻應用並推薦給你，這樣基於用戶喜好，個性化定制的廣告體驗，用戶的接受度會提升2-3倍。
而夜神的神經網路模型堅持在海量資料（大資料）裡發現知識、積累知識，不斷地描述資料內在的邏輯，而這些邏輯成為夜神更懂用戶的依據。
以技術+，提升資料的LTVAI行銷以客戶生命週期的價值最大化為核心訴求，結合使用者的資料、使用者周邊資料（所使用的應用資料-生命週期-營收能力等），對用戶做360度的畫像分析，用以AI為核心的模型來去做預測行銷，獲知用戶未來消費的潛力傾向，建立行銷模型，在正確的場景推薦正確的應用、刺激其消費，對用戶的生命週期價值進行科學管理，全面提升用戶的整體價值。
比如，在夜神會對資料系統裡面的每個資料，通過深鏈的方式追蹤其在各個平臺、各個APP的不同使用行為，並針對每一個資料產生的資料知識都盡可能的提高其複用價值，再比如，日本用戶、臺灣用戶在對遊戲的喜好能夠達到80%的相似度，就可以將臺灣的使用者資料複用在日本地區，再結合一部分日本使用者資料，可以產出更具知識驅動的資料模型。而這樣的資料知識運算而出的資料的生命週期相較傳統的DMP形式，將會被提升3倍左右。
以智慧+， 賦予AI智慧夜神智能分發模型在分發應用的時候是非常“聰明”，大量的資料成為它“思考”的來源。但AI不是由大資料完全決定的，還要有人的經驗與智慧的賦予，比如，代表AlphaGo跟李世石坐下來對戰的那個人本身就是六段的高手，他在訓練AlphaGo時就加入了大量的人類智慧和經驗，越過了很多彎路，但是在AI的光彩之下，被絕大多數的人所忽略。而夜神主張以智慧+AI的方式，在AI技術賦能數位行銷的同時更具智慧，所以在夜神的團隊中，70%+以上成員來自國內頂級互聯網企業（BATM360）,60%+為技術團隊，其中高級工程師占比50%+。
夜神堅持工程師文化——以技術為導向，借助人的智慧，在資料科學以及資料工程不斷完善的情況下，去不斷提高夜神的AI智慧。
夜神觀測到某移動應用使用者關聯圖譜
數位行銷要解決的基本問題是尋找精准用戶，匹配廣告資源和潛在用戶，而理解使用者不同于傳統的資料記錄，是添加了分析、運算、智慧的資料。在夜神的資料庫裡面有數億使用者的興趣週期圖譜，夜神的智慧分發模型可以不斷理解人類常量化的興趣點。根據內部透露的資料，分發的準確率達到了89%。也就是說，單單這一項功能，就可以使夜神智能分發在這一步的選擇上有89%的概率與用戶的興趣點相同。夜神現階段的“資料”與以往的資料存在很大不同，可以以更智慧的方式對使用者的資料進行理解與智慧使用。
例如：
· 韓國對於新型App的接受程度遠高於日本。
· 伊斯蘭國家的男女用戶使用App的習慣截然不同。
· 使用外賣應用的用戶更喜歡玩遊戲。
· 在東南亞南美這種線上支付尚未發達的國家，支付率和當前網路狀態的關聯度非常高。
· 使用電商應用的女性在泛娛樂App的接受率低於平均，但ARPU遠高於平均。
以上這樣的看似簡單的資料特徵，最終在神經網路裡形成一個可描述的機器語言，是非常有挑戰的事情，很多規則其實無法用語言描述，但是最終會以策略的形態出現。這些宏觀策略會幫助廣告主在行銷之前做好預算和整體投放計畫。
夜神的AI觀 以資料+，成為使用者的知“心”朋友伴隨著整個市場的換血變慢，用戶體驗增多，個性化需求變強，現有使用者資料沉澱與挖掘能力成為產品的核心能力，是夜神的重心之一。
夜神會不斷的問自己，“用戶到底是誰，他們的真正需求是什麼？”為了深度理解使用者，在夜神的資料系統中，有兩個深度神經網路：第一個神經網路用來生成候選應用清單；第二個神經網路用來對輸入應用清單打分排名，以便將排名靠前的應用推薦給用戶。候選應用的調取生成是依靠協同過濾演算法產生一個寬泛的針對用戶的個性化推薦候選名單。排名神經網路是基於第一個候選生成網路的清單，提供更精細的區分細化，達到較高的推薦命中率。通過定義目標函數來提供一系列描述應用和使用者的特徵，排名網路則根據目標函數來給每一個應用打分，分數最高的一組應用就被推薦給用戶。
再舉個簡單的例子，假如你想下載一個視頻應用，神經網路就會將你過往的視頻觀看記錄、使用記錄在其資料庫中進行調用、分析，判斷出最適合你的視頻應用類型，然後再在其視頻應用資料記載庫中，結合視頻的本身特徵、以外使用者的標籤等維度，按照剛才預判的結果進行排名，調取排名靠前的視頻應用並推薦給你，這樣基於用戶喜好，個性化定制的廣告體驗，用戶的接受度會提升2-3倍。
而夜神的神經網路模型堅持在海量資料（大資料）裡發現知識、積累知識，不斷地描述資料內在的邏輯，而這些邏輯成為夜神更懂用戶的依據。
以技術+，提升資料的LTVAI行銷以客戶生命週期的價值最大化為核心訴求，結合使用者的資料、使用者周邊資料（所使用的應用資料-生命週期-營收能力等），對用戶做360度的畫像分析，用以AI為核心的模型來去做預測行銷，獲知用戶未來消費的潛力傾向，建立行銷模型，在正確的場景推薦正確的應用、刺激其消費，對用戶的生命週期價值進行科學管理，全面提升用戶的整體價值。
比如，在夜神會對資料系統裡面的每個資料，通過深鏈的方式追蹤其在各個平臺、各個APP的不同使用行為，並針對每一個資料產生的資料知識都盡可能的提高其複用價值，再比如，日本用戶、臺灣用戶在對遊戲的喜好能夠達到80%的相似度，就可以將臺灣的使用者資料複用在日本地區，再結合一部分日本使用者資料，可以產出更具知識驅動的資料模型。而這樣的資料知識運算而出的資料的生命週期相較傳統的DMP形式，將會被提升3倍左右。
以智慧+， 賦予AI智慧夜神智能分發模型在分發應用的時候是非常“聰明”，大量的資料成為它“思考”的來源。但AI不是由大資料完全決定的，還要有人的經驗與智慧的賦予，比如，代表AlphaGo跟李世石坐下來對戰的那個人本身就是六段的高手，他在訓練AlphaGo時就加入了大量的人類智慧和經驗，越過了很多彎路，但是在AI的光彩之下，被絕大多數的人所忽略。而夜神主張以智慧+AI的方式，在AI技術賦能數位行銷的同時更具智慧，所以在夜神的團隊中，70%+以上成員來自國內頂級互聯網企業（BATM360）,60%+為技術團隊，其中高級工程師占比50%+。
夜神堅持工程師文化——以技術為導向，借助人的智慧，在資料科學以及資料工程不斷完善的情況下，去不斷提高夜神的AI智慧。