在雷锋网（公众号：雷锋网）拜访络策网络科技之前，对方给发了一份关于公司和产品的简介资料，内容非常简洁，都是一些落地到实处的技术用法，如果没人讲解，你很难认为这是一家人工智能公司。这种逻辑简单明了的“技术宅”风格倒是与其创始人Jeff Lin的气质十分契合，Jeff Lin是美籍华人，说话短、平、快，直来直去，不绕弯子，在介绍其产品时没有像很多创业者一样，一直在说自己的技术有多么多么牛，而是不断地在介绍自己技术的应用场景和用途。
Jeff说，过去20年他一直都在做科技公司，地图、图片分享等领域都有涉猎，最近的一次创业是一个比较有名的图片分享软件“图钉”。大概从2014、2015年左右开始，Jeff就接触到了人工智能这一块，并且认识了络策公司现任首席科学家的Carl Kovamees。Carl当时就在做神经网络相关的项目，是其前公司的联合创始人之一，后来其公司被收购，恰逢人工智能风潮袭来，Jeff就和Karl一拍即合，成立了络策。
一、老百姓也能用的大数据产品
刚开始看络策产品资料的时候，雷锋网的第一个直观感受，就是他们做了一个排行榜类的公众号——Insight排行榜，在内容创业如此泛滥的今天，这不免让人感觉有些缺乏新意。当跟Jeff聊了之后才知道，这只是他们把人工智能落为实际用途的一个产品而已。
“老百姓可能都听说过大数据，一提起大数据，就觉得很高科技，很厉害，但是多数人都不明白大数据具体是干嘛的，我们这个Insight排行榜就是用神经网络收集了大数据，然后用最直观的表现方式给老百姓使用”。
Jeff介绍，Insight排行榜是一个消费品品牌排行榜，在这个公号内不定期的会发布不同领域品牌的排名，但是与很多网络上排行榜不一样的是，这份榜单并非人工撰写，而是依赖大数据分析自动生成排名，再由人工放到公号上去。
简单来说，公司的大数据系统接入了很多电商评论系统、社交网络工具（微博、Facebook、Twitter等等）以及论坛等等，爬取上面关于商品的评论文字，通过NLP分析处理，得到这些产品在网络上的“使用反馈”，而这些“使用反馈”则成为这个榜单最主要的排名依据。
“这份榜单是我们认为最公正、客观的，因为我们是拒绝与品牌商合作的”。
上面Jeff所说的拒绝与品牌商合作的意思是不给予他们竞价排名的机会，从而保证榜单的公正性。而在客观方面，由于排名受网络评论影响，难免会遇到一些“水军”或者恶意刷评，所以在这方面，Insight排行榜在进行数据分析的时候，做了一个排重机制，把一些重复的评论抵消掉，让其尽量拿到真实使用者的反馈。
络策在用大数据处理榜单方面尝试了三个月，在完全没有推广的情况下，做到了微博4W+粉丝，微信公众号由于需要长期积累，目前还没开始发力。
二、Insight大数据分析平台
做2C产品对于做技术的人来说，通常都很难，因为消费者和企业在技术方面的需求不一样，技术公司想在2C方面找到好的商业模式还是有些困难的。
上面说的Insight排行榜只是络策在人工智能落地方面的一个实际性的尝试，虽然其面向消费者完全免费，又不和品牌商合作，看似完全公益化，但是其中却有个商业逻辑在里面。
虽说Insight排行榜为了公正不与品牌商搞竞价排名，但并不是完全拒绝品牌商方面的合作从而产生收入。如此说来看似矛盾，但是这个商业逻辑却很讨巧。
当Insight排行榜一个品类的榜单出炉之后，他们也会找这些上榜的或一些没有上榜的品牌商进行商谈，商谈的内容并不是关乎排名本身，而是关乎企业为何处在排名中的位置。
举个例子，在榜单中做一个奶粉排名，榜单出炉之后，可能第一名、第二名对自身认知很明确，觉得排名没有异议，就不会予以理会。但是对于排名在中间或后几名的厂商，会想知道自己为什么会处于现在的位置，为什么排名不会更靠前，这个时候，络策的商业逻辑就显现出来了。
络策方面会向这些品牌商提供榜单排名时的数据，以及经过分析处理的网络评论与反馈信息，让厂商意识到自己的问题在哪，比如，有很多用户反馈“奶粉太甜了”之类，这样能够让厂商针对这个问题进行整改。而提供这些数据与反馈，品牌商是需要向络策付费的。
以上所说，就是络策的大数据分析服务其中之一。在其目前主营业务之中， Insight大数据分析平台是其产品重要布局之一。 Insight大数据分析平台是一个SAAS服务平台，用Jeff的话来说，几乎不需要培训成本，让非技术人员只登陆网址就能进行专业的数据分析，而络策方面则对用户的分析结果进行收费。
据介绍，这个分析平台可以帮助品牌商抓取24小时内的社交网络内容，让品牌商及时了解该品牌在过去24小时的网络评论，除了能够收集各种关于品牌的相关数据，更能帮助品牌监测舆情，如果系统的语言处理机制发现大规模的负面评论，品牌商就能够立即悉知该消息，并且通过平台直接连接社交网络（微博）对用户进行相关解释。
三、图片和视频分析
利用自然语言处理做大数据分析的技术提供商还是有很多的，但是这些厂商在向品牌商提供网络数据的时候，对于图片内容是很难搞定的。
“图片数据也十分重要，有的时候一张图片里面有字，很多数据系统能够抓取，但更多的时候只是一张图，你要分析里面有什么就必须需要神经网络的支持。”
Jeff告诉雷锋网，为了搞图片分析，络策做了七个独立的神经网络，包括半督导的训练集群和由GPU服务器组成的生产集群环境，支持不同品牌的logo识别、成人内容识别、1，000+通用物件识别（日常用品、汽车等等）、360+环境背景识别、人脸识别（性别、年龄段以及表情的识别）等等。
