2016年，憑藉精準化推送殺出媒體重圍的今日頭條提出的年度廣告營收目標是60億人民幣。據業內人士推測，若以2015年的公開財報和業內平均增速而論，2016年不出意外，今日頭條已經可以躋身國內網際網路公司（以流量兌現的平臺）裡廣告營收的前五名。
據創業家了解，今日頭條截止目前為止，已經超額完成60億的年度收入目標，有可能會達到100億元。就在今年年初，CEO張一鳴曾在內部年會演講時指出，希望能夠通過1/7的媒體時長，通過更強大的廣告系統、更強大的商業系統達到1/5的市場收入，希望在2020年能達到100億美金。
「截至2016年9月底，今日頭條已經有5.8億用戶，日活用戶超過6300萬，單用戶日均使用時長是超過76分鐘，也就是說現在用戶每天在今日頭條上會停留45億分鐘。」張一鳴的底氣來自這樣一組數據。
張一鳴離100億廣告收入目標一步之遙，對比傳統門戶老大新浪，2015年全年網絡廣告營收為7.432億美元，折合人民幣不足50億。作為新一代流量入口、廣告老大的騰訊，2015年，網絡廣告收入同比增長110%，達到175億元。今日頭條創業四年，已有望其項背之勢。百度、UC更採取跟進策略，開拓自己的頭條號業務。
在知乎上，今日頭條的成功被分解為「信息流+個性化推薦」，信息流不足為奇，張一鳴如何從「個性化推薦」切入，做出100億的廣告收入？
10月20日，2016金投賞論壇今日頭條專場在上海舉辦。今日頭條創始人、CEO 張一鳴在論壇上發表了題為「技術思維下的順勢而為」的演講，探討技術思維下廣告未來的新趨勢，也為「100億廣告收入」的問題提供了參考答案。
以下為今日頭條創始人、CEO 張一鳴10月20日在2016金投賞論壇今日頭條專場論壇演講內容，經創業家&i黑馬整理編輯，有刪減：
大家好，很高興能來到金投賞跟各位一起探討技術思維下廣告未來的新趨勢。
為什麼想說說這個話題呢？在座都是廣告營銷行業的專家，我來聊這個話題有些班門弄斧。我是程式設計師出身，技術思維一直影響著我，我今天也會從技術的角度來聊一聊未來的廣告，這是我更擅長的話題。
先簡單介紹下今日頭條。4年多前，也就是2012年8月，今日頭條正式上線。兩年前，還會有朋友來問我今日頭條是不是一家媒體。到現在，這個誤解似乎已經慢慢沒了。
我們不是媒體，不是傳統的新聞客戶端，沒有人工編輯。
我們是一款推薦引擎產品，是一個資訊分發平臺，文字、圖片、視頻，甚至問答、直播等各種形式的資訊內容都可以通過我們的推薦系統找到對它感興趣的用戶，當然廣告也可以精準推薦。
截至2016年9月底，今日頭條已經有5.8億用戶，日活用戶超過6300萬，單用戶日均使用時長是超過76分鐘，也就是說現在用戶每天在今日頭條上會停留45億分鐘。
這45億分鐘都可以轉化成廣告商業價值。根據數據服務商QuestMobile的數據，移動應用中人均月度使用時長的前2名的一個是微信，另一個就是今日頭條。
今日頭條作為一個成立四年的網際網路公司，發展還是挺快的。主要競爭力是什麼呢？
今日頭條利用人工智慧推薦算法提升了信息分發效率。最開始的兩年，別人認為我們就是又一個新聞客戶端，沒有足夠的重視。而現在，整個行業都被我們帶到了算法智能分發的這條路上。
很多相似產品在上線；傳統新聞客戶端也陸續改版上線「推薦」頻道；瀏覽器也做起「推薦」；甚至電商類平臺都有了自己的頭條。BAT已全部開始做算法推薦了。
頭條除了信息分發之外，還有很強的商業化能力。頭條現在主要的商業化模式是什麼呢？廣告。
很多人會覺得靠廣告來盈利不夠科技範兒。但是我自己覺得倒沒什麼不可以，Google、Facebook盈利也主要靠廣告，廣告也可以做得很好很有趣。
今日頭條其實在廣告這方面應該是最少困惑的公司，雖然大家在不斷探索新的商業模式，但是我們還是做精準的需求廣告。
今日頭條精準的需求廣告依靠的是個性化推薦算法。傳統的資訊閱讀平臺為每個用戶呈現相同的主頁。但其實每個人都是獨立的個體，都有不同的閱讀喜好，所以每個人的今日頭條主頁都不一樣，它可以做到千人千面。
比如，家庭主婦會收到家常食譜的信息，體育愛好者會看到足球比賽推送。今日頭條根據用戶特徵、環境特徵、文章特徵等數據，進行組合推薦。這背後是數據挖掘、神經網絡、自然語言理解、機器學習等人工智慧技術的支持。
當整個內容行業從編輯分發拐入機器智能分發時，去中心化模式讓廣告的分發模式也隨之發生改變。
我們知道，廣告離不開三個環節，生產、分發和消費，而智能推薦的時代中，這三個埠正在發生改變，以順應智能推薦技術這一趨勢。
廣告信息化
第一，從廣告的生產方面來說，現在需要像做內容一樣去做廣告。
在智能分發時代，廣告信息化是我認為的一個趨勢。因為個性化推薦，推薦的是信息。而廣告也是信息的一部分，它是有商業價值的信息。
現在，強行插入的幹擾閱讀的廣告不再是好的模式。當年門戶網站的廣告就是掛兩邊，甚至在網頁旁邊飄，擋住用戶的視線，非常影響閱讀體驗。
而我們商業化的目標是讓廣告成為一條有用的資訊。廣告必須具備可讀性，之後它就能直接產生價值了。比如一個新品上市信息，或一個試駕活動，這種既具備商業價值，同時又具有可讀性和可服務性的廣告，我們就把它當作正常的內容推薦給用戶。
2012年初的時候，我去見投資人，他們當時還跟我說，移動屏幕這麼小，你們廣告肯定很不賺錢，因為屏幕小，廣告的展示位也少。但是我們推出了信息流廣告，生產出來的廣告可以像信息一樣分發，信息流廣告可以不斷刷新沒有展示位數量的限制，更不會像以前那種打擾用戶體驗。可以說，它就是一種信息。
我們的廣告都很明確地標註了廣告字樣，但是因為推薦系統精準推薦且是有用的資訊，所以轉化率都很不錯，很多用戶都不會介意它是廣告。這也是我認為頭條廣告ROI更高的表現。
網際網路平臺，還有誰在做信息流廣告？我們看到的有Facebook、Twitter、Instagram等。Facebook在2011年推出信息流廣告，此形式推出後迅速從PC端延伸至移動端，整體上改變了Facebook的營收結構。
信息流廣告大獲全勝之後，Facebook開始將它應用到更多的產品上——2010年收購的Instagram就是其中之一。
分發自動化
第二是分發，廣告分發自動化，技術性運用讓投放更高效。
未來廣告勢必是走向個性化的，不同的人看到不同的廣告，這在以前你是不能想像的。廣告分發會更靈活，像普通內容一樣，個性化地展現在每個用戶面前，你的目標用戶才能看到你的廣告，更加精準。
今日頭條現在可以根據大數據給同一個廣告做幾十版素材，真正做到不同的人給不同的需求。其實按目前技術來說，不太容易做到，因為一要精準對應不同消費者，二要在技術上真正分發出去。比如頭條知道我喜歡數碼產品，那麼它給我推薦手錶產品廣告的時候，會推薦蘋果手錶，而不是奢侈名表。
頭條今年不少商業化合作都進行了這種創意形式的嘗試，取得了超乎預想的效果。例如頭條與亞馬遜在「世界讀書日」開展的一場「好書遇見你」的合作就是其中之一。在這裡我先賣個關子，後半場的頭條分享大家可以關注下。
另外，分發技術的成熟，也給品牌廣告主帶來更多的選擇，比如說做品牌廣告投放的時候也能具備程序化技術性調整廣告的效果，讓自己的品牌廣告在投放過程中完全可控，在保量的同時隨時同步變化調整自己的量，做到真正的品效合一，這種私有交易平臺我們叫做PDB。
信息視頻化
最後是消費層面，廣告消費正在趨向視頻化。隨著4G和Wi-Fi技術的普及，並且製作門檻低、用戶需求旺，短視頻消費終於迎來了加速爆發期，視頻廣告的形式也會順勢成為新主流。
就今日頭條的視頻數據來說，每天有10億次播放，每天播放時長達到2800萬小時。在今日頭條平臺上，用戶觀看短視頻量呈現非常快速的增長，視頻流量在不到1年的時間內就趕超了圖文流量，信息走向視頻化。
目前來看頭條已成為國內最大的短視頻平臺沒有之一。
舉2個在我們平臺做視頻的頭條號例子：
第一個叫「坤哥玩花卉」，坤哥是《中國花卉報》的一名記者，精通花卉養殖。他在頭條號上上傳的家庭養殖教學視頻，長度在2-4分鐘左右。
有 45 萬人向他學習了如何種菠蘿，43 萬人學習了如何扦插虎尾蘭，16 萬人想學在家種芒果，22 萬人對種金錢樹感興趣，24 萬人想要種辣椒，最受歡迎的則是豬籠草，累計有 765 萬人觀看了教學視頻。
第二個頭條號叫「魔術師林劍偉」，這位魔術師會把自己變魔術的方法、技巧在5分鐘的視頻裡傾囊相授。他的視頻列表裡，152 萬人學會了手機入氣球魔術，191 萬人學會了街頭換牌魔術，105 萬人學會了香菸盒漂浮魔術，103 萬人學會了撲克穿越鈔票魔術。
在信息視頻化趨勢下，短視頻廣告消費無疑將成為移動營銷下一站的風口。因為視頻有著天然的優勢，就是它比文字和圖片具有更好的感官體驗，能更高效地傳播，而且短視頻製作成本和門檻相對較低。
我們今年的重點是扶持短視頻內容創作，視頻廣告也是我們今年商業化的一個重點。
就在上個月，我們的商業化在華北、華東、華南三地都開展了頭條系列視頻商業產品的推介，以多樣的視頻商業產品更好的服務於我們品牌商。未來，也將會有更多視頻商業模式問世。
面對新趨勢和新挑戰，我覺得我們需要不斷去嘗試和改變，而技術團隊是我們的有利支撐。
今日頭條是一家技術公司，我們管理團隊中半數都會寫代碼，產品經理，甚至HR也會寫代碼。商業化產品的負責人也是會技術的，也是做算法的，我們商業產品也是技術驅動。
事實上，在技術思維的推動下，今日頭條不斷將運營效果優化，幫助廣告主藉助智能分發實現營銷價值的最大化。比如，我們在短視頻營銷上提出POE衡量價值體系，從曝光、轉化以及用戶主動行為三個層面來更精準地評估衡量視頻廣告的傳播效果。
用戶會忽視廣告，但他不會忽視有趣的內容。我們一起，讓廣告也能成為用戶感興趣的頭條內容。
謝謝。
今日頭條高用戶黏性的內容究竟是如何生產出來的？又是怎麼分發的？今日頭條科學家、頭條實驗室總監李磊在演講中給出了具體答案——今日頭條機器人搞定對話、新聞創作。
以下為今日頭條科學家、頭條實驗室總監李磊10月20日在2016金投賞論壇今日頭條專場論壇演講內容，經創業家&i黑馬整理編輯，有刪減：
今日頭條是一家為用戶提供信息資訊的分享閱讀平臺。整個環節當中有三部分非常重要，包括高質量的內容怎麼創作出來，這些內容怎樣分發給感興趣的用戶、讀者讀了這些文章、看了這些視頻之後怎樣去鼓勵他們圍繞這些內容進行討論和交流。這三方面的核心技術都需要人工智慧。
我今天會介紹這三個方面中的兩方面，包括內容創作以及內容討論——我們怎樣做機器人來跟人去討論以及做機器人自動創作。
我們要處理的問題主要是語言問題，和之前講的圖象問題有很大的區別，圖象的輸入是固定大小的，而語言的問題就比較複雜，一句話可長可短。這樣帶來一個問題，怎樣處理變長的輸入。
我們創作的深度學習模型最基礎的就是要能夠處理可變長的輸入，最基本的想法就是增加記憶單元。在這個模型裡面有一些單元專門負責記錄歷史信息，它能夠記住較長時間內的信息，對未來做預測。
循環神經網絡(Recurrent Neural Networks)
比如說這裡有一個非常簡單的循環神經網絡模型，它的輸入是X1、X2、X3、X4，每個輸入都是一個向量，和傳統卷積神經網絡不同的地方就是它的輸出部分或者影像量的那部分，h在這裡，每個h不僅跟當前的位置輸入有關，還跟前面一個輸入有關，這樣可以把歷史信息結合進來，這是最簡單的形式。
還有稍微複雜的一個形式叫GatedRecurrentUnit(GRU)，像人腦學習加入了一些開關，可以選擇性對信息做記憶和遺忘。
比如加入了一個開關叫ResetGate，對信息做選擇性記憶，另外還有一個開關控制輸出，可以控制哪些部分是之前一個時刻之前一個位置留下來的信息，哪些信息需要保留到下一個位置。
通過這些帶有記憶單元的神經網絡，就可以構建出自動對話的機器人。比如說這裡我展示了一部分我們的機器人可以做的對話。
我們的機器人不僅可以跟人閒聊，還可以對用戶說的一些新聞做出帶有感情色彩的評判，甚至我們的機器人對於很長很長的輸入，也可以做出比較準確的回應。這裡有一段很有名的電影臺詞，機器也可以很好的回應。
到底怎麼生成這些對話中的回應?這裡有一個簡單的演示：從循環神經網絡出發，給它一個初始狀態，黃色的部分是它的初始狀態，從這個初始狀態出發生成下一個狀態，從當前隱含的信息出發可以去預測出當前這個位置需要輸出哪個文字。
有了文字之後，我們再把這個文字信息作為下一個字需要輸入的需要信息輸入進去，綜合起來從第一個字生成第二個字生成第三個字生成第四個字，直到生成句子結束為止。