【访专家】访搜狗大数据研究院院长李刚：坐拥5.21亿用户数据的搜狗怎么玩大数据？

听说，这里有最具价值的大数据实战干货、

大数据技术经验、大数据创新思维，

更有你想融入的大数据高端人脉圈！

据说，国内近6成大数据精英都在这，

你加入大数据时代的浪潮了吗？

李刚 2000-2007年清华大学计算机系本科+硕士；

2006-2009年北京大学经济研究中心双学位；

2003-2006年搜狗网页搜索技术负责人；

2006-2008年搜狗视频、 新闻等垂直搜索负责人；

2008至今，搜狗广告产品技术中心总经理；

2014年至今兼任搜狗大数据研究院院长。

他是搜狗CEO王小川的搜狗创始团队的13个清华实习生之一。

担任广告产品技术中心总经理这8年，带领搜狗营销事业部的技术部创造了一个又一个的飞跃，无论是搜索广告还是网盟广告，亦或是品牌广告，每个季度的营收都有飞速增长，已助力搜狗年营收40多亿元，成为互联网公司营收排行榜上第6名。

2014年带领精英团队创建了搜狗大数据研究院并担任院长，研发了搜狗大数据营销平台，构建了搜狗DMP和搜狗标签体系，打通搜狗各数据ID，对海量数据跨屏打通，为搜狗大数据基础架构打下坚实基础。对大数据精准营销、竞价广告以及大数据都有深入研究。

12年搜索、10年输入法、5.21亿用户、1600万公众号，从搜索到输入法，从浏览器到智能硬件——糖猫，从地图到明医，13年来，搜狗跨越发展，在优化与创新上，一路向前，不管是用户最多的输入法，还是国内第二大搜索引擎，亦或是进军中的人工智能，搜狗一次次突破自我，战略版图不断扩张，实现智慧服务转型。这些成绩的背后，离不开大数据的支撑与协作。本期，我们有幸采访到搜狗大数据研究院院长李刚先生，为我们讲述搜狗的大数据之路。

大数据现在已经成为企业和社会关注的重要战略资源，搜狗作为国内知名互联网公司，拥有海量的数据，请问搜狗的大数据研究院是什么时候成立的？又是如何处理和使用如此大量的数据的？

李刚：如你所言，搜狗拥有海量数据，它的用户规模在互联网行业排名第二，而这些用户主要来源于这几块：一是搜狗搜索，它是我国第二大搜索引擎，占有无线搜索市场17.8%的份额；二是搜狗输入法，这是我国目前不管在PC端还是移动端均排名第一的产品，月活跃用户达到5.21亿；其他还有跟腾讯合作的微信公众号，每天有1600万公众号数据，还有与知乎达成战略合作后得到的知乎数据。

搜狗大数据研究院成立于2014年，而研究院成立的初衷，就是考虑到我们拥有如此大量的数据，这些数据能不能合在一起，对搜狗的产品，或者对提升搜狗商业价值更有帮助。所以成立后的研究院，把搜狗所有的数据放到我们的平台里，然后对每个数据进行标准化格式处理，给每个数据打上标签并进行分级，而每一个分级都有许多标签，也就是说每一个人都会被打上各种各样的标签，如一个人是喜欢电影还是电视剧。如果是爱购物的，是爱购买电子产品、奢侈品还是化妆品等。每一个分类都有一个标签，汇聚起来，就形成了我们5.21亿的数据体系，而这个体系里的每一个数据都有自己完整的标签。

这些打上标签的数据主要用在几个方面，一是给搜狗搜索提供支持，为用户提供更好的服务，提升搜索体验。现在搜狗搜索可以为每个人提供不同的搜索结果。此外，我们的搜索还会做一些简单的推理工作。传统的搜索引擎是输入文字，得到的是包含输入文字在内的搜索结果，而搜狗搜索的结果是直接告诉你答案，如输入“4+5=”，搜索结果会直接显示“9”，而不再是传统的“4+5=9”；至于引擎自己的推理，简单来说是这样的：如输入“梁启超的儿子的太太的前男友的老婆是谁”，这种字符串在文本里面是没有的，然而我们的搜索引擎可以把这几个人定位出来，最后告诉你结果是陆小曼，这是一个深度挖掘数据的过程。

其次是完善搜狗的商业化体系。这些打上标签的数据特别适合广告投放使用，在搜狗投放广告，不仅可以选择关键词，还可以选择人群类型，比如是男人还是女人，是喜欢电子产品的还是喜欢购物的，可以根据标签进行组合投放，为我们的精准广告体系提供服务。

此外，我们拥有自己的大数据平台，辅助客户进行商业决策，他们可以在这个平台里看到自己品牌近期的变化情况，帮助企业进行品牌定位等。这是我们利用自己的数据，为客户提供的增值服务。

您刚才说到搜狗利用自身拥有的海量数据，为用户和企业提供服务，那这些数据是否考虑要对社会开放？

李刚：目前搜狗没有对社会开放这些数据，因为搜狗的数据库中每天有几百亿的网页更新，现在总共有一千多亿的网页存储在我们的网页库中，而这些数据的开放，需要考虑许多问题。搜狗现在拥有一万台服务器在运算，这些数据我们应用在自己的用户产品上，除了刚才说的智慧搜索和推理外，还为用户提供一些特别的服务。比如2016年5月初，“魏则西事件”引发了社会对搜索行业的广泛讨论，医疗推广政策的收紧对搜索行业产生了巨大的影响。此时，搜狗适时推出“搜狗明医”频道，囊括了来自维基百科、知乎和丁香园等网站真实权威的医疗知识，并且无商业广告的展现，力争给用户一个准确、有价值的答案，更好地满足用户医疗问询请求。

未来，我们的数据将会在不同行业落地，目前医疗只是一个尝试，后期会在其他行业进行相应尝试。虽然我们没有开放自己的数据，但是我们希望通过搜狗输入法等其他产品，更好地服务整个社会。

我们也希望通过搜狗的产品，能够更快速地得到更精准、更权威的信息。现在随着大数据的发展，不少大数据企业、研究院等相继出现，那搜狗大数据研究院在这场竞争中有哪些优势呢？

李刚：我认为我们有三个优势。

首先是数据优势。如前所述，我们通过搜狗搜索、输入法及合作，掌握了大量的用户数据。

二是技术优势。搜狗在搜索技术方面处于国内领先地位，而本身大数据技术与搜索引擎技术就非常类似，一方面都是对文本的理解，另一方面是数据的存储、查询、检索。在大数据方面，我们大量的复用了搜狗的技术。如数据存储方面，我们不用自己存储，只需从搜狗服务器中直接拿。搜狗有一个2万台服务器的集群，我们可以直接用，节省了大量成本。另外，搜狗80%的员工是技术人员，在技术方面投入非常巨大，所以搜索和输入法的数据，我们是共用的。

第三是产品优势。搜狗的搜索、输入法是我们研究院研究成果的发挥平台，加上我们自己的营销平台，使得我们的研究成果有了落地点。

目前许多公司大数据运用中存在的问题就是无法落地，他们手里有数据，但是不清楚自己该做什么事情。搜狗的大数据可以直接落到优化搜索产品，提高广告收入上，这些实际应用也都已经进入了实用阶段。

如您所说，目前许多人都知道自己拥有的数据是有价值的，但无法落地，搜狗做到了这一点，实现了落地。那未来搜狗的大数据应用还会向哪些方向发展呢？

李刚：大数据是基础能力，但最终是要落在某些服务领域，那么往哪个领域去落决定了未来的发展方向。未来，搜狗瞄准的第一个方向是人工智能。人工智能领域是搜狗制定的一个总战略，无论我们的输入法还是搜索都会逐渐智能化。人工智能必须要有数据学习的训练，主流方法基本都是深度学习，用数据来训练机器的智能，人工智能离不开大数据，所以大数据和人工智能是相辅相成的，所有的人工智能都需要大数据来提供基础的能力，而大数据必然会落到某个领域。我们希望数据收集回来以后，能有更智能的产品产出，在更垂直的领域提供更好服务，如医疗领域，我们为用户提供更智能化的服务。我们设想，未来在看医生之前，是否可以先做一轮机器问诊，帮助用户完成自动诊断。虽然目前有些公司已经在做这个，但是搜狗具有大数据优势，实力更强，这是大数据在具体领域落地的一个例子。

数据量大，加上人工智能技术过硬，就会产生出不一样的产品，这是搜狗在用户产品方面的规划，就是深度挖掘人工智能领域，做出自己的人工智能产品。

第二个方向是精准化营销。在广告领域，大数据可以更精准地识别用户。之前我们了解过某大型电商的一个案例：每个季度在它平台上下单超过6次的人只占其总消费用户的3%，但这3%的消费者却占据了它50%的销量，那现在我们如何帮它找到这3%的人呢？这是一个非常考验企业大数据技术能力的点。从这个案子就能看出，未来大数据第二点的发展就是如何精准化，如何给人打标签、定位，将消费者与商品进行精准匹配。

但这就涉及到另一个问题，我们这里说的精准化不可能只靠搜狗，而是需要融合各方资源，产生更多合作。所以第三个方向就是形成开放性的平台，能够跟客户、合作方形成数据共享和交互，利用搜狗大数据能力，让各方受益。所以第三方面就是要建立一个大数据开放、交互平台。

数据的开放和交互对推动大数据产业良性发展大有裨益，那当前建立这样一个平台还面临哪些问题？面对这些问题，搜狗大数据研究院未来将如何发展？

李刚：大数据产业目前遇到的核心问题首先是没有形成产业化标准，行业本身还没有形成特别好的模式。目前大数据产业是一个鱼龙混杂的产业，虽然大家都说自己有大数据，但到底什么样的算大数据，还没有一定标准。如果能有这样的标准出来，对整个产业持续发展很有益处。

第二就是大数据行业还没有形成特别好的商业模式，这就是为何说这个行业还处于发展早期的原因，没有公司做成像BAT这样，做的很大、很强，并持续进行深入研发，多还是一些中小型公司，体量小，创造价值小。

三是投入不够。虽然大数据发展前景光明，但如何尽快达到希望点，让大数据产生它该有的价值，是我们一直在探索的事情。虽然大家都知道大数据有价值，但真正在这个产业上投入的资金量，相比电商、金融、游戏差距还是很大。

搜狗大数据研究院未来发展方向很明确：

一是服务好搜狗的用户，提升搜狗产品价值，让用户获得更好服务。

二是提升搜狗商业化能力。

三是在大数据产业中探索更好的产业模式，探索更好的未来，让大数据产生更好的价值，这是我们的使命和方向。