[Three20] Three20的擴充模組

在前兩篇介紹Three20模組架構的文章中,各位讀者應該已經對於Three20的各個模組有大致的了解,在這篇文章中我們將看看Three20的擴充模組,也就是JSON/XML的framework。
評論
評論

在前兩篇介紹 Three20 模組架構的文章中,各位讀者應該已經對於 Three20 的各個模組有大致的了解,在這篇文章中我們將看看 Three20 的擴充模組,也就是 JSON/XML 的 framework。

模組相依性

如同 Three20 本身的模組,擴充模組也有一些相依的模組,如下圖:

    -------------   ------------     |  extJSON  |   |  extXML  |     -------------   ------------     ----------------------------     |          Network         |     ----------------------------     |           Core           |     ----------------------------

這些以 ext 開頭的模組便是這次所要談額外的擴充模組。

extThree20XML

extThree20XML 提供了一個方便的介面讓開發者們能夠進行 XML 的解析,而負責的類別正是 TTXMLParser,相比於 NSXMLParser 繁瑣的 delegate 方法呼叫,TTXMLParser 則只需如下的程式碼便可以進行解析:

TTXMLParser* parser = [[TTXMLParser alloc] initWithData:xmlData]; [parser parse];

經過解析之後,parser.rootObject 就會是一個包含 XML root node 資訊的 NSDictionary,裡面會有以下 key/value:

  • ___Entity_Name___ -- 名稱,透過 [parser nameForXMLNode] 可以取得
  • ___Entity_Type___ -- 類型,透過 [parser typeForXMLNode] 可以取得
  • ___Entity_Value___ --  包含的值,透過 [parser objectForXMLNode] 可以取得

而若是取得的值也是多個 XML Node,則會包裝成 NSArray。

要注意的是,根據 Three20 文件記載,這個 TTXMLParser 並沒有針對記憶體、效率進行優化,所測試過的 XML 文件都為 1MB 以下,若是讀者有需要解析檔案較大的 XML 文件則需多多注意。

extThree20JSON

而 extThree20JSON 自然是處理 JSON 物件的類別了,相對於 TTXMLParser,extThree20JSON 並沒有提供自己的 JSON Parser,而是引入了筆者以前曾經撰文提到過的 json-framework 及 YAJL.framework。

上述的這兩套 framework 所負責的都是 JSON 的解析,我們只需要選擇一套來使用即可,透過 Build Target 的指定,我們便可以選擇其中一套作為使用。

TTURLXMLResponse & TTURLJSONResponse

除了上面提到的 Parser 之外,extThree20XML 和 extThree20JSON 另外分別提供了兩種不同的 TTURLResponse 子類別。

在 TTURLRequest 中,我們可以將 response 設定為這兩種類別,而當 Three20 將網路上的資訊下載回來時,便會呼叫 TTURLJSONResponse 或是 TTURLXMLResponse 的解析方法進行處理、驗證,省去自行呼叫方法的時間。

結論

在這篇文章中我們看了 JSON、XML 此兩個 Three20 所提供的外掛模組,特別是在網路相關的應用程式中頻繁的會使用到。在下一篇文章中,我們將深入探索 Three20 的 URL-based Navigation,請各位讀者多多指教!


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。