How WPP operationalizes platform and data engineering for AI marketing

WPP如何为AI营销运营平台和数据工程 | Google Cloud博客

媒体与娱乐

WPP如何为AI营销运营平台和数据工程

2026年8月11日

##### Utkarsh Bhardwaj

技术解决方案顾问

##### Prabha Arya

战略云工程师

##### 立即试用Gemini Enterprise Business Edition

进入职场AI的入口

立即试用

在市场碎片化和经济波动的双重挑战下，营销与传播机构已无法再依赖传统的人类直觉来赢得客户并优化广告支出。WPP正在用AI驱动的市场动态洞察取代这种猜测，为品牌提供预测性确定性，使其能够在市场速度下自信投资。这就是WPP Open的价值——其智能营销系统。

但在将复杂AI模型应用于这些洞察之前，WPP必须克服一个关键的工程挑战：构成模型的营销数据分散在数百家全球机构中。虽然这种分散性使得AI工具的高效安全部署几乎不可能，但模型访问权限只是问题的一部分。直到WPP建立可靠的数据摄入、清洗和交付机制，才能真正释放生成式AI的潜力。

为解决这一问题，WPP与Google Cloud合作构建了统一的数据骨干网络和定制平台工程路径。如今，通过标准化其无服务器计算模式和数据处理工作流，WPP能够在数天内而非数月内安全部署定向营销活动。

构建集中化的基于服务的数据基础架构

这项工作的关键部分是加速数据可用性并实现集中化管理。为此，WPP为其当前生产环境采用了基于服务的项目结构。与其将每个工作负载隔离到独立的孤岛中，其工程团队将Google Cloud Storage（GCS）和BigQuery集中到专用的共享数据项目中，同时将计算和处理工作负载分隔到独立的处理项目中。

这种结构简化了核心团队的用户体验，确保所有数据消费者都与统一的事实来源进行交互。由于WPP各产品线的数据存储在共享基础设施中，因此必须在粒度级别严格实施安全措施。通过在单个GCS存储桶和BigQuery数据集级别直接应用身份和访问管理（IAM）控制，团队成员只能看到其被授权访问的数据。

同时，来自不同合作伙伴的原始数据会进入专用的GCS存储桶，以保持原始输入的有序和隔离。从那里，Apache Spark托管服务执行自定义的Apache Scala和Spark作业，将信息清洗、标准化并转化为标准化的群体定义（SCDs）。通过结合无服务器架构与Kubeflow进行管道编排，WPP的数据工程团队避免了管理集群基础设施通常带来的开销。这使他们能够完全专注于驱动下游GCS和BigQuery层的数据转换逻辑，这些层最终为公司的受众与性能AI模型提供支持。

与谷歌云的合作之所以成功，关键在于他们在坚持最佳实践的毫不妥协的专业精神与及时交付极具实用性的现实解决方案之间找到了完美平衡。——WPP首席数据工程主管Jonas Dahlbaek

标准化数据为统一群体

当原始数据进入WPP的处理区域时，其平台会将其转换为SCDs，这些SCDs成为整个框架中用于关键标识的核心概念。这些概念基于五个关键：年龄、性别、地理位置、产品和兴趣。但这些底层数据定义是动态的，并持续进行规范化以反映不断演变的营销概念。因此，这种统一的结构使WPP能够在不暴露敏感底层细节或依赖共享标识符的情况下，实现全球范围的数据连接和聚合。

平台的核心处理引擎采用类型安全的Scala构建，以确保全面的可见性和合规性。该定制框架严格控制数据的转换方式，同时固有支持完整的源追踪，保证所有经过精心整理的数据集中的每个数据点均可追溯至其源头。在构建企业级AI应用时，这种级别的可追溯性至关重要，因为数据科学家和审计人员必须清楚了解哪些信息输入了模型，即使WPP正准备未来转向谷歌云知识目录以实现自动化、企业级数据治理。

与谷歌云的合作对加速和标准化我们的工程工作起到了关键作用。在这个碎片化数据呈指数级增长的世界里，拥有正确的基础设施对于在AI时代取得成功至关重要，这不仅帮助了我们的开发人员，也帮助了AI营销人员。——WPP OI与谷歌合作伙伴关系产品经理Suleman Khan

标准化企业软件生命周期

对于WPP而言，即使完成了上述所有步骤，数据处理也只是挑战的一半。为了服务应用并管理底层基础设施，平台工程团队开发了一套可重复使用且集中的GitLab持续集成和持续部署（CI/CD）模板。通过这种方式，WPP减轻了各开发团队的认知负担，并确保所有部署均符合严格的公司安全标准。

这些模板可自主管理各种企业级工作负载。该套件包含用于全栈Web应用和批量数据处理及定时流水线的通用Cloud Run模板，还包括用于多阶段工作流的仅部署模板，以及用于事件驱动微服务的Cloud Run函数部署模板。

实施零重建推广机制

在生产环境中重新构建容器镜像可能引入不必要的风险和配置漂移的潜在问题。为保持环境一致性，WPP采用了"一次构建，多次部署"的方法论，该方法应用了跨项目IAM逻辑和谷歌云制品注册库配置。

不可变部署。可追溯的数据。不可动摇的信任。当你确切知道AI的构成时，你可以以光速发布。——Ranjith K Poldas，WPP Media Devops（I&P）高级总监

自动化安全与智能网络

凭借这种现代架构，企业安全成为WPP的基础推动因素，因此其将Wiz安全扫描直接集成到CI/CD流水线的预推送阶段，以在代码合并前捕获漏洞。公司还利用Google Cloud Identity-Aware Proxy在内部应用中强制实施零信任访问。

为简化运营，WPP采用了包含智能虚拟私有云（VPC）逻辑的模板。此配置可自动识别并解决传统VPC连接器与现代Direct VPC访问之间的网络冲突。这种自动化网络配置可防止部署失败并加速发布周期。

监控运营健康状况并推动投资回报率

由于弹性平台基础需要深度可观测性，WPP工程团队现在监控严格的运营指标，而不再仅依赖部署频率。团队跟踪p50、p95和p99百分位的请求延迟，以及4xx和5xx错误率。同时监控容器启动时间以缓解冷启动问题，并跟踪整体CPU和内存使用情况。这种粒度确保数据管道和无服务器基础设施始终保持高可用性。

“在多个复杂工作流（涵盖数据工程、平台基础设施和AI集成）上进行如此规模的转型，需要的不仅是对齐，更需要深度的相互信任。作为真正合作伙伴，Google Cloud与WPP步调一致，按时交付了生产就绪的平台功能。”——Yang Yue，Google Cloud项目经理

对WPP而言，以这种速度实现数据和AI堆栈的运营化，为其高级工作负载提供了必要的基础设施，业务影响也清晰可量化。通过构建这一双重基础，公司将创意和策略时间从四周缩短至仅三小时。同时实现了生产效率提升70%，内容产量增长33倍，活动投资回报率提升2.8倍。简而言之，通过与Google Cloud合作并实施广泛的产品和工具套件，WPP能够快速实现显著的投资回报率，并提升公司整体的生产力、效率、可靠性和安全性。

发布于

• 媒体与娱乐

• AI与机器学习

• 客户案例