本文會從商業(yè)化產(chǎn)品策略視角，詳細介紹競價廣告推薦系統(tǒng)每個工作流目標，以及影響這個環(huán)節(jié)的關(guān)鍵因子和涉及到的技術(shù)能力，基于競價廣告推薦系統(tǒng)工作流，流量媒體在商業(yè)化上可做的提效策略。

競價廣告系統(tǒng)模型，是基于媒體廣告請求，廣告系統(tǒng)會從數(shù)百萬的廣告池里面進行廣告召回，召回數(shù)百萬廣告之后，廣告系統(tǒng)會進行隊列排序，經(jīng)過粗排和精排，最終勝出的廣告會展示給用戶。

一、廣告推薦系統(tǒng)工作流

廣告請求：準確捕捉用戶需求和場景信息，為后續(xù)廣告投放提供觸發(fā)點

通過cookie和設(shè)備ID等信息追蹤用戶的瀏覽行為，定位用戶的上下文信息，以及用戶所處時間段，預(yù)判是否屬于這個用戶下發(fā)廣告的時機。

同時針對廣告位位置和規(guī)格等信息，確定當(dāng)前頁面適合的展示的廣告類型，觸發(fā)廣告請求。

召回階段：從全量廣告庫中高效篩出高質(zhì)量候選廣告集合

基于特征工程和機器學(xué)習(xí)能力，把用戶的特征（年齡、性別、地域、興趣偏好等）、廣告內(nèi)容（標題、主題詞、行業(yè)等信息），以及用戶在端內(nèi)的上下文（瀏覽、搜索、時間等消費消息）進行有效特征提取和處理，以預(yù)測用戶對廣告的興趣度，進行多路召回。本階段會有上萬級別的廣告會被召回

粗排階段：針對召回的廣告候選集進行初步排序，篩選出最可能吸引用用戶點擊的廣告

根據(jù)廣告主、平臺方的目標和約束條件，選擇pcrt、pcvr和廣告出價作為關(guān)鍵因子進行建模，來評估廣告潛在價值，由于粗排階段的廣告數(shù)據(jù)巨大，粗排階段采用簡化模型快速計算，短時間內(nèi)完成大量廣告排序。本階段結(jié)束，適配的廣告已經(jīng)只有上百廣告量級。

精排階段：針對粗排結(jié)果進一步細化，最終給用戶廣告符合用戶興趣又能夠滿足廣告主需求

這個階段除了考慮PCTR和PCVR和廣告主出價之外，這里會開考慮更多廣告創(chuàng)意質(zhì)量、用戶體驗、廣告和頁面的兼容性等，以及廣告主訴求和平臺商業(yè)目標（廣告收入、用戶體驗）等提取和構(gòu)建有價值的特征向量，來提升排序的精確性和穩(wěn)定性；

根據(jù)用戶的實時點擊和轉(zhuǎn)化行為，采用實時計算動態(tài)調(diào)整廣告排序結(jié)果，采用深度學(xué)習(xí)等復(fù)雜模型對廣告進行深度分析和評估，融合多個模型預(yù)測結(jié)果，捕捉用戶和廣告之間的復(fù)雜關(guān)系，提高排序的效果。本階段結(jié)束只有會幾個廣告最終給到的廣告展示。

廣告展示：將最合適的廣告以最佳的方式展示給用戶，實現(xiàn)廣告效果和用戶體驗的平衡

基于動態(tài)渲染和廣告調(diào)度算法，展示過程中還需要考慮廣告的加載速度、視覺效果、與頁面內(nèi)容的協(xié)調(diào)性等因素，以確保用戶能夠順利接收廣告信息，并且不影響用戶對平臺內(nèi)容的正常使用，考慮用戶體驗，進行頻控，不能讓用戶短時間看到的重復(fù)的廣告。

二、商業(yè)優(yōu)化策略

1. 請求階段

請求階段的核心是洞察用戶需求和場景信息，我們可以從這兩個點出發(fā)，獲取更多有效信息提升請求階段的準確性。

1）深度用戶洞察，通過不同方式收集更多用戶信息，同時針對收集的信息利用人工智能算法實時動態(tài)更新用戶信息和信息細化處理。

1. 用戶更多數(shù)據(jù)收集：通過用戶的授權(quán)，三方數(shù)據(jù)合作和統(tǒng)一社交賬號登錄等形式，收集的用戶在不同的平臺的不同設(shè)備上的行為數(shù)據(jù)；另外部署高級的行為追蹤技術(shù)，對用戶在端內(nèi)的行為，進行更精細的埋點和上報。結(jié)合這兩點，不僅關(guān)注用戶的搜索和瀏覽行為，還分析其社交互動、消費記錄等，精準勾勒出用戶的興趣圖譜和消費潛力。例如，通過分析用戶在社交媒體上的話題參與和關(guān)注對象，挖掘其潛在的興趣領(lǐng)域。
2. 利用人工智能算法：對用戶畫像進行動態(tài)更新和細分。根據(jù)用戶行為的變化，實時調(diào)整用戶所屬的細分群體，確保廣告推送的精準性。比如，當(dāng)用戶開始關(guān)注健身話題時，將其從普通休閑用戶群體調(diào)整到健身愛好者群體。

2）用戶所處場景，通過技術(shù)智能感知，結(jié)合場景觸發(fā)規(guī)則庫，調(diào)整廣告請求的參數(shù)和優(yōu)先級。

1. 結(jié)合人工智能和傳感器技術(shù)，更精準地感知用戶所處的場景。除了時間、地點和設(shè)備類型，還考慮用戶的情緒狀態(tài)、周圍環(huán)境等因素。例如，當(dāng)檢測到用戶在運動狀態(tài)下，推送與運動相關(guān)的產(chǎn)品廣告，如運動飲料、智能運動手表等。
2. 建立場景觸發(fā)規(guī)則庫，根據(jù)不同的場景自動調(diào)整廣告請求的參數(shù)和優(yōu)先級。例如，在用戶處于購物場景時，提高對電商廣告的請求優(yōu)先級，同時降低對其他類型廣告的請求頻率。

2. 召回階段

召回階段，希望從全量廣告庫中高效篩出高質(zhì)量候選廣告集合，通過的不同算法召回技術(shù)，與廣告主建立深度數(shù)據(jù)畫像合作，共建多維度召回策略，最近融合；另外通過搭建高效數(shù)據(jù)處理平臺，能實時處理用戶行為數(shù)據(jù)和廣告狀態(tài)變化，以及對用戶數(shù)據(jù)進行實時預(yù)測。

1）技術(shù)層面采用不同的召回算法，另外與廣告主進行深度數(shù)據(jù)共建，實現(xiàn)多維度召回融合

1. 綜合運用多種先進的召回技術(shù)，包括基于深度學(xué)習(xí)的語義召回、基于圖神經(jīng)網(wǎng)絡(luò)的關(guān)系召回等。例如，通過分析廣告內(nèi)容與用戶瀏覽內(nèi)容的語義相似度，召回更具相關(guān)性的廣告；或者利用圖神經(jīng)網(wǎng)絡(luò)分析用戶與廣告之間的潛在關(guān)系，挖掘出用戶可能感興趣的新廣告。
2. 與廣告主建立深度合作，共同打造定制化的召回渠道。根據(jù)廣告主的品牌特點和目標受眾，為其設(shè)計專屬的召回策略。比如，對于高端時尚品牌，當(dāng)用戶瀏覽時尚雜志網(wǎng)站或關(guān)注時尚博主時，優(yōu)先召回該品牌的廣告。

2）實時數(shù)據(jù)驅(qū)動召回優(yōu)化，實現(xiàn)實時監(jiān)控用戶行為數(shù)據(jù)變化和廣告狀態(tài)變化，還能實現(xiàn)對用戶行為的預(yù)測

1. 搭建高效的數(shù)據(jù)實時處理平臺，確保廣告庫中的數(shù)據(jù)能夠在毫秒級時間內(nèi)更新。實時監(jiān)控廣告的狀態(tài)變化、出價調(diào)整、定向條件更新等，以便在召回階段及時響應(yīng)。例如，當(dāng)廣告主提高出價或調(diào)整定向范圍時，系統(tǒng)能夠立即將該廣告納入召回候選集。
2. 利用機器學(xué)習(xí)算法對用戶行為數(shù)據(jù)進行實時預(yù)測，提前召回可能與用戶未來行為相關(guān)的廣告。例如，根據(jù)用戶的歷史購買周期和瀏覽趨勢，預(yù)測用戶即將進行的購買行為，并召回相關(guān)產(chǎn)品的廣告。

3. 粗排階段

粗排階段，針對召回的廣告候選集進行初步排序，篩選出最可能吸引用用戶點擊的廣告，因為我們可以構(gòu)建出多維度動態(tài)化的篩選指標體系，同時能采用預(yù)加載和緩存策略，針對召回頻率高、展示率高的廣告進行緩存和與預(yù)加載。

1）構(gòu)建多維度、動態(tài)化的篩選指標體系，能有效將有潛力的廣告進行加權(quán)，對高價值用戶注重廣告質(zhì)量

1. 設(shè)計一套兼具效率和準確性的粗排指標體系，結(jié)合出價、預(yù)估點擊率、廣告質(zhì)量得分等多個維度。其中，廣告質(zhì)量得分可以考慮廣告的創(chuàng)意水平、加載速度、用戶反饋等因素。通過合理設(shè)置指標權(quán)重，快速篩選出一批有潛力的廣告。
2. 建立指標動態(tài)調(diào)整機制，根據(jù)不同的業(yè)務(wù)場景和用戶群體，自動調(diào)整粗排指標。例如，在節(jié)假日期間，提高對與節(jié)日相關(guān)廣告的指標權(quán)重；對于高價值用戶群體，更加注重廣告的質(zhì)量得分。

2）對召回頻率高，效果好的廣告，進行智能緩存與預(yù)加載策略

1. 運用人工智能技術(shù)對廣告的召回頻率和展示概率進行預(yù)測，有針對性地進行緩存和預(yù)加載。對于召回頻率高、展示概率大的廣告，提前緩存到靠近用戶的邊緣節(jié)點，減少響應(yīng)時間。同時，根據(jù)用戶的行為趨勢和時間序列分析，預(yù)測可能被召回的廣告，進行預(yù)加載。
2. 采用分布式緩存和分層緩存技術(shù)，提高緩存的容量和訪問速度。將熱門廣告緩存到高速內(nèi)存中，將次熱門廣告緩存到磁盤中，根據(jù)需求進行動態(tài)調(diào)整。并且，通過緩存一致性協(xié)議，確保緩存中的數(shù)據(jù)與廣告庫中的數(shù)據(jù)實時同步。

3. 精排階段

精排階段，針對粗排結(jié)果進一步細化，最終給用戶廣告符合用戶興趣又能夠滿足廣告主需求，這個階段結(jié)合多模態(tài)數(shù)據(jù)，采用深度學(xué)習(xí)和強化學(xué)習(xí)算法，通過對廣告文字，廣告視頻、廣告聲音等因素算法學(xué)習(xí)，對廣告進行深度特征提取和精確排序。另外本階段搭建多目標優(yōu)化模型，廣告消耗和用戶體驗等因素，同時讓用戶參與進來對廣告進行評價和反饋。

1）前沿技術(shù)驅(qū)動的精準排序，多模態(tài)處理的視覺、文案內(nèi)容和音頻等，采用深度學(xué)習(xí)和強化學(xué)習(xí)，對廣告進行特征提取和排序。

1. 引入最先進的深度學(xué)習(xí)和強化學(xué)習(xí)算法，對廣告進行深度特征提取和精準排序。例如，利用深度強化學(xué)習(xí)算法，讓系統(tǒng)在與用戶的交互過程中不斷學(xué)習(xí)和優(yōu)化排序策略，根據(jù)用戶的實時反饋調(diào)整廣告的排序位置。
2. 結(jié)合多模態(tài)數(shù)據(jù)，如圖像、視頻、文本等，構(gòu)建更豐富的廣告特征表示。利用多模態(tài)深度學(xué)習(xí)模型，綜合考慮廣告的視覺效果、文案內(nèi)容、音頻特點等因素，進行更精準的排序。例如，對于視頻廣告，不僅考慮視頻的內(nèi)容和質(zhì)量，還分析音頻的吸引力和情感傾向。

2）廣告效果和用戶體驗等多目標平衡與優(yōu)化，讓用戶參與到的廣告體驗反饋和評價中

1. 建立多目標優(yōu)化模型，綜合考慮廣告主的出價、點擊率、轉(zhuǎn)化率、用戶體驗、平臺長期發(fā)展等多個目標。通過優(yōu)化算法求解多目標優(yōu)化問題，找到一個平衡各方利益的最優(yōu)排序結(jié)果。例如，在保證廣告主收益的同時，提高用戶對廣告的滿意度，減少用戶的屏蔽和投訴行為。
2. 引入用戶參與機制，讓用戶對廣告進行評價和反饋。根據(jù)用戶的反饋信息，調(diào)整廣告的排序權(quán)重。例如，用戶對某個廣告的評價較高，系統(tǒng)可以適當(dāng)提高該廣告的排序位置；用戶對某個廣告進行了屏蔽，系統(tǒng)可以降低該廣告在未來的展示概率。

5. 展示階段

這個階段，強調(diào)將最合適的廣告以最佳的方式展示給用戶，實現(xiàn)廣告效果和用戶體驗的平衡。通過技術(shù)能力處理，給用戶個性化的廣告體驗，通過的廣告和用戶之間的創(chuàng)新型交互體驗提升用戶對廣告的好感度，同時實時數(shù)據(jù)監(jiān)控和數(shù)據(jù)反饋，及時調(diào)整的策略，

1）根據(jù)用戶個性和用戶當(dāng)前所處的環(huán)境，給用戶個性化的廣告體驗

1. 利用人工智能和大數(shù)據(jù)技術(shù)，為每個用戶定制獨一無二的廣告展示方案。根據(jù)用戶的興趣偏好、瀏覽歷史、購買行為等，動態(tài)調(diào)整廣告的展示形式、內(nèi)容和風(fēng)格。例如，對于喜歡簡約風(fēng)格的用戶，展示簡潔明了的廣告設(shè)計；對于注重品質(zhì)的用戶，突出廣告中的品牌價值和產(chǎn)品質(zhì)量。
2. 采用自適應(yīng)展示技術(shù)，根據(jù)用戶的設(shè)備類型、屏幕尺寸、網(wǎng)絡(luò)環(huán)境等因素，自動調(diào)整廣告的展示效果。確保廣告在不同設(shè)備上都能呈現(xiàn)出最佳的視覺體驗，同時不會因為網(wǎng)絡(luò)環(huán)境差而影響加載速度。例如，在移動設(shè)備上，采用響應(yīng)式設(shè)計，使廣告能夠自適應(yīng)不同的屏幕尺寸和分辨率。

2）通過創(chuàng)新的廣告樣式和交互設(shè)計，搭建用戶激勵體制，提升用戶的參與

1. 設(shè)計富有創(chuàng)意和互動性的廣告形式，提高用戶與廣告的互動頻率和深度。例如，推出互動式視頻廣告，讓用戶在觀看廣告的過程中參與互動，如選擇劇情走向、回答問題等，增加用戶的參與感和記憶度。
2. 建立用戶激勵機制，鼓勵用戶與廣告進行互動。例如，用戶參與廣告互動可以獲得積分、優(yōu)惠券等獎勵，提高用戶的積極性和參與度。同時，通過用戶的互動行為，進一步了解用戶的需求和偏好，優(yōu)化廣告的展示策略。

3）搭建實時數(shù)據(jù)反饋機制，對廣告效果實時監(jiān)測與反饋閉環(huán)，及時調(diào)整策略

1. 搭建實時監(jiān)測系統(tǒng)，全方位跟蹤廣告的展示效果。不僅關(guān)注傳統(tǒng)的指標如展示次數(shù)、點擊次數(shù)、轉(zhuǎn)化率等，還分析用戶的停留時間、頁面滾動深度、廣告分享次數(shù)等隱性指標。通過實時數(shù)據(jù)分析，及時發(fā)現(xiàn)問題并調(diào)整策略。
2. 將廣告效果反饋給廣告主和系統(tǒng)優(yōu)化模塊，形成一個閉環(huán)反饋機制。廣告主可以根據(jù)反饋信息調(diào)整出價和定向策略，系統(tǒng)優(yōu)化模塊可以根據(jù)反饋結(jié)果改進推薦算法和商業(yè)策略。不斷優(yōu)化廣告推薦系統(tǒng)，提升廣告的效率和效果。