基于競(jìng)價(jià)廣告推薦系統(tǒng)工作流商業(yè)策略優(yōu)化方向

kk鵝
0 評(píng)論 1680 瀏覽 10 收藏 18 分鐘
🔗 产品经理的不可取代的价值是能够准确发现和满足用户需求,把需求转化为产品,并协调资源推动产品落地,创造商业价值。

本文會(huì)從商業(yè)化產(chǎn)品策略視角,詳細(xì)介紹競(jìng)價(jià)廣告推薦系統(tǒng)每個(gè)工作流目標(biāo),以及影響這個(gè)環(huán)節(jié)的關(guān)鍵因子和涉及到的技術(shù)能力,基于競(jìng)價(jià)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(jìng)價(jià)廣告系統(tǒng)模型,是基于媒體廣告請(qǐng)求,廣告系統(tǒng)會(huì)從數(shù)百萬(wàn)的廣告池里面進(jìn)行廣告召回,召回?cái)?shù)百萬(wàn)廣告之后,廣告系統(tǒng)會(huì)進(jìn)行隊(duì)列排序,經(jīng)過(guò)粗排和精排,最終勝出的廣告會(huì)展示給用戶。

一、廣告推薦系統(tǒng)工作流

廣告請(qǐng)求:準(zhǔn)確捕捉用戶需求和場(chǎng)景信息,為后續(xù)廣告投放提供觸發(fā)點(diǎn)

通過(guò)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(shí)間段,預(yù)判是否屬于這個(gè)用戶下發(fā)廣告的時(shí)機(jī)。

同時(shí)針對(duì)廣告位位置和規(guī)格等信息,確定當(dāng)前頁(yè)面適合的展示的廣告類型,觸發(fā)廣告請(qǐng)求。

召回階段:從全量廣告庫(kù)中高效篩出高質(zhì)量候選廣告集合

基于特征工程和機(jī)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(biāo)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(shí)間等消費(fèi)消息)進(jìn)行有效特征提取和處理,以預(yù)測(cè)用戶對(duì)廣告的興趣度,進(jìn)行多路召回。本階段會(huì)有上萬(wàn)級(jí)別的廣告會(huì)被召回

粗排階段:針對(duì)召回的廣告候選集進(jìn)行初步排序,篩選出最可能吸引用用戶點(diǎn)擊的廣告

根據(jù)廣告主、平臺(tái)方的目標(biāo)和約束條件,選擇pcrt、pcvr和廣告出價(jià)作為關(guān)鍵因子進(jìn)行建模,來(lái)評(píng)估廣告潛在價(jià)值,由于粗排階段的廣告數(shù)據(jù)巨大,粗排階段采用簡(jiǎn)化模型快速計(jì)算,短時(shí)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?gòu)V告量級(jí)。

精排階段:針對(duì)粗排結(jié)果進(jìn)一步細(xì)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(gè)階段除了考慮PCTR和PCVR和廣告主出價(jià)之外,這里會(huì)開考慮更多廣告創(chuàng)意質(zhì)量、用戶體驗(yàn)、廣告和頁(yè)面的兼容性等,以及廣告主訴求和平臺(tái)商業(yè)目標(biāo)(廣告收入、用戶體驗(yàn))等提取和構(gòu)建有價(jià)值的特征向量,來(lái)提升排序的精確性和穩(wěn)定性;

根據(jù)用戶的實(shí)時(shí)點(diǎn)擊和轉(zhuǎn)化行為,采用實(shí)時(shí)計(jì)算動(dòng)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(duì)廣告進(jìn)行深度分析和評(píng)估,融合多個(gè)模型預(yù)測(cè)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(huì)幾個(gè)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(shí)現(xiàn)廣告效果和用戶體驗(yàn)的平衡

基于動(dòng)態(tài)渲染和廣告調(diào)度算法,展示過(guò)程中還需要考慮廣告的加載速度、視覺(jué)效果、與頁(yè)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(duì)平臺(tái)內(nèi)容的正常使用,考慮用戶體驗(yàn),進(jìn)行頻控,不能讓用戶短時(shí)間看到的重復(fù)的廣告。

二、商業(yè)優(yōu)化策略

1. 請(qǐng)求階段

請(qǐng)求階段的核心是洞察用戶需求和場(chǎng)景信息,我們可以從這兩個(gè)點(diǎn)出發(fā),獲取更多有效信息提升請(qǐng)求階段的準(zhǔn)確性。

1)深度用戶洞察,通過(guò)不同方式收集更多用戶信息,同時(shí)針對(duì)收集的信息利用人工智能算法實(shí)時(shí)動(dòng)態(tài)更新用戶信息和信息細(xì)化處理。

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

2)用戶所處場(chǎng)景,通過(guò)技術(shù)智能感知,結(jié)合場(chǎng)景觸發(fā)規(guī)則庫(kù),調(diào)整廣告請(qǐng)求的參數(shù)和優(yōu)先級(jí)。

  1. 結(jié)合人工智能和傳感器技術(shù),更精準(zhǔn)地感知用戶所處的場(chǎng)景。除了時(shí)間、地點(diǎn)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(cè)到用戶在運(yùn)動(dòng)狀態(tài)下,推送與運(yùn)動(dòng)相關(guān)的產(chǎn)品廣告,如運(yùn)動(dòng)飲料、智能運(yùn)動(dòng)手表等。
  2. 建立場(chǎng)景觸發(fā)規(guī)則庫(kù),根據(jù)不同的場(chǎng)景自動(dòng)調(diào)整廣告請(qǐng)求的參數(shù)和優(yōu)先級(jí)。例如,在用戶處于購(gòu)物場(chǎng)景時(shí),提高對(duì)電商廣告的請(qǐng)求優(yōu)先級(jí),同時(shí)降低對(duì)其他類型廣告的請(qǐng)求頻率。

2. 召回階段

召回階段,希望從全量廣告庫(kù)中高效篩出高質(zhì)量候選廣告集合,通過(guò)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(guò)搭建高效數(shù)據(jù)處理平臺(tái),能實(shí)時(shí)處理用戶行為數(shù)據(jù)和廣告狀態(tài)變化,以及對(duì)用戶數(shù)據(jù)進(jìn)行實(shí)時(shí)預(yù)測(cè)。

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

  1. 綜合運(yùn)用多種先進(jìn)的召回技術(shù),包括基于深度學(xué)習(xí)的語(yǔ)義召回、基于圖神經(jīng)網(wǎng)絡(luò)的關(guān)系召回等。例如,通過(guò)分析廣告內(nèi)容與用戶瀏覽內(nèi)容的語(yǔ)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(diǎn)和目標(biāo)受眾,為其設(shè)計(jì)專屬的召回策略。比如,對(duì)于高端時(shí)尚品牌,當(dāng)用戶瀏覽時(shí)尚雜志網(wǎng)站或關(guān)注時(shí)尚博主時(shí),優(yōu)先召回該品牌的廣告。

2)實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)召回優(yōu)化,實(shí)現(xiàn)實(shí)時(shí)監(jiān)控用戶行為數(shù)據(jù)變化和廣告狀態(tài)變化,還能實(shí)現(xiàn)對(duì)用戶行為的預(yù)測(cè)

  1. 搭建高效的數(shù)據(jù)實(shí)時(shí)處理平臺(tái),確保廣告庫(kù)中的數(shù)據(jù)能夠在毫秒級(jí)時(shí)間內(nèi)更新。實(shí)時(shí)監(jiān)控廣告的狀態(tài)變化、出價(jià)調(diào)整、定向條件更新等,以便在召回階段及時(shí)響應(yīng)。例如,當(dāng)廣告主提高出價(jià)或調(diào)整定向范圍時(shí),系統(tǒng)能夠立即將該廣告納入召回候選集。
  2. 利用機(jī)器學(xué)習(xí)算法對(duì)用戶行為數(shù)據(jù)進(jìn)行實(shí)時(shí)預(yù)測(cè),提前召回可能與用戶未來(lái)行為相關(guān)的廣告。例如,根據(jù)用戶的歷史購(gòu)買周期和瀏覽趨勢(shì),預(yù)測(cè)用戶即將進(jìn)行的購(gòu)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(duì)召回的廣告候選集進(jìn)行初步排序,篩選出最可能吸引用用戶點(diǎn)擊的廣告,因?yàn)槲覀兛梢詷?gòu)建出多維度動(dòng)態(tài)化的篩選指標(biāo)體系,同時(shí)能采用預(yù)加載和緩存策略,針對(duì)召回頻率高、展示率高的廣告進(jìn)行緩存和與預(yù)加載。

1)構(gòu)建多維度、動(dòng)態(tài)化的篩選指標(biāo)體系,能有效將有潛力的廣告進(jìn)行加權(quán),對(duì)高價(jià)值用戶注重廣告質(zhì)量

  1. 設(shè)計(jì)一套兼具效率和準(zhǔn)確性的粗排指標(biāo)體系,結(jié)合出價(jià)、預(yù)估點(diǎn)擊率、廣告質(zhì)量得分等多個(gè)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(guò)合理設(shè)置指標(biāo)權(quán)重,快速篩選出一批有潛力的廣告。
  2. 建立指標(biāo)動(dòng)態(tài)調(diào)整機(jī)制,根據(jù)不同的業(yè)務(wù)場(chǎng)景和用戶群體,自動(dòng)調(diào)整粗排指標(biāo)。例如,在節(jié)假日期間,提高對(duì)與節(jié)日相關(guān)廣告的指標(biāo)權(quán)重;對(duì)于高價(jià)值用戶群體,更加注重廣告的質(zhì)量得分。

2)對(duì)召回頻率高,效果好的廣告,進(jìn)行智能緩存與預(yù)加載策略

  1. 運(yùn)用人工智能技術(shù)對(duì)廣告的召回頻率和展示概率進(jìn)行預(yù)測(cè),有針對(duì)性地進(jìn)行緩存和預(yù)加載。對(duì)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(diǎn),減少響應(yīng)時(shí)間。同時(shí),根據(jù)用戶的行為趨勢(shì)和時(shí)間序列分析,預(yù)測(cè)可能被召回的廣告,進(jìn)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(wèn)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(jìn)行動(dòng)態(tài)調(diào)整。并且,通過(guò)緩存一致性協(xié)議,確保緩存中的數(shù)據(jù)與廣告庫(kù)中的數(shù)據(jù)實(shí)時(shí)同步。

3. 精排階段

精排階段,針對(duì)粗排結(jié)果進(jìn)一步細(xì)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(gè)階段結(jié)合多模態(tài)數(shù)據(jù),采用深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)算法,通過(guò)對(duì)廣告文字,廣告視頻、廣告聲音等因素算法學(xué)習(xí),對(duì)廣告進(jìn)行深度特征提取和精確排序。另外本階段搭建多目標(biāo)優(yōu)化模型,廣告消耗和用戶體驗(yàn)等因素,同時(shí)讓用戶參與進(jìn)來(lái)對(duì)廣告進(jìn)行評(píng)價(jià)和反饋。

1)前沿技術(shù)驅(qū)動(dòng)的精準(zhǔn)排序,多模態(tài)處理的視覺(jué)、文案內(nèi)容和音頻等,采用深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí),對(duì)廣告進(jìn)行特征提取和排序。

  1. 引入最先進(jìn)的深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)算法,對(duì)廣告進(jìn)行深度特征提取和精準(zhǔn)排序。例如,利用深度強(qiáng)化學(xué)習(xí)算法,讓系統(tǒng)在與用戶的交互過(guò)程中不斷學(xué)習(xí)和優(yōu)化排序策略,根據(jù)用戶的實(shí)時(shí)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(jué)效果、文案內(nèi)容、音頻特點(diǎn)等因素,進(jìn)行更精準(zhǔn)的排序。例如,對(duì)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(yàn)等多目標(biāo)平衡與優(yōu)化,讓用戶參與到的廣告體驗(yàn)反饋和評(píng)價(jià)中

  1. 建立多目標(biāo)優(yōu)化模型,綜合考慮廣告主的出價(jià)、點(diǎn)擊率、轉(zhuǎn)化率、用戶體驗(yàn)、平臺(tái)長(zhǎng)期發(fā)展等多個(gè)目標(biāo)。通過(guò)優(yōu)化算法求解多目標(biāo)優(yōu)化問(wèn)題,找到一個(gè)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(shí),提高用戶對(duì)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(jī)制,讓用戶對(duì)廣告進(jìn)行評(píng)價(jià)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(duì)某個(gè)廣告的評(píng)價(jià)較高,系統(tǒng)可以適當(dāng)提高該廣告的排序位置;用戶對(duì)某個(gè)廣告進(jìn)行了屏蔽,系統(tǒng)可以降低該廣告在未來(lái)的展示概率。

5. 展示階段

這個(gè)階段,強(qiáng)調(diào)將最合適的廣告以最佳的方式展示給用戶,實(shí)現(xiàn)廣告效果和用戶體驗(yàn)的平衡。通過(guò)技術(shù)能力處理,給用戶個(gè)性化的廣告體驗(yàn),通過(guò)的廣告和用戶之間的創(chuàng)新型交互體驗(yàn)提升用戶對(duì)廣告的好感度,同時(shí)實(shí)時(shí)數(shù)據(jù)監(jiān)控和數(shù)據(jù)反饋,及時(shí)調(diào)整的策略,

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

  1. 利用人工智能和大數(shù)據(jù)技術(shù),為每個(gè)用戶定制獨(dú)一無(wú)二的廣告展示方案。根據(jù)用戶的興趣偏好、瀏覽歷史、購(gòu)買行為等,動(dòng)態(tài)調(diào)整廣告的展示形式、內(nèi)容和風(fēng)格。例如,對(duì)于喜歡簡(jiǎn)約風(fēng)格的用戶,展示簡(jiǎn)潔明了的廣告設(shè)計(jì);對(duì)于注重品質(zhì)的用戶,突出廣告中的品牌價(jià)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(dòng)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(jué)體驗(yàn),同時(shí)不會(huì)因?yàn)榫W(wǎng)絡(luò)環(huán)境差而影響加載速度。例如,在移動(dòng)設(shè)備上,采用響應(yīng)式設(shè)計(jì),使廣告能夠自適應(yīng)不同的屏幕尺寸和分辨率。

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

  1. 設(shè)計(jì)富有創(chuàng)意和互動(dòng)性的廣告形式,提高用戶與廣告的互動(dòng)頻率和深度。例如,推出互動(dòng)式視頻廣告,讓用戶在觀看廣告的過(guò)程中參與互動(dòng),如選擇劇情走向、回答問(wèn)題等,增加用戶的參與感和記憶度。
  2. 建立用戶激勵(lì)機(jī)制,鼓勵(lì)用戶與廣告進(jìn)行互動(dòng)。例如,用戶參與廣告互動(dòng)可以獲得積分、優(yōu)惠券等獎(jiǎng)勵(lì),提高用戶的積極性和參與度。同時(shí),通過(guò)用戶的互動(dòng)行為,進(jìn)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(shí)時(shí)數(shù)據(jù)反饋機(jī)制,對(duì)廣告效果實(shí)時(shí)監(jiān)測(cè)與反饋閉環(huán),及時(shí)調(diào)整策略

  1. 搭建實(shí)時(shí)監(jiān)測(cè)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(biāo)如展示次數(shù)、點(diǎn)擊次數(shù)、轉(zhuǎn)化率等,還分析用戶的停留時(shí)間、頁(yè)面滾動(dòng)深度、廣告分享次數(shù)等隱性指標(biāo)。通過(guò)實(shí)時(shí)數(shù)據(jù)分析,及時(shí)發(fā)現(xiàn)問(wèn)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(gè)閉環(huán)反饋機(jī)制。廣告主可以根據(jù)反饋信息調(diào)整出價(jià)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(jìn)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。

本文由 @炸雞 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)作者許可,禁止轉(zhuǎn)載

題圖來(lái)自Unsplash,基于CC0協(xié)議

該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 目前還沒(méi)評(píng)論,等你發(fā)揮!
专题
12614人已学习11篇文章
需求评审会议对整个项目想影响至关重要,作为产品经理,应该如何完成需求评审呢?本专题的文章分享了如何高效完成需求评审。
专题
34686人已学习22篇文章
从动效设计原则、动效工具、制作方法、标注技巧等全方位解读
专题
12301人已学习14篇文章
对电商行业的从业者们而言,GMV这个概念估计都不陌生,不少人也开始拿GMV作为评判各家电商平台市占率的指标之一。本专题的文章分享了GMV破亿的经验总结。
专题
12358人已学习15篇文章
该如何有效推广?有效推广的策略有哪些呢?本专题的文章分享了产品推广策略。
专题
12744人已学习12篇文章
数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中通过算法搜索隐藏于其中信息的过程。本专题的文章分享了如何挖掘数据。
专题
11299人已学习11篇文章
随着互联互通的发展,虚拟与现实之间的距离在逐渐缩小,未来数字设计也在发生着变化。本专题的文章分享了数字未来设计趋势。