网站开发蓝云,百度网盘会员,做分类信息网站代码,app编程用什么软件文 | King James本文已获作者授权#xff0c;禁止二次转载计算广告和推荐系统总感觉有千丝万缕的关系#xff0c;但是它们之间又有什么异同呢#xff1f;话不多说#xff0c;上图#xff01;计算广告和推荐系统有交集#xff0c;但是不能说推荐系统是计算广告的一部分。因… 文 | King James本文已获作者授权禁止二次转载计算广告和推荐系统总感觉有千丝万缕的关系但是它们之间又有什么异同呢话不多说上图计算广告和推荐系统有交集但是不能说推荐系统是计算广告的一部分。因为推荐系统除了应用在广告领域还应用在电商自然商品推荐、内容推荐等领域推荐系统本身是一个非常大的概念。同时计算广告领域除了推荐广告还有搜索广告品牌广告等。二者真正的交集就是在推荐广告这个细分领域。关于推荐系统在广告领域的应用和其他领域应用中的相同和不同点我们以电商领域里面的推荐广告和自然推荐做对比。下图展示的商品就有推荐的广告商品也有推荐的自然商品。二者有何相同又有何不同了相同点整体架构不管是推荐广告还是自然推荐核心都是预测用户的喜好为用户推荐他可能感兴趣的商品吸引用户点击乃至最终成交下单。所以二者整体的推荐系统架构几乎是完全一样的从召回、排序再到重排最终前端展示等。一整套系统架构二者是一样的。Recall召回层召回层二者所使用的一些思路和算法也基本一样比如针对不同用户群体构建不同的召回策略多路召回等等。常见的几路召回策略比如ItemCF、Rebuy、Top_CTR等这些策略在推荐广告商品和自然推荐时都会用到。Rank排序层排序层使用的排序模型比如传统的LRGBDT和现在的DeepFM、甚至是深度强化学习双方都会使用也不存在某一个模型对于二者有什么偏好。Rerank重排层过滤一些敏感隐私商品、针对一些连续的重复类目商品进行打散、特定时段优先展示某些商品这些策略双方都需要考虑。因为推荐广告本身也还是推荐所以在大的层面上和自然推荐不会有比较大的差异。但是在具体的细节层面双方差异会很大。不同点本质推荐广告和自然推荐本质要处理的群体和衡量的利益完全不一样。自然推荐只需要考虑用户和平台之间的利益提升用户体验提升信息分发的效率。而推荐广告需要同时考虑用户、平台和广告主三者之间的利益权衡好三者之间的关系。广告主花钱投放了广告就需要对广告主的商品尽可能地多曝光广告多曝光平台才可以针对广告收更多的钱。但是曝光的广告商品用户是否感兴趣给用户强推广告商品非常影响用户体验如何做到广告收入和用户体验之间的平衡是推荐广告需要考虑的关键点。评估指标不同自然推荐效果的评估指标主要是CTR、CVR、用户停留时长、以及用户最终贡献的GMV等。不同阶段不同类型的APP可能上述指标都不太一样。比如电商APP前期可能更注重用户的CTR和停留时长后期更加关注实际的转化和GMV等。推荐广告最核心的考核指标就是广告收入因为广告就是一个赚钱的业务。上述指标做得再好看没有给平台带来更多的收入都是白瞎。当然在为平台产生收入的同时一方面需要考虑用户的体验用户的体验就要从CTR、CVR、用户停留时长等指标综合评估而另一部分也需要考虑广告主的利益广告主投放广告的ROI。尤其是很多广告主会在多个平台进行广告投放比如淘宝、京东广告主会进行相互比较。同时推荐广告和自然推荐进行比较时还会面临一个问题就是平台将部分流量拿出来做了广告该部分广告带来的收入和GMV提升对于平台的收益是否超过平台将这部分流量全部做自然推荐带来的整体收益大这是每个平台内部都需要去考虑的一般内部都会有一套公式来进行评估。Recall召回层差异物料池推荐广告只能召回平台上广告主投放的广告物料同时有很多商品受到《广告法》的约束是不能投放广告的。正常情况广告物料会比自然物料少很多而且广告物料会呈现价格偏高的趋势因为特别便宜的商品广告主再投放广告就更没有利润空间了。如果二者物料池的丰富度和量级差异比较大推荐广告的CTR是很难和自然推荐的CTR持平的有时二者之间的差异会比较大。定向策略广告主在进行投放时会针对自己的广告物料设置一些定向策略比如该商品仅面向女性或者仅在晚上投放等等此类定向策略会很多定向策略将会影响广告物料的召回。自然推荐就不会存在此类限制问题。Rank排序层差异排序逻辑自然推荐的排序是由排序模型的打分决定的模型说了算模型预测用户对那个商品更感兴趣就会排序在前。但是广告物料的排序我们不仅要预估CTR我们还同时要考虑广告主对于该广告位的出价。并不是用户对哪个广告物料更感兴趣哪个物料就排序在前我们还需要考虑广告收益的最大化整体的排序计算公式见下图推荐广告的排序要比自然推荐考虑的因素要更多也更复杂。上述公式读者也可以在我最后推荐的书籍里面查找到里面会有详细解释。不同的前端展现层很多场景中用户前端看到的广告商品是需要标识出“广告”二字的尤其是搜索广告。而自然推荐则不需要任何标识。扣费自然推荐用户对推荐的商品感兴趣下单就结束了至此和推荐相关的事情就全部结束了。但是在计算广告领域还有一个非常重要的环节就是如何对广告主进行扣费。市场上一般有两种扣费方式一种是GSP叫做广义二价计费简单来说就是第一名竞价成功后按照第二名的竞价来进行扣费另一种是VCG是一种博弈论的扣费方式简单来说就是按照第一名竞价者对其它竞价者造成的损失来扣费。最后在很多公司里面自然推荐和广告部是完全两个独立的部门自然推荐和广告推荐也是两个完全不同的推荐团队来做存在一种赛马的味道。对于很多互联网公司来说广告部是公司每年收入的核心。比如百度的凤巢、阿里的阿里妈妈、字节的巨量引擎等。对于技术人员来说其实钻研的技术没有多大差异但是所从事的业务却完全不一样。后台回复关键词【入群】加入卖萌屋NLP/IR/Rec与求职讨论群后台回复关键词【顶会】获取ACL、CIKM等各大顶会论文集
