業(yè)務(wù)背景

廣告是互聯(lián)網(wǎng)流量變現(xiàn)的重要手段，是驅(qū)動(dòng)工業(yè)界大規(guī)模 AI 技術(shù)應(yīng)用與研究最重要的場(chǎng)景之一。伴隨著愛奇藝各項(xiàng)業(yè)務(wù)的快速發(fā)展，愛奇藝的廣告業(yè)務(wù)也已達(dá)到百億級(jí)規(guī)模。按廣告推廣目標(biāo)的不同，愛奇藝廣告業(yè)務(wù)分為品牌廣告和效果廣告。品牌廣告主要出現(xiàn)在用戶觀看視頻正片前，這個(gè)位置用戶關(guān)注度高，可以幫助廣告主快速接觸大量用戶，宣傳品牌形象。效果廣告主要出現(xiàn)在信息流，這個(gè)位置廣告展現(xiàn)形式和上下文內(nèi)容一致，通過個(gè)性化推薦技術(shù)廣告主可以獲得更好的直接轉(zhuǎn)化效果。下面分享一下團(tuán)隊(duì)在廣告算法系統(tǒng)搭建過程中的一些經(jīng)驗(yàn)和總結(jié)。

愛奇藝廣告算法系統(tǒng)框架

廣告變現(xiàn)的基本邏輯是流量*單位價(jià)值*售賣率，隨著流量紅利的逐漸消失以及廣告主對(duì)精準(zhǔn)投放的進(jìn)一步要求，廣告售賣不斷向精細(xì)化運(yùn)營(yíng)轉(zhuǎn)變，AI技術(shù)在其中扮演著非常重要的角色。為了更好的支持業(yè)務(wù)發(fā)展，我們搭建了一套智能廣告算法系統(tǒng)：

 

 

圖1 愛奇藝廣告算法系統(tǒng)框架

• 對(duì)于廣告主，通過AI技術(shù)提供豐富的智能投放工具，幫助廣告主提升運(yùn)營(yíng)效率和投放效果;

• 對(duì)于平臺(tái)，通過智能庫(kù)存分配和個(gè)性化推薦最大化廣告分發(fā)效率;

• 對(duì)于用戶，在保證基本商業(yè)利益的同時(shí)不斷優(yōu)化廣告觀看體驗(yàn)，構(gòu)建更加健康的廣告生態(tài);

接下來挑選幾個(gè)典型的案例為大家進(jìn)一步介紹我們搭建的這套智能系統(tǒng)：

智能出價(jià)

在效果廣告的場(chǎng)景，最終的展現(xiàn)機(jī)會(huì)采用eCPM(eCPM=bid*pctr*pcvr)競(jìng)價(jià)的方式，每次廣告展現(xiàn)的計(jì)費(fèi)價(jià)格都會(huì)隨著競(jìng)價(jià)的激烈程度動(dòng)態(tài)變化。

 

 

圖2 競(jìng)價(jià)網(wǎng)絡(luò)廣告展現(xiàn)機(jī)會(huì)

對(duì)廣告主而言，只有設(shè)置合理的出價(jià)才能在保證成本的前提下獲得足夠的曝光機(jī)會(huì)。為了幫助廣告主更好的出價(jià)，我們運(yùn)用機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)了一套智能出價(jià)算法。這套算法的基本原理是：

采用KNN的方法從歷史訂單中尋找相似訂單;

 

 

圖3 基于廣義KNN的相似訂單查找

2.存在相似訂單，則使用歷史訂單數(shù)據(jù)擬合出價(jià)和曝光的相互關(guān)系，并給出建議出價(jià);

3. 不存在相似訂單，則使用XGBoost從更廣闊的樣本空間中探索建議出價(jià);

 

 

圖4 基于XGBoost的出價(jià)預(yù)測(cè)

庫(kù)存分配

在品牌廣告的場(chǎng)景，廣告的售賣采用合約的方式，缺量需要對(duì)廣告主進(jìn)行補(bǔ)量賠償，平臺(tái)的庫(kù)存分配能力對(duì)廣告庫(kù)存的利用效率有極大的影響。

 

 

圖5 品牌廣告庫(kù)存分配示例

不同于個(gè)性化推薦每次請(qǐng)求相互獨(dú)立，庫(kù)存分配是一個(gè)NP難的全局優(yōu)化問題。為了達(dá)到每次請(qǐng)求實(shí)時(shí)決策、全局最優(yōu)的效果，我們?cè)O(shè)計(jì)了一套離線+在線的庫(kù)存分配系統(tǒng)。離線通過庫(kù)存預(yù)估精準(zhǔn)刻畫未來庫(kù)存結(jié)構(gòu)，基于離線構(gòu)造的分配二部圖可以進(jìn)行庫(kù)存預(yù)分配。在線除了執(zhí)行離線產(chǎn)生的分配策略外，還通過訂單的實(shí)時(shí)執(zhí)行進(jìn)度動(dòng)態(tài)校準(zhǔn)離線預(yù)測(cè)偏差。

 

 

圖6 庫(kù)存分配系統(tǒng)

庫(kù)存預(yù)估是庫(kù)存分配的一個(gè)核心問題，我們基于ARIMA、LSTM實(shí)現(xiàn)了一套精準(zhǔn)的庫(kù)存預(yù)估算法，能準(zhǔn)確的預(yù)測(cè)不同維度組合下未來一段時(shí)間的廣告庫(kù)存。

 

 

圖7 庫(kù)存預(yù)估算法

TrueView

TrueView是一種創(chuàng)新的視頻廣告形式，用戶可以按照自己的意愿選擇是否觀看廣告，廣告主只需為超過30s的用戶觀看買單，不需要為選擇跳過的用戶支付廣告投放費(fèi)用。

 

 

圖8 TrueView廣告形式

TrueView在幫助廣告主提升廣告的有效觸達(dá)率的同時(shí)，降低了用戶因?yàn)椴幌嚓P(guān)廣告流失的可能性。在平臺(tái)側(cè)，只有實(shí)現(xiàn)一套精準(zhǔn)的TrueView預(yù)估算法，才能減少因用戶跳過廣告造成的庫(kù)存浪費(fèi)。為了有效提升平臺(tái)整體TrueView率，我們實(shí)現(xiàn)了一套基于用戶分類的TrueView算法。

 

 

圖9 基于用戶分類的TrueView算法

在模型這塊，我們除了嘗試LR、GBDT、FM等傳統(tǒng)機(jī)器學(xué)習(xí)模型外，還實(shí)現(xiàn)了一套基于Wide&Deep的深度模型，并取得了不錯(cuò)的效果提升。

 

 

圖10 基于Wide&Deep的TrueView模型

展望未來

AI能力使得廣告營(yíng)銷智能化，廣告和潛在消費(fèi)者的匹配更加高效。在廣告的場(chǎng)景，大多數(shù)模型基于機(jī)器學(xué)習(xí)技術(shù)，需要足夠的用戶反饋數(shù)據(jù)輔助提升算法效果。隨著NLP、圖像、視頻內(nèi)容理解技術(shù)的進(jìn)一步發(fā)展，以及和廣告業(yè)務(wù)的深度結(jié)合，未來AI可以幫助我們強(qiáng)化對(duì)用戶和內(nèi)容的理解，進(jìn)一步提升廣告與用戶、廣告與視頻內(nèi)容的關(guān)聯(lián)性。

標(biāo)簽： 互聯(lián)網(wǎng) 推廣 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。