本文會從商業化產品策略視角，詳細介紹競價廣告推薦系統每個工作流目標，以及影響這個環節的關鍵因子和涉及到的技術能力，基於競價廣告推薦系統工作流，流量媒體在商業化上可做的提效策略。
競價廣告系統模型，是基於媒體廣告請求，廣告系統會從數百萬的廣告池裏面進行廣告召回，召回數百萬廣告之後，廣告系統會進行佇列排序，經過粗排和精排，最終勝出的廣告會展示給使用者。
一、廣告推薦系統工作流廣告請求：準確捕捉使用者需求和場景資訊，為後續廣告投放提供觸發點
透過cookie和器材ID等資訊追蹤使用者的瀏覽行為，定位使用者的上下文資訊，以及使用者所處時間段，預判是否屬於這個使用者下發廣告的時機。
同時針對廣告區位置和規格等資訊，確定當前頁面適合的展示的廣告類別，觸發廣告請求。
召回階段：從全量廣告庫中高效篩出高質素候選廣告集合
基於特征工程和機器學習能力，把使用者的特征（年齡、性別、地域、興趣偏好等）、廣告內容（標題、主題詞、行業等資訊），以及使用者在端內的上下文（瀏覽、搜尋、時間等消費訊息）進行有效特征提取和處理，以預測使用者對廣告的興趣度，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，篩選出最可能吸參照使用者點選的廣告
根據廣告主、平台方的目標和約束條件，選擇pcrt、pcvr和廣告出價作為關鍵因子進行建模，來評估廣告潛在價值，由於粗排階段的廣告數據巨大，粗排階段采用簡化模型快速計算，短時間內完成大量廣告排序。本階段結束，適配的廣告已經只有上百廣告量級。
精排階段：針對粗排結果進一步細化，最終給使用者廣告符合使用者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，這裏會開考慮更多廣告創意質素、使用者體驗、廣告和頁面的相容性等，以及廣告主訴求和平台商業目標（廣告收入、使用者體驗）等提取和構建有價值的特征向量，來提升排序的精確性和穩定性；
根據使用者的即時點選和轉化行為，采用即時計算動態調整廣告排序結果，采用深度學習等復雜模型對廣告進行深度分析和評估，融合多個模型預測結果，捕捉使用者和廣告之間的復雜關系，提高排序的效果。本階段結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使用者，實作廣告效果和使用者體驗的平衡
基於動態渲染和廣告排程演算法，展示過程中還需要考慮廣告的載入速度、視覺效果、與頁面內容的協調性等因素，以確保使用者能夠順利接收廣告資訊，並且不影響使用者對平台內容的正常使用，考慮使用者體驗，進行頻控，不能讓使用者短時間看到的重復的廣告。
1. 請求階段
請求階段的核心是洞察使用者需求和場景資訊，我們可以從這兩個點出發，獲取更多有效資訊提升請求階段的準確性。
1）深度使用者洞察，透過不同方式收集更多使用者資訊，同時針對收集的資訊利用人工智能演算法即時動態更新使用者資訊和資訊細化處理。
- 使用者更多數據收集：透過使用者的授權，三方數據合作和統一社交賬號登入等形式，收集的使用者在不同的平台的不同器材上的行為數據；另外部署高級的行為追蹤技術，對使用者在端內的行為，進行更精細的埋點和上報。結合這兩點，不僅關註使用者的搜尋和瀏覽行為，還分析其社互動動、消費記錄等，精準勾勒出使用者的興趣圖譜和消費潛力。例如，透過分析使用者在社交媒體上的話題參與和關註物件，挖掘其潛在的興趣領域。
- 利用人工智能演算法：對使用者畫像進行動態更新和細分。根據使用者行為的變化，即時調整使用者所屬的細分群體，確保廣告推播的精準性。比如，當使用者開始關註健身話題時，將其從普通休閑使用者群體調整到健身愛好者群體。
2）使用者所處場景，透過技術智能感知，結合場景觸發規則庫，調整廣告請求的參數和優先級。
- 結合人工智能和傳感器技術，更精準地感知使用者所處的場景。除了時間、地點和器材類別，還考慮使用者的情緒狀態、周圍環境等因素。例如，當檢測到使用者在運動狀態下，推播與運動相關的產品廣告，如運動飲料、智能運動手表等。
- 建立場景觸發規則庫，根據不同的場景自動調整廣告請求的參數和優先級。例如，在使用者處於購物場景時，提高對電商廣告的請求優先級，同時降低對其他類別廣告的請求頻率。
2. 召回階段
召回階段，希望從全量廣告庫中高效篩出高質素候選廣告集合，透過的不同演算法召回技術，與廣告主建立深度數據畫像合作，共建多維度召回策略，最近融合；另外透過搭建高效數據處理平台，能即時處理使用者行為數據和廣告狀態變化，以及對使用者數據進行即時預測。
1）技術層面采用不同的召回演算法，另外與廣告主進行深度數據共建，實作多維度召回融合
- 綜合運用多種先進的召回技術，包括基於深度學習的語意召回、基於圖神經網絡的關系召回等。例如，透過分析廣告內容與使用者瀏覽內容的語意相似度，召回更具相關性的廣告；或者利用圖神經網絡分析使用者與廣告之間的潛在關系，挖掘出使用者可能感興趣的新廣告。
- 與廣告主建立深度合作，共同打造客製化的召回渠道。根據廣告主的品牌特點和目標受眾，為其設計專屬的召回策略。比如，對於高端時尚品牌，當使用者瀏覽時尚雜誌網站或關註時尚博主時，優先召回該品牌的廣告。
2）即時數據驅動召回最佳化，實作即時監控使用者行為數據變化和廣告狀態變化，還能實作對使用者行為的預測
- 搭建高效的數據即時處理平台，確保廣告庫中的數據能夠在毫秒級時間內更新。即時監控廣告的狀態變化、出價調整、定向條件更新等，以便在召回階段及時響應。例如，當廣告主提高出價或調整定向範圍時，系統能夠立即將該廣告納入召回候選集。
- 利用機器學習演算法對使用者行為數據進行即時預測，提前召回可能與使用者未來行為相關的廣告。例如，根據使用者的歷史購買周期和瀏覽趨勢，預測使用者即將進行的購買行為，並召回相關產品的廣告。
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，篩選出最可能吸參照使用者點選的廣告，因為我們可以構建出多維度動態化的篩選指標體系，同時能采用預載入和緩存策略，針對召回頻率高、展示率高的廣告進行緩存和與預載入。
1）構建多維度、動態化的篩選指標體系，能有效將有潛力的廣告進行加權，對高價值使用者註重廣告質素
- 設計一套兼具效率和準確性的粗排指標體系，結合出價、預估點選率、廣告質素得分等多個維度。其中，廣告質素得分可以考慮廣告的創意水平、載入速度、使用者反饋等因素。透過合理設定指標權重，快速篩選出一批有潛力的廣告。
- 建立指標動態調整機制，根據不同的業務場景和使用者群體，自動調整粗排指標。例如，在節假日期間，提高對與節日相關廣告的指標權重；對於高價值使用者群體，更加註重廣告的質素得分。
2）對召回頻率高，效果好的廣告，進行智能緩存與預載入策略
- 運用人工智能技術對廣告的召回頻率和展示概率進行預測，有針對性地進行緩存和預載入。對於召回頻率高、展示概率大的廣告，提前緩存到靠近使用者的邊緣節點，減少響應時間。同時，根據使用者的行為趨勢和時間序列分析，預測可能被召回的廣告，進行預載入。
- 采用分布式緩存和分層緩存技術，提高緩存的容量和存取速度。將熱門廣告緩存到高速記憶體中，將次熱門廣告緩存到磁盤中，根據需求進行動態調整。並且，透過緩存一致性協定，確保緩存中的數據與廣告庫中的數據即時同步。
3. 精排階段
精排階段，針對粗排結果進一步細化，最終給使用者廣告符合使用者興趣又能夠滿足廣告主需求，這個階段結合多模態數據，采用深度學習和強化學習演算法，透過對廣告文字，廣告影片、廣告聲音等因素演算法學習，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最佳化模型，廣告消耗和使用者體驗等因素，同時讓使用者參與進來對廣告進行評價和反饋。
1）前沿技術驅動的精準排序，多模態處理的視覺、文案內容和音訊等，采用深度學習和強化學習，對廣告進行特征提取和排序。
- 引入最先進的深度學習和強化學習演算法，對廣告進行深度特征提取和精準排序。例如，利用深度強化學習演算法，讓系統在與使用者的互動過程中不斷學習和最佳化排序策略，根據使用者的即時反饋調整廣告的排序位置。
- 結合多模態數據，如影像、影片、文本等，構建更豐富的廣告特征表示。利用多模態深度學習模型，綜合考慮廣告的視覺效果、文案內容、音訊特點等因素，進行更精準的排序。例如，對於影片廣告，不僅考慮影片的內容和質素，還分析音訊的吸重力和情感傾向。
2）廣告效果和使用者體驗等多目標平衡與最佳化，讓使用者參與到的廣告體驗反饋和評價中
- 建立多目標最佳化模型，綜合考慮廣告主的出價、點選率、轉化率、使用者體驗、平台長期發展等多個目標。透過最佳化演算法求解多目標最佳化問題，找到一個平衡各方利益的最優排序結果。例如，在保證廣告主收益的同時，提高使用者對廣告的滿意度，減少使用者的遮蔽和投訴行為。
- 引入使用者參與機制，讓使用者對廣告進行評價和反饋。根據使用者的反饋資訊，調整廣告的排序權重。例如，使用者對某個廣告的評價較高，系統可以適當提高該廣告的排序位置；使用者對某個廣告進行了遮蔽，系統可以降低該廣告在未來的展示概率。
5. 展示階段
這個階段，強調將最合適的廣告以最佳的方式展示給使用者，實作廣告效果和使用者體驗的平衡。透過技術能力處理，給使用者個人化的廣告體驗，透過的廣告和使用者之間的創新型互動體驗提升使用者對廣告的好感度，同時即時數據監控和數據反饋，及時調整的策略，
1）根據使用者個性和使用者當前所處的環境，給使用者個人化的廣告體驗
- 利用人工智能和大數據技術，為每個使用者客製獨一無二的廣告展示方案。根據使用者的興趣偏好、瀏覽歷史、購買行為等，動態調整廣告的展示形式、內容和風格。例如，對於喜歡簡約風格的使用者，展示簡潔明了的廣告設計；對於註重品質的使用者，突出廣告中的品牌價值和產品質素。
- 采用自適應展示技術，根據使用者的器材類別、螢幕尺寸、網絡環境等因素，自動調整廣告的展示效果。確保廣告在不同器材上都能呈現出最佳的視覺體驗，同時不會因為網絡環境差而影響載入速度。例如，在流動通訊器材上，采用響應式設計，使廣告能夠自適應不同的螢幕尺寸和分辨率。
2）透過創新的廣告樣式和互動設計，搭建使用者激勵體制，提升使用者的參與
- 設計富有創意和互動性的廣告形式，提高使用者與廣告的互動頻率和深度。例如，推出互動式影片廣告，讓使用者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，增加使用者的參與感和記憶度。
- 建立使用者激勵機制，鼓勵使用者與廣告進行互動。例如，使用者參與廣告互動可以獲得積分、優惠券等獎勵，提高使用者的積極性和參與度。同時，透過使用者的互動行為，進一步了解使用者的需求和偏好，最佳化廣告的展示策略。
3）搭建即時數據反饋機制，對廣告效果即時監測與反饋閉環，及時調整策略
- 搭建即時監測系統，全方位跟蹤廣告的展示效果。不僅關註傳統的指標如展示次數、點選次數、轉化率等，還分析使用者的停留時間、頁面捲動深度、廣告分享次數等隱性指標。透過即時數據分析，及時發現問題並調整策略。
- 將廣告效果反饋給廣告主和系統最佳化模組，形成一個閉環反饋機制。廣告主可以根據反饋資訊調整出價和定向策略，系統最佳化模組可以根據反饋結果改進推薦演算法和商業策略。不斷最佳化廣告推薦系統，提升廣告的效率和效果。
