精准广告业务中的关键问题分析

1 召回阶段度量的选择

广告和推荐最大的区别就在于广告引入了广告主出价的维度，这让数据具有很强的实时性，给工程技术带来了很大的挑战。在全库检索的定向召回阶段，是否要将广告doc的出价也考虑进去是一个关键问题。若不考虑出价，本质上召回阶段是按照相关性召回（也可以简单地理解为ctr），若考虑price则对应的是按照ecpm进行召回。特别的，在cpm广告场景中ecpm等于出价。
在计算广告中，平台起到的作用可以抽象成为两个环节：一是识别，二是分配。识别是指平台通过数据对流量进行特征识别，提取出用户喜好、意图等信息；分配是指平台将在投广告库中的广告合理分配的过程。我们的检索主要是在解决“分配”的问题。制定分配策略时，我们要考虑平台收益、广告主收益、流量端用户体验三个因素，其中平台收益是短期利益，广告主收益是中长期利益，流量端用户体验是长期利益。
同时，由于cpm和cpc广告在策略上区别比较大，因此对于cpm、cpc需要分别进行分析。下面的分析将主要考虑白盒/黑盒、cpm/cpc、按相关性召回/按ecpm召回几个维度进行分析。

1.1 白盒

白盒场景中，广告主可以对人群（假设为人群G）区分出价（设价格为P），而在GSP竞价体系下，广告主的出价P反映的是这部分人群对广告主的价值，价值体现在广告主“投放人群G”给广告主带来的收益，如gmv。白盒模式本质上是将广告“分配”的权利和责任分摊给了广告主，平台只需要完成“识别”。
如果识别的准，从广告主看来ctr、cvr、roi都会提高，那么等价于流量的价值提高，广告主就会愿意提高价格。对平台来说，价格提高使竞价激烈，收益也会对应提升。对于流量，体验上也会感觉到看到了自己感兴趣的广告。
因此，白盒玩法的主要提升点应在于标签的细化和提升人群分类的精准度。
同时，为了保证流量分配效率的最大化，即每个流量体现出最大价值，在投放了人群G的所有的广告主中，平台要选出价值最高的。由于我们的广告形式是基于“展现”的，因此不管是对于cpm广告还是cpc广告，平台都希望“一次展现可以带来最大的价值”。在cpm中，广告主出价体现了“这次展现对广告主而言的价值”，因此，选取出价最高的进行展现是合理的。在cpc中，广告主的出价体现的是“这次展现触发点击对于广告主而言的价值”，由于平台事先不知道用户是否会点击，而只能估算出点击的概率，为了保证价值的数学期望最大，应选取ecpm（price*ctr）最高的进行展现。
回到最开始的问题，在白盒的召回阶段，检索要做的是基于“识别”的结果返回“被选中”广告的全集，假如识别结果是以向量形式体现的话，召回阶段应只按照相关性进行召回。

1.2 黑盒

黑盒与白盒最大的不同在于平台同时掌握了“分配”权利。“分配”的目标4.1.1中已经提到过，是“要选出价值最高”，那么如何定义“价值”呢？
对于广告主而言，他们之所以选择黑盒，是信任平台的数据能力和算法能力，希望平台帮他更合理的分配流量，此时广告主的出价体现的是“平台分配能力给广告主带来的单流量平均价值”。广告主是通过ctr、gmv等来评判平均价值。对于流量来说，用户更希望的是看到相关性高的广告。对于平台而言，平台希望通过展现获得更高的回报。这里面就出现了不一致：平台关注ecpm（price、price*ctr），广告主关注ctr、cvr、gmv，用户关注相关性（可以片面的用ctr来表示）。在这个体系当中，若平台分配可以提高cvr、gmv，那么广告主看到的“平均价值”就越高，出价就会提高，ecpm也会提高。
对于cpm广告，ecpm可以用price代替。按照“平台收益是短期利益，广告主收益是中长期利益，流量端用户体验是长期利益”的假设，price是短期利益，ctr、cvr、gmv是中长期利益，ctr是长期利益。对于cpc广告，ecpm=price*ctr，price、ctr是短期利益，ctr、cvr、gmv是中长期利益，ctr是长期利益。
因此，检索召回阶段的检索策略其实体现的是短期、中长期、长期利益的融合与妥协。
通常，在业务处于起步阶段时，更追求短期利益，随着业务规模的不断扩展，应慢慢的加大对中长期、长期利益的重视配比。个人经验感觉，对应到检索召回阶段，在多层打分的体系下，越是长期利益相关的因素越靠前考量，越是短期利益的因素越靠后考量。在向量检索阶段，更倾向于将ctr（相关性）、cvr、gmv的因素考虑在内，而这些考量可以在向量模型训练阶段进行。在线检索时，按照内积度量检索，就等同于已经考虑了ctr、cvr、gmv。此时，若也将price考虑在内，本质上是将短期利益的考量放到了检索的最开始的阶段，其实是降低了长期收益的配比。因此这个问题，还要统筹来看。
从工程角度来看，由于广告主调价频繁，将price的考量放到向量模型训练阶段需要算法上支持实时计算向量的能力。若具备了这种能力，检索环节则无须再纠结这一问题，完全按照内积进行检索即可；若不具备这种能力，检索环节也至少应支持对price考量因子调节的技术能力，方便实验和策略调整。

如果感兴趣，欢迎关注微信技术公众号