技术会：爱奇艺品牌广告算法探索与实践
2023-12-10 15:12:00
技术会：爱奇艺品牌广告算法探索与实践
爱奇艺的核心商业模式是优质视频内容+付费会员服务，在此之下是在线广告。作为一家视频服务网站，除了主APP之外，爱奇艺还有许多其他应用程序，比如爱奇艺体育、奇秀直播和爱奇艺文学。这些应用程序也丰富了爱奇艺的变现方式。在爱奇艺2019年第三季度的财报中，除了会员和广告以外，其他收入占比为11%。
在这部分“其他收入”中，绝大部分的贡献来自广告，爱奇艺在线广告业务除了传统的展示广告业务之外，还有基于机器学习算法的品牌广告。本篇文章主要讲述爱奇艺品牌广告算法的探索和实践。
爱奇艺品牌广告技术体系
为了向用户展示更多相关广告，提升用户的广告体验，同时帮助广告主提升ROI，爱奇艺自研了一套完整的品牌广告技术体系，主要包括：
- 数据采集与处理 ：广告曝光、点击、转化等数据均会收集到爱奇艺的大数据平台，并进行实时计算和特征提取。
- 机器学习算法 ：爱奇艺机器学习平台沉淀了丰富的工业级算法，用于广告点击率预测、用户画像、广告定向等场景。
- 策略引擎 ：策略引擎是算法和业务逻辑的中控，可根据不同场景，如用户、广告主等条件，动态配置和加载算法，最终产出广告策略。
- 广告投放平台 ：广告投放平台是广告主投放和管理广告的入口，算法策略会通过投放平台应用到广告实际投放过程中。
品牌广告算法实践
爱奇艺品牌广告算法主要应用在三大场景：
- 广告定向 ：帮助广告主找到目标受众，定向投放广告。
- 广告出价 ：根据广告效果，动态调整广告出价，提升广告主ROI。
- 广告创意 ：基于用户兴趣和行为，个性化推荐广告创意。
广告定向
广告定向是品牌广告算法最基础也是最重要的场景。爱奇艺利用机器学习算法对用户行为进行建模，构建出每个用户的兴趣标签。
用户画像构建
在用户画像构建方面，爱奇艺采用以下两类特征：
- 显式特征 ：用户基本信息、观看记录、搜索记录等。
- 隐式特征 ：用户行为序列、兴趣标签等。
显式特征容易获取，但是维度有限。而隐式特征可以挖掘用户更深层次的兴趣，但是抽取难度大。
爱奇艺利用深度学习算法对用户行为序列进行建模，抽取出用户兴趣标签。模型的输入是用户的行为序列，输出是用户兴趣标签。模型的训练采用负采样方法，即对于每个正样本，采样多个负样本。模型的损失函数采用交叉熵损失函数。
广告定向模型
广告定向模型是根据用户兴趣标签，预测用户点击广告的概率。模型的输入是用户兴趣标签和广告特征，输出是用户点击广告的概率。模型的训练采用逻辑回归算法。模型的评估指标采用AUC和CTR。
广告出价
广告出价是广告主根据广告效果，动态调整广告出价。爱奇艺利用机器学习算法对广告效果进行建模，预测广告点击率和转化率。
广告效果预测模型
广告效果预测模型是根据广告特征，预测广告点击率和转化率。模型的输入是广告特征，输出是广告点击率和转化率。模型的训练采用广义线性模型（GLM）。模型的评估指标采用AUC和CTR。
出价策略
出价策略是根据广告效果预测模型，动态调整广告出价。出价策略主要分为两种：
- 基于规则的出价策略 ：根据广告效果预测模型，制定出价规则。
- 基于模型的出价策略 ：利用机器学习算法对出价进行建模。
爱奇艺目前采用基于模型的出价策略。出价模型的输入是广告特征和广告效果预测模型的输出，输出是广告出价。出价模型的训练采用梯度下降算法。出价模型的评估指标采用广告主ROI。
广告创意
广告创意是基于用户兴趣和行为，个性化推荐广告创意。爱奇艺利用机器学习算法对用户行为进行建模，挖掘用户兴趣。
用户兴趣挖掘
用户兴趣挖掘是根据用户行为序列，挖掘用户兴趣。模型的输入是用户行为序列，输出是用户兴趣。模型的训练采用聚类算法。模型的评估指标采用聚类准确率和召回率。
广告创意推荐
广告创意推荐是根据用户兴趣，推荐广告创意。模型的输入是用户兴趣和广告特征，输出是广告创意。模型的训练采用协同过滤算法。模型的评估指标采用点击率和转化率。
总结
爱奇艺品牌广告算法在广告定向、广告出价和广告创意等场景都有广泛的应用。通过利用机器学习算法，爱奇艺可以帮助广告主找到目标受众，定向投放广告，动态调整广告出价，提升广告ROI，个性化推荐广告创意。
随着机器学习技术的发展，爱奇艺将继续探索和实践品牌广告算法，提升广告主和用户的体验。
