AI在愛奇藝商業(yè)廣告中的應(yīng)用和探索
愛奇藝各項業(yè)務(wù)高速發(fā)展,也需要AI技術(shù)的支持;本文就以廣告為例,談?wù)剱燮嫠嚰夹g(shù)產(chǎn)品團隊在廣告算法系統(tǒng)搭建過程中的一些經(jīng)驗和總結(jié)。Enjoy~
一、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)動工業(yè)界大規(guī)模AI技術(shù)應(yīng)用與研究最重要的場景之一。
伴隨著愛奇藝各項業(yè)務(wù)的快速發(fā)展,愛奇藝的廣告業(yè)務(wù)也已達到百億級規(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,這個位置廣告展現(xiàn)形式和上下文內(nèi)容一致,通過個性化推薦技術(shù)廣告主可以獲得更好的直接轉(zhuǎn)化效果。
下面分享一下團隊在廣告算法系統(tǒng)搭建過程中的一些經(jīng)驗和總結(jié):
二、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*單位價值*售賣率,隨著流量紅利的逐漸消失以及廣告主對精準(zhǔn)投放的進一步要求,廣告售賣不斷向精細(xì)化運營轉(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,幫助廣告主提升運營效率和投放效果。
- 對于平臺,通過智能庫存分配和個性化推薦最大化廣告分發(fā)效率。
- 對于用戶,在保證基本商業(yè)利益的同時不斷優(yōu)化廣告觀看體驗,構(gòu)建更加健康的廣告生態(tài)。
接下來挑選幾個典型的案例為大家進一步介紹我們搭建的這套智能系統(tǒng):
1. 智能出價
在效果廣告的場景,最終的展現(xiàn)機會采用eCPM(eCPM=bid*pctr*pcvr)競價的方式,每次廣告展現(xiàn)的計費價格都會隨著競價的激烈程度動態(tài)變化。
圖2 競價網(wǎng)絡(luò)廣告展現(xiàn)機會
對廣告主而言,只有設(shè)置合理的出價才能在保證成本的前提下獲得足夠的曝光機會。
為了幫助廣告主更好的出價,我們運用機器學(xué)習(xí)技術(shù)實現(xiàn)了一套智能出價算法。
這套算法的基本原理是:
(1)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)擬合出價和曝光的相互關(guān)系,并給出建議出價;
(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;
圖4 基于XGBoost的出價預(yù)測
2. 庫存分配
在品牌廣告的場景,廣告的售賣采用合約的方式,缺量需要對廣告主進行補量賠償,平臺的庫存分配能力對廣告庫存的利用效率有極大的影響。
圖5 品牌廣告庫存分配示例
不同于個性化推薦每次請求相互獨立,庫存分配是一個NP難的全局優(yōu)化問題。
為了達到每次請求實時決策、全局最優(yōu)的效果,我們設(shè)計了一套離線+在線的庫存分配系統(tǒng)。離線通過庫存預(yù)估精準(zhǔn)刻畫未來庫存結(jié)構(gòu),基于離線構(gòu)造的分配二部圖可以進行庫存預(yù)分配。
在線除了執(zhí)行離線產(chǎn)生的分配策略外,還通過訂單的實時執(zhí)行進度動態(tài)校準(zhǔn)離線預(yù)測偏差。
圖6 庫存分配系統(tǒng)
庫存預(yù)估是庫存分配的一個核心問題,我們基于ARIMA、LSTM實現(xiàn)了一套精準(zhǔn)的庫存預(yù)估算法,能準(zhǔn)確的預(yù)測不同維度組合下未來一段時間的廣告庫存。
圖7 庫存預(yù)估算法
3. 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用。
圖8 TrueView廣告形式
TrueView在幫助廣告主提升廣告的有效觸達率的同時,降低了用戶因為不相關(guān)廣告流失的可能性。
在平臺側(cè),只有實現(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存浪費。為了有效提升平臺整體TrueView率,我們實現(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)機器學(xué)習(xí)模型外,還實現(xiàn)了一套基于Wide&Deep的深度模型,并取得了不錯的效果提升。
圖10 基于Wide&Deep的TrueView模型
二、展望未來
AI能力使得廣告營銷智能化,廣告和潛在消費者的匹配更加高效。在廣告的場景,大多數(shù)模型基于機器學(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可以幫助我們強化對用戶和內(nèi)容的理解,進一步提升廣告與用戶、廣告與視頻內(nèi)容的關(guān)聯(lián)性。
作者:愛奇藝技術(shù)產(chǎn)品團隊
來源:愛奇藝技術(shù)產(chǎn)品團隊(ID:iQIYI-TP)
題圖來自 Unsplash,基于CC0協(xié)議。
- 目前還沒評論,等你發(fā)揮!