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，基于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，是基于媒體廣告請求，廣告系統會從數百萬的廣告池里面進行廣告召回，召回數百萬廣告之后，廣告系統會進行隊列排序，經過粗排和精排，最終勝出的廣告會展示給用戶。

一、廣告推薦系統工作流

廣告請求：準確捕捉用戶需求和場景信息，為后續廣告投放提供觸發點

通過cookie和設備ID等信息追蹤用戶的瀏覽行為，定位用戶的上下文信息，以及用戶所處時間段，預判是否屬于這個用戶下發廣告的時機。

同時針對廣告位位置和規格等信息，確定當前頁面適合的展示的廣告類型，觸發廣告請求。

召回階段：從全量廣告庫中高效篩出高質量候選廣告集合

基于特征工程和機器學習能力，把用戶的特征（年齡、性別、地域、興趣偏好等）、廣告內容（標題、主題詞、行業等信息），以及用戶在端內的上下文（瀏覽、搜索、時間等消費消息）進行有效特征提取和處理，以預測用戶對廣告的興趣度，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，篩選出最可能吸引用用戶點擊的廣告

根據廣告主、平臺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，由于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，最終給用戶廣告符合用戶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，這里會開考慮更多廣告創意質量、用戶體驗、廣告和頁面的兼容性等，以及廣告主訴求和平臺商業目標（廣告收入、用戶體驗）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；

根據用戶的實時點擊和轉化行為，采用實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，捕捉用戶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用戶，實現廣告效果和用戶體驗的平衡

基于動態渲染和廣告調度算法，展示過程中還需要考慮廣告的加載速度、視覺效果、與頁面內容的協調性等因素，以確保用戶能夠順利接收廣告信息，并且不影響用戶對平臺內容的正常使用，考慮用戶體驗，進行頻控，不能讓用戶短時間看到的重復的廣告。

二、商業優化策略

1. 請求階段

請求階段的核心是洞察用戶需求和場景信息，我們可以從這兩個點出發，獲取更多有效信息提升請求階段的準確性。

1）深度用戶洞察，通過不同方式收集更多用戶信息，同時針對收集的信息利用人工智能算法實時動態更新用戶信息和信息細化處理。

1. 用戶更多數據收集：通過用戶的授權，三方數據合作和統一社交賬號登錄等形式，收集的用戶在不同的平臺的不同設備上的行為數據；另外部署高級的行為追蹤技術，對用戶在端內的行為，進行更精細的埋點和上報。結合這兩點，不僅關注用戶的搜索和瀏覽行為，還分析其社交互動、消費記錄等，精準勾勒出用戶的興趣圖譜和消費潛力。例如，通過分析用戶在社交媒體上的話題參與和關注對象，挖掘其潛在的興趣領域。
2. 利用人工智能算法：對用戶畫像進行動態更新和細分。根據用戶行為的變化，實時調整用戶所屬的細分群體，確保廣告推送的精準性。比如，當用戶開始關注健身話題時，將其從普通休閑用戶群體調整到健身愛好者群體。

2）用戶所處場景，通過技術智能感知，結合場景觸發規則庫，調整廣告請求的參數和優先級。

1. 結合人工智能和傳感器技術，更精準地感知用戶所處的場景。除了時間、地點和設備類型，還考慮用戶的情緒狀態、周圍環境等因素。例如，當檢測到用戶在運動狀態下，推送與運動相關的產品廣告，如運動飲料、智能運動手表等。
2. 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，在用戶處于購物場景時，提高對電商廣告的請求優先級，同時降低對其他類型廣告的請求頻率。

2. 召回階段

召回階段，希望從全量廣告庫中高效篩出高質量候選廣告集合，通過的不同算法召回技術，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；另外通過搭建高效數據處理平臺，能實時處理用戶行為數據和廣告狀態變化，以及對用戶數據進行實時預測。

1）技術層面采用不同的召回算法，另外與廣告主進行深度數據共建，實現多維度召回融合

1. 綜合運用多種先進的召回技術，包括基于深度學習的語義召回、基于圖神經網絡的關系召回等。例如，通過分析廣告內容與用戶瀏覽內容的語義相似度，召回更具相關性的廣告；或者利用圖神經網絡分析用戶與廣告之間的潛在關系，挖掘出用戶可能感興趣的新廣告。
2. 與廣告主建立深度合作，共同打造定制化的召回渠道。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，對于高端時尚品牌，當用戶瀏覽時尚雜志網站或關注時尚博主時，優先召回該品牌的廣告。

2）實時數據驅動召回優化，實現實時監控用戶行為數據變化和廣告狀態變化，還能實現對用戶行為的預測

1. 搭建高效的數據實時處理平臺，確保廣告庫中的數據能夠在毫秒級時間內更新。實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范圍時，系統能夠立即將該廣告納入召回候選集。
2. 利用機器學習算法對用戶行為數據進行實時預測，提前召回可能與用戶未來行為相關的廣告。例如，根據用戶的歷史購買周期和瀏覽趨勢，預測用戶即將進行的購買行為，并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，篩選出最可能吸引用用戶點擊的廣告，因為我們可以構建出多維度動態化的篩選指標體系，同時能采用預加載和緩存策略，針對召回頻率高、展示率高的廣告進行緩存和與預加載。

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，對高價值用戶注重廣告質量

1. 設計一套兼具效率和準確性的粗排指標體系，結合出價、預估點擊率、廣告質量得分等多個維度。其中，廣告質量得分可以考慮廣告的創意水平、加載速度、用戶反饋等因素。通過合理設置指標權重，快速篩選出一批有潛力的廣告。
2. 建立指標動態調整機制，根據不同的業務場景和用戶群體，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；對于高價值用戶群體，更加注重廣告的質量得分。

2）對召回頻率高，效果好的廣告，進行智能緩存與預加載策略

1. 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加載。對于召回頻率高、展示概率大的廣告，提前緩存到靠近用戶的邊緣節點，減少響應時間。同時，根據用戶的行為趨勢和時間序列分析，預測可能被召回的廣告，進行預加載。
2. 采用分布式緩存和分層緩存技術，提高緩存的容量和訪問速度。將熱門廣告緩存到高速內存中，將次熱門廣告緩存到磁盤中，根據需求進行動態調整。并且，通過緩存一致性協議，確保緩存中的數據與廣告庫中的數據實時同步。

3. 精排階段

精排階段，針對粗排結果進一步細化，最終給用戶廣告符合用戶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算法，通過對廣告文字，廣告視頻、廣告聲音等因素算法學習，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優化模型，廣告消耗和用戶體驗等因素，同時讓用戶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、文案內容和音頻等，采用深度學習和強化學習，對廣告進行特征提取和排序。

1. 引入最先進的深度學習和強化學習算法，對廣告進行深度特征提取和精準排序。例如，利用深度強化學習算法，讓系統在與用戶的交互過程中不斷學習和優化排序策略，根據用戶的實時反饋調整廣告的排序位置。
2. 結合多模態數據，如圖像、視頻、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、音頻特點等因素，進行更精準的排序。例如，對于視頻廣告，不僅考慮視頻的內容和質量，還分析音頻的吸引力和情感傾向。

2）廣告效果和用戶體驗等多目標平衡與優化，讓用戶參與到的廣告體驗反饋和評價中

1. 建立多目標優化模型，綜合考慮廣告主的出價、點擊率、轉化率、用戶體驗、平臺長期發展等多個目標。通過優化算法求解多目標優化問題，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，提高用戶對廣告的滿意度，減少用戶的屏蔽和投訴行為。
2. 引入用戶參與機制，讓用戶對廣告進行評價和反饋。根據用戶的反饋信息，調整廣告的排序權重。例如，用戶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；用戶對某個廣告進行了屏蔽，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用戶，實現廣告效果和用戶體驗的平衡。通過技術能力處理，給用戶個性化的廣告體驗，通過的廣告和用戶之間的創新型交互體驗提升用戶對廣告的好感度，同時實時數據監控和數據反饋，及時調整的策略，

1）根據用戶個性和用戶當前所處的環境，給用戶個性化的廣告體驗

1. 利用人工智能和大數據技術，為每個用戶定制獨一無二的廣告展示方案。根據用戶的興趣偏好、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，對于喜歡簡約風格的用戶，展示簡潔明了的廣告設計；對于注重品質的用戶，突出廣告中的品牌價值和產品質量。
2. 采用自適應展示技術，根據用戶的設備類型、屏幕尺寸、網絡環境等因素，自動調整廣告的展示效果。確保廣告在不同設備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加載速度。例如，在移動設備上，采用響應式設計，使廣告能夠自適應不同的屏幕尺寸和分辨率。

2）通過創新的廣告樣式和交互設計，搭建用戶激勵體制，提升用戶的參與

1. 設計富有創意和互動性的廣告形式，提高用戶與廣告的互動頻率和深度。例如，推出互動式視頻廣告，讓用戶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，增加用戶的參與感和記憶度。
2. 建立用戶激勵機制，鼓勵用戶與廣告進行互動。例如，用戶參與廣告互動可以獲得積分、優惠券等獎勵，提高用戶的積極性和參與度。同時，通過用戶的互動行為，進一步了解用戶的需求和偏好，優化廣告的展示策略。

3）搭建實時數據反饋機制，對廣告效果實時監測與反饋閉環，及時調整策略

1. 搭建實時監測系統，全方位跟蹤廣告的展示效果。不僅關注傳統的指標如展示次數、點擊次數、轉化率等，還分析用戶的停留時間、頁面滾動深度、廣告分享次數等隱性指標。通過實時數據分析，及時發現問題并調整策略。
2. 將廣告效果反饋給廣告主和系統優化模塊，形成一個閉環反饋機制。廣告主可以根據反饋信息調整出價和定向策略，系統優化模塊可以根據反饋結果改進推薦算法和商業策略。不斷優化廣告推薦系統，提升廣告的效率和效果。