第一站 - 轻松上网从此开始!

上网第一站

当前位置: > SEO >

广告系统设计:个性化推荐

时间:2018-03-16 15:09来源:我来投稿获取授权
以下内容来自网络或网友投稿,www.swdyz.com不承担连带责任,如有侵权问题请联系我删除。投稿如果是首发请注明‘第一站首发’。如果你对本站有什么好的要求或建议。那么都非常感谢你能-联系我|版权认领
上一篇中,二哈讲述了广告业务的流量提升,在讲述提升广告点击率的时候,提到了迎合用户喜好的概念,本篇就来说说如何迎合用户喜好吧。 用户和广告交互的全过程可以表述为:看见广

  上一篇中,二哈讲述了广告业务的流量提升,在讲述提升广告点击率的时候,提到了迎合用户喜好的概念,本篇就来说说如何迎合用户喜好吧。

  

广告系统设计:个性化推荐

  用户和广告交互的全过程可以表述为:看见广告—对素材产生兴趣—点击广告—对内容产生兴趣—消费广告。

  注意,这里的广告泛指一切商业化行为,包括且不限于广告、直播、游戏、增值服务、会员业务等。

  所以个性化推荐的重点为:

  让用户看到喜欢的素材(核心指标为CTR,点击率)

  点击后看见喜欢的内容(核心指标为后续转化率,比如会员则是付费率,应用广告则是安装率)

  素材和内容之间保持相关性(核心指标为跳出率)

  1、让用户看到喜欢的素材

  虽然在上一篇中说到素材优化的点(诱惑性),但是每个人的兴趣点实际是千差万别的。就好比“吃鸡”这个词语,对于20岁的人和40岁的人来说,意义完全不一样。下面来详细介绍一下几种实操方法:

  1.1、对比测试法

  1.1.1、对于相同的一群用户,随机分为两个组别,一个组投放A素材,另一个组投放B素材,如果CTR(A)>CTR(B),那么A要优于B,以后是不是投放A就好啦?但是投着投着发现,点击率慢慢下降,这是为什么呢?因为长期不变的素材对于用户的吸引力变弱了(用户已经有了清楚的预期),该换新的素材了!

  1.1.2、由编辑不断产出新的素材,同时上线多轮素材测试投放,选出最好的持续投放几天,再进行新的测试。慢慢的点击率保持稳定上升了,但是上升幅度慢慢变小,评估效果工作量也越来越大,这下该怎么办呢?其实交给电脑就好了。

  1.1.3、素材优化系统开始搭建,包含素材库、统计服务、投放服务等。由编辑手动录入大量素材,配置好对应的广告位,初始时由服务端将大量素材平均分配给随机用户,一段时间后计算每个素材的CTR,进行权重更新,CTR高的素材占更大的权重,CTR低的素材占更小的权重,另外留一部分权重给新录入的素材,引入时间衰减函数,若长时间表现不好的素材,直接淘汰掉,编辑同学参照CTR最高的那些素材进行新的设计

  经过以上三步,CTR应该能提升100%以上(工作经验),但你会发现,很快就会到达天花板,因为这里有两个因素的问题:1、每个人被当做相同的个体;2、设计素材的能力。

  那么怎么才能继续提升呢?进入下一个方法。

  1.2、协同过滤法

  设计素材的能力短期内无法提升的话,我只要把每个人当做不同个体来衡量就好啦,那么点击率就变成了CTR1、CTR2、CTR3……这里就需要开始引入协同过滤的概念了。

  1.2.1、协同过滤(主要有两个方向):

  基于物品(内容)推荐:比如你喜欢A,通过A的特征找到B和A很相似,C和A不相似,那么更倾向于给你推荐B

  基于用户推荐:比如你喜欢A,他也喜欢A,通过你和他的共同特征(喜欢A),认为你和他相似,如果他还喜欢B,那么更倾向于给你推荐B

  1.2.2、操作步骤为:选取推荐方法——对用户/物品打标签——计算相似度——产生推荐结果——测试结果修正算法

  选取推荐方法:主要看数据是否丰富,如果用户特征丰富,那么选择基于用户,反之选择基于物品;

  对用户/物品打标签:用户标签在用户画像的文章中有提到,想了解的可以看一下,物品的话以广告为例,可以分为类型(游戏、体育、财经)、载体(图片、文字)、内容(人、动物)、风格(可爱、成熟)等等,以及分配各标签的权重;

  计算相似度:对每个用户/物品进行向量化,每个标签就是一维向量,最终计算的其实就是n维向量的相似度,常用方法有余弦相似度、欧式距离等(这里不详述);

  产生推荐结果:C用户喜欢A,且A和B相似(以基于物品为例)

  测试结果修正算法:将B投放给C用户,若效果不理想,主要考虑优化标签和权重。

  经过以上两步,CTR应该能再提升30%以上(工作经验),主要限制提升率的因素在于标签库的丰富程度,实际工作中,尤其是广告业务,能拿到的有效标签很少,所以推荐出来的结果不尽如人意。

  那么,试着提升设计素材的能力呢?

  1.3、AI生成法(二哈没有实操经验,只是讨论)

  最简单提升能力的方法就是换更厉害的设计!2333333……如果能换的话,请略过这个篇章。

  不知道大家有没有了解过阿里的鲁班或者腾讯的Dreamwriter,他们都是通过机器学习的方式来达到自动生产内容的工具。核心流程如下:

  拆解图片/文本,比如图片可拆解成:背景、框架、色彩、主产品、次要产品、标题、描述等等;而文本直接可以通过切词完成。

  引入大量图片/文本作为元素集合,为训练做准备

  通过机器学习的方式,让电脑知道A和B在一起是可以的,B和C在一起是不行的(学习规律)

  生成大量内容,投放测试(其实类似于海量的对比测试+协同过滤的方式)

  这里的核心点在于:

  有海量的历史数据作为训练样本;

  有足够专业的设计能力去干预;

  有足够的投放样本回收结果

  2、点击后看见喜欢的内容/素材和内容之间保持相关性

(责任编辑:admin)
织梦二维码生成器
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发布者资料
第一站编辑 查看详细资料 发送留言 加为好友 用户等级:注册会员 注册时间:2012-05-22 19:05 最后登录:2014-08-08 03:08
栏目列表
推荐内容
分享按鈕