愛奇藝各項業務高速發展，也需要AI技術的支持；本文就以廣告為例，談談愛奇藝技術產品團隊在廣告演算法系統搭建過程中的一些經驗和總結。Enjoy~
一、業務背景
廣告是互聯網流量變現的重要手段，是驅動工業界大規模AI技術應用與研究最重要的場景之一。
伴隨著愛奇藝各項業務的快速發展，愛奇藝的廣告業務也已達到百億級規模。按廣告推廣目標的不同，愛奇藝廣告業務分為品牌廣告和效果廣告。
- 品牌廣告主要出現在用戶觀看視頻正片前，這個位置用戶關注度高，可以幫助廣告主快速接觸大量用戶，宣傳品牌形象。
- 效果廣告主要出現在信息流，這個位置廣告展現形式和上下文內容一致，通過個性化推薦技術廣告主可以獲得更好的直接轉化效果。
下面分享一下團隊在廣告演算法系統搭建過程中的一些經驗和總結：
二、愛奇藝廣告演算法系統框架
廣告變現的基本邏輯是流量＊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投放的進一步要求，廣告售賣不斷向精細化運營轉變，AI技術在其中扮演著非常重要的角色。
為了更好的支持業務發展，我們搭建了一套智能廣告演算法系統：
圖1 愛奇藝廣告演算法系統框架
- 對於廣告主，通過AI技術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。
- 對於平台，通過智能庫存分配和個性化推薦最大化廣告分發效率。
- 對於用戶，在保證基本商業利益的同時不斷優化廣告觀看體驗，構建更加健康的廣告生態。
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：
1. 智能出價
在效果廣告的場景，最終的展現機會採用eCPM（eCPM＝bid＊pctr＊pcvr）競價的方式，每次廣告展現的計費價格都會隨著競價的激烈程度動態變化。
圖2 競價網路廣告展現機會
對廣告主而言，只有設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，我們運用機器學習技術實現了一套智能出價演算法。
這套演算法的基本原理是：
（1）採用KNN的方法從歷史訂單中尋找相似訂單；
圖3 基於廣義KNN的相似訂單查找
（2）存在相似訂單，則使用歷史訂單數據擬合出價和曝光的相互關係，並給出建議出價；
（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 基於XGBoost的出價預測
2. 庫存分配
在品牌廣告的場景，廣告的售賣採用合約的方式，缺量需要對廣告主進行補量賠償，平台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
不同於個性化推薦每次請求相互獨立，庫存分配是一個NP難的全局優化問題。
為了達到每次請求實時決策、全局最優的效果，我們設計了一套離線＋在線的庫存分配系統。離線通過庫存預估精準刻畫未來庫存結構，基於離線構造的分配二部圖可以進行庫存預分配。
在線除了執行離線產生的分配策略外，還通過訂單的實時執行進度動態校準離線預測偏差。
圖6 庫存分配系統
庫存預估是庫存分配的一個核心問題，我們基於ARIMA、LSTM實現了一套精準的庫存預估演算法，能準確的預測不同維度組合下未來一段時間的廣告庫存。
圖7 庫存預估演算法
3. TrueView
TrueView是一種創新的視頻廣告形式，用戶可以按照自己的意願選擇是否觀看廣告，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廣告流失的可能性。
在平台側，只有實現一套精準的TrueView預估演算法，才能減少因用戶跳過廣告造成的庫存浪費。為了有效提昇平台整體TrueView率，我們實現了一套基於用戶分類的TrueView演算法。
圖9 基於用戶分類的TrueView演算法在模型
這塊，我們除了嘗試LR、GBDT、FM等傳統機器學習模型外，還實現了一套基於Wide&Deep的深度模型，並取得了不錯的效果提升。
圖10 基於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，大多數模型基於機器學習技術，需要足夠的用戶反饋數據輔助提升演算法效果。
隨著NLP、圖像、視頻內容理解技術的進一步發展，以及和廣告業務的深度結合，未來AI可以幫助我們強化對用戶和內容的理解，進一步提升廣告與用戶、廣告與視頻內容的關聯性。
作者：愛奇藝技術產品團隊
來源：愛奇藝技術產品團隊（ID：iQIYI-TP）
題圖來自 Unsplash，基於CC0協議。