Wayfair的廣告競價系統架構 - quastor

banq發表於2022-04-09
AI架構AST

Wayfair是一家銷售家庭傢俱的電子商務公司。你可以把他們看作是 "家用傢俱的亞馬遜"。他們與23000多家供應商合作，在其網站上有超過3000萬件產品。

為了讓客戶訪問Wayfair的網站，他們在搜尋引擎和社交媒體網站上花費了大量的廣告。2019年，Wayfair在谷歌搜尋廣告、Facebook/Instagram廣告、YouTube廣告等方面的廣告支出超過10億美元。當你在谷歌上搜尋 "檯燈 "時，Wayfair將是競標這個詞的廣告位的公司之一。Wayfair可能願意為其檯燈廣告的每次點選支付1美元。
確定數百萬個廣告位置的最佳出價是一項極其困難的任務，它意味著Wayfair的底線有數億美元的差異。廣告出價太低將無法贏得廣告投放名額，而提交的出價太高則會損害Wayfair的利潤率。

為了管理這個問題，Wayfair的競價和最佳化平臺團隊為廣告競價建立了一箇中央平臺。
Satish Gopalakrishnan是Wayfair的工程副總監，他就這個系統背後的設計寫了一篇很棒的博文。

這裡是總結：

在Wayfair進行廣告競價的早期，沒有一個集中的平臺來進行競價。當工程師想測試一種新的廣告競價方法時，他們必須重新實現系統的幾個部分。
這意味著同類工作的重複，進入市場的時間較慢，而且缺乏可觀察性和協調性。

為了解決這個問題，Wayfair決定建立一箇中央平臺。

設計目標
Wayfair的廣告競價平臺的設計目標是

可擴充套件性--沒有單一的最佳廣告競價方法。你可能想用一個ML模型來決定出價，或者你可能想用簡單的啟發式方法。

競價的方法可以根據產品類別、目標關鍵詞等而不同。

因此，平臺應該能夠輕鬆支援不同的出價方法。

  • 可觀察性--平臺應提供決策以某種方式作出的原因的可見性。
  • 可配置性 - 應該有控制措施來改變引數，如出價的積極性和廣告投資的回報。應該很容易為某些產品配置高積極性，為其他產品配置低積極性。
  • 實驗--平臺應該允許進行簡單的試錯實驗，以測試新的競價方法。
  • 可擴充套件性--隨著Wayfair增加更多的產品和競價方法，該平臺應該很容易擴充套件。它還應該為資料科學和營銷團隊提供高質量的資料。


架構設計
我們來看看每一個組成部分。

1. FORGE：
FORGE進行必要的資料工程，以建立廣告競價平臺用於建立競價的資料。
FORGE從各種外部和內部來源/訊號中獲取資料。然後，它對資料進行資料轉換，包括聚合和身份對映。FORGE還進行更復雜的操作，以檢測異常資料並將其排除。
這是一個連續的管道，轉換是以模組化的方式完成的，所以它們很容易配置/刪除。

2.競標控制檯：
Wayfair的分析師可以在這裡調整廣告競價平臺的引數，比如出價的積極性。
它是非常可定製的，可以針對特定的產品/關鍵詞。

3. 單一出價計算器
廣告平臺的核心構件是單一出價計算器（SBC）。SBC提供決定實際出價的核心邏輯。
SBC將特定的產品（例如Herman Miller Aeron Chair）作為輸入。然後，它使用該產品的所有相關資料/訊號來產生廣告位置的出價。SBC依靠ML或啟發式方法（或兩者）來得出出價。

廣告平臺將使用多個SBC，為Herman Miller Aeron Chair產品提出多個競價。

  • 這使Wayfair可以靈活地使用一些出價的組合作為最終出價
  • 同時評估多種出價方式，並進行反事實分析（例如，在特定情況下，出價方式X會產生更好的出價）。
  • 在SBC失敗的情況下有後備的投標。


可觀察性和供應商對映
在最終的投標產生後，它們被髮送到一個可觀察層，在那裡記錄關於投標的各種因素。
之後，出價被翻譯成供應商的特定術語，然後被髮送到各種廣告供應商平臺（谷歌廣告、必應廣告等）。

相關文章