1. 引言
資訊流是目前大眾點評除搜尋之外的第二大使用者獲取資訊的入口，以優質內容來輔助使用者消費決策並引導發現品質生活。整個大眾點評資訊流（下文簡稱點評資訊流）圍繞個性化推薦去連線使用者和資訊，把更好的內容推薦給需要的使用者。資訊流推薦系統涉及內容挖掘、召回、精排、重排、創意等多層機制和排序。本文主要圍繞創意部分的工作展開，並選取其中重要的文字創意最佳化做介紹，分為三個部分：第一部分闡述幾個重點問題，包括創意最佳化是什麼，為什麼做，以及挑戰在哪裡；第二部分講述領域內的應用及技術進展；第三部分介紹我們創意最佳化的實踐，最後做個總結。
什麼是創意最佳化
創意是一個寬泛的概念，它作為一種資訊載體對受眾展現，可以是文字、影像、影片等任何單一或多類間的組合，如新聞的標題就是經典的創意載體。而創意最佳化，作為一種方法，指在原有基礎上進一步挖掘和啟用資源組合方式進而提升資源的價值。在網際網路領域產品中，往往表現為透過最佳化創意載體來提升技術指標、業務目標的過程，在資訊流中落地重點包括三個方向：
文字創意：在文字方面，既包括了面向內容的摘要標題、排版改寫等，也包括面向商戶的推薦文案及內容化聚合頁。它們都廣泛地應用了文字表示和文字生成等技術，也是本文的主要方向。
影像創意：影像方面涉及到首圖或首幀的優選、影像的動態裁剪，以及影像的二次生成等。
其他創意：包括多類展示理由（如社交關係等）、元素創意在內的額外補充資訊。
核心目標與推薦問題相似，提升包括點選率、轉化率在內的通用指標，同時需要兼顧考量產品的閱讀體驗包括內容的導向性等。關於“閱讀體驗”的部分，這裡不作展開。
為什麼要做文字生成
首先文字創意本身為重要的業務發展賦能。在網際網路下半場，大眾點評平臺（下稱點評平臺）透過內容化去提升使用者停留時長，各類分發內容型別在不停地增加，透過最佳化創意來提升內容的受眾價值是必由之路。其次，目前很多內容型別還主要依賴運營維護，運營內容天然存在覆蓋少、成本高的問題，無法完全承接需要內容化改造的場景。最後，近幾年深度學習在NLP（Natural Language Processing，自然語言處理）的不同子領域均取得了重大突破。更重要的是，點評平臺歷經多年，積澱了大量可用的內容資料。從技術層面來說，我們也有能力提供系統化的文字創意生成的解決方案。
對此，我們從文字創意麵向物件的角度定義了兩類應用形態，分別是面向內容的摘要標題，以及面向商戶的推薦文案與內容化聚合頁。前者主要應用資訊流各主要內容場景，後者則主要應用在資訊流廣告等內容化場景。這裡提前做下產品的簡單介紹，幫助大家建立一個立體化的感知。