業務背景
廣告是網際網路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使用者觀看影片正片前，這個位置使用者關注度高，可以幫助廣告主快速接觸大量使用者，宣傳品牌形象。效果廣告主要出現在資訊流，這個位置廣告展現形式和上下文內容一致，透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。
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。為了更好的支援業務發展，我們搭建了一套智慧廣告演算法系統：
圖1 愛奇藝廣告演算法系統框架
• 對於廣告主，透過AI技術提供豐富的智慧投放工具，幫助廣告主提升運營效率和投放效果；
• 對於平臺，透過智慧庫存分配和個性化推薦最大化廣告分發效率；
• 對於使用者，在保證基本商業利益的同時不斷最佳化廣告觀看體驗，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慧系統：
智慧出價
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，只有設定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慧出價演算法。這套演算法的基本原理是：
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的相似訂單查詢
2.存在相似訂單，則使用歷史訂單資料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
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，平臺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難的全域性最佳化問題。為了達到每次請求實時決策、全域性最優的效果，我們設計了一套離線＋線上的庫存分配系統。離線透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。線上除了執行離線產生的分配策略外，還透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
TrueView
TrueView是一種創新的影片廣告形式，使用者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的使用者觀看買單，不需要為選擇跳過的使用者支付廣告投放費用。
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，降低了使用者因為不相關廣告流失的可能性。在平臺側，只有實現一套精準的TrueView預估演算法，才能減少因使用者跳過廣告造成的庫存浪費。為了有效提升平臺整體TrueView率，我們實現了一套基於使用者分類的TrueView演算法。
圖9 基於使用者分類的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
展望未來
AI能力使得廣告營銷智慧化，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，需要足夠的使用者反饋資料輔助提升演算法效果。隨著NLP、影像、影片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使用者和內容的理解，進一步提升廣告與使用者、廣告與影片內容的關聯性。