廣告系統設計：個性化推薦

零基礎學產品，BAT產品總監帶，2天線下集訓+1年在線課程，全面掌握優秀產品經理必備技能。了解詳情

上一篇中，二哈講述了廣告業務的流量提升，在講述提升廣告點擊率的時候，提到了迎合用戶喜好的概念，本篇就來說說如何迎合用戶喜好吧。

用戶和廣告交互的全過程可以表述為：看見廣告—對素材產生興趣—點擊廣告—對內容產生興趣—消費廣告。

注意，這裡的廣告泛指一切商業化行為，包括且不限於廣告、直播、遊戲、增值服務、會員業務等。

所以個性化推薦的重點為：

讓用戶看到喜歡的素材（核心指標為CTR，點擊率）
點擊後看見喜歡的內容（核心指標為後續轉化率，比如會員則是付費率，應用廣告則是安裝率）
素材和內容之間保持相關性（核心指標為跳出率）

1、讓用戶看到喜歡的素材

雖然在上一篇中說到素材優化的點（誘惑性），但是每個人的興趣點實際是千差萬別的。就好比“吃雞”這個詞語，對於20歲的人和40歲的人來說，意義完全不一樣。下面來詳細介紹一下幾種實操方法：

1.1、對比測試法

1.1.1、對於相同的一群用戶，隨機分為兩個組別，一個組投放A素材，另一個組投放B素材，如果CTR（A）>CTR（B），那麼A要優於B，以後是不是投放A就好啦？但是投著投著發現，點擊率慢慢下降，這是為什麼呢？因為長期不變的素材對於用戶的吸引力變弱了（用戶已經有了清楚的預期），該換新的素材了！

1.1.2、由編輯不斷產出新的素材，同時上線多輪素材測試投放，選出最好的持續投放幾天，再進行新的測試。慢慢的點擊率保持穩定上升了，但是上升幅度慢慢變小，評估效果工作量也越來越大，這下該怎麼辦呢？其實交給電腦就好了。

1.1.3、素材優化系統開始搭建，包含素材庫、統計服務、投放服務等。由編輯手動錄入大量素材，配置好對應的廣告位，初始時由服務端將大量素材平均分配給隨機用戶，一段時間後計算每個素材的CTR，進行權重更新，CTR高的素材佔更大的權重，CTR低的素材佔更小的權重，另外留一部分權重給新錄入的素材，引入時間衰減函數，若長時間表現不好的素材，直接淘汰掉，編輯同學參照CTR最高的那些素材進行新的設計。

經過以上三步，CTR應該能提升100%以上（工作經驗），但你會發現，很快就會到達天花板，因為這裡有兩個因素的問題：1、每個人被當做相同的個體；2、設計素材的能力。

那麼怎麼才能繼續提升呢？進入下一個方法。

1.2、協同過濾法

設計素材的能力短期內無法提升的話，我只要把每個人當做不同個體來衡量就好啦，那麼點擊率就變成了CTR1、CTR2、CTR3……這裡就需要開始引入協同過濾的概念了。

1.2.1、協同過濾（主要有兩個方向）：

基於物品（內容）推薦：比如你喜歡A，通過A的特徵找到B和A很相似，C和A不相似，那麼更傾向於給你推薦B

基於用戶推薦：比如你喜歡A，他也喜歡A，通過你和他的共同特徵（喜歡A），認為你和他相似，如果他還喜歡B，那麼更傾向於給你推薦B

1.2.2、操作步驟為：選取推薦方法——對用戶/物品打標籤——計算相似度——產生推薦結果——測試結果修正算法

選取推薦方法：主要看數據是否豐富，如果用戶特徵豐富，那麼選擇基於用戶，反之選擇基於物品；
對用戶/物品打標籤：用戶標籤在用戶畫像的文章中有提到，想了解的可以看一下，物品的話以廣告為例，可以分為類型（遊戲、體育、財經）、載體（圖片、文字）、內容（人、動物）、風格（可愛、成熟）等等，以及分配各標籤的權重；
計算相似度：對每個用戶/物品進行向量化，每個標籤就是一維向量，最終計算的其實就是n維向量的相似度，常用方法有餘弦相似度、歐式距離等（這裡不詳述）；
產生推薦結果：C用戶喜歡A，且A和B相似（以基於物品為例）
測試結果修正算法：將B投放給C用戶，若效果不理想，主要考慮優化標籤和權重。

經過以上兩步，CTR應該能再提升30%以上（工作經驗），主要限制提升率的因素在於標籤庫的豐富程度，實際工作中，尤其是廣告業務，能拿到的有效標籤很少，所以推薦出來的結果不盡如人意。

那麼，試著提升設計素材的能力呢？

1.3、AI生成法（二哈沒有實操經驗，只是討論）

最簡單提升能力的方法就是換更厲害的設計！ 2333333……如果能換的話，請略過這個篇章。

不知道大家有沒有了解過阿里的魯班或者騰訊的Dreamwriter，他們都是通過機器學習的方式來達到自動生產內容的工具。核心流程如下：

拆解圖片/文本，比如圖片可拆解成：背景、框架、色彩、主產品、次要產品、標題、描述等等；而文本直接可以通過切詞完成。
引入大量圖片/文本作為元素集合，為訓練做準備
通過機器學習的方式，讓電腦知道A和B在一起是可以的，B和C在一起是不行的（學習規律）
生成大量內容，投放測試（其實類似於海量的對比測試+協同過濾的方式）

這裡的核心點在於：

有海量的歷史數據作為訓練樣本；
有足夠專業的設計能力去干預；
有足夠的投放樣本回收結果

2、點擊後看見喜歡的內容/素材和內容之間保持相關性

這兩點其實可以一起說，因為簡單說來就是：1-轉化率=跳出率，通過點擊廣告素材看到內容的用戶，要不就是轉化了，要不就是跳出了，無非這兩種出路（第三種可能是產品有問題直接掛了，這裡不談）。

那麼怎麼提升呢？其實也就是和CTR優化一樣，對比測試、協同過濾、AI生成，因為素材，也是內容的一種。

但一般情況下，素材和內容應該是綁定的，也會有多個素材對應一個內容的情況，但一般不會有多個內容對應一個素材的情況，所以大家經常看見，同一個業務，會在產品上有多個廣告入口，而同一個廣告入口對應多個業務，則會相互瓜分流量。

也就是說，在綁定的前提下，只要優化好前者（素材CTR），那麼後者（內容後續轉化率）自然就高了。

之前實際操作過一次，將後續的內容元素直接添加到了廣告素材上（素材和內容保持一致），且用戶對內容元素是認知的、是喜歡的，結果CTR提升了30%，後續付費轉化提升了將近400%

但在實際工作中，大家經常會為了追求導入高流量（點擊率）故意把廣告素材做的很誘惑，甚至偏離了實際內容，這將會帶來後續轉化率降低，以及用戶的信任度降低，這是為了追求短期利益導向，不優先推薦。（儘管二哈也做過類似的事情）

好啦，本篇基本也就講完了，感覺很多地方都沒有講得很細，爭取慢慢完善，不足之處請指教啦。