<mark id="oztn4"></mark>
0
| 本文作者： 楊曉凡 | 2017-08-16 10:24 |
雷鋒網(wǎng) AI 科技評(píng)論按：2017年8月13-17日，第23屆國(guó)際知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘大會(huì)（KDD）在加拿大哈利法克斯召開。KDD的英文全稱是Knowledge Discovery and Data Mining，即知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘，由美國(guó)計(jì)算機(jī)協(xié)會(huì)ACM下的數(shù)據(jù)挖掘分會(huì)舉辦，是國(guó)際數(shù)據(jù)挖掘領(lǐng)域的頂級(jí)會(huì)議。 KDD 2017共吸引全世界1144篇論文投遞，收錄216篇，包括清華、中科院、阿里在內(nèi)的中國(guó)大陸學(xué)術(shù)界和工業(yè)界共被收錄25篇。
在 KDD 2017全球論文投稿中，阿里集團(tuán)和螞蟻金服共有5篇論文被大會(huì)收錄，本次被收錄論文涵蓋深度學(xué)習(xí)、大規(guī)模圖計(jì)算、商品智能排序等多個(gè)研究領(lǐng)域，基于真實(shí)的業(yè)務(wù)場(chǎng)景或數(shù)據(jù)樣本，文中部分方法結(jié)論已經(jīng)在業(yè)務(wù)中運(yùn)用。如深度學(xué)習(xí)語(yǔ)義建模研究中提出了一種新的文本語(yǔ)義編碼算法conv-RNN，該模型在參考了較為常用的文本語(yǔ)義編碼模型循環(huán)神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的同時(shí)，進(jìn)行了進(jìn)一步的文本語(yǔ)義編碼優(yōu)化，實(shí)現(xiàn)更為精準(zhǔn)的文本分類和問(wèn)答匹配并已應(yīng)用于阿里智能音響“天貓精靈”。
如下是來(lái)自阿里的KDD 2017 收錄論文「Optimized Cost per Click in Taobao Display Advertising」（「淘寶展示廣告中的OCPC智能調(diào)價(jià)算法」）的解讀文章，文章作者為朱晗，靳駿奇，李晗。 
該論文圍繞OCPC智能調(diào)價(jià)，創(chuàng)新地提出了一種雙層優(yōu)化形式，將優(yōu)化廣告主價(jià)值轉(zhuǎn)化為首要約束條件，將系統(tǒng)根據(jù)預(yù)估收益對(duì)廣告進(jìn)行排序作為內(nèi)層優(yōu)化問(wèn)題，將用戶體驗(yàn)和平臺(tái)收益的最大化作為外層的尋優(yōu)問(wèn)題，并提出了相應(yīng)的求解方法。最終達(dá)到不僅廣告主效果優(yōu)化，平臺(tái)商業(yè)收入和用戶指標(biāo)也獲得優(yōu)化的三位一體目標(biāo)。
基于固定出價(jià)的傳統(tǒng)廣告系統(tǒng)中，廣告主對(duì)特定用戶人群和廣告位設(shè)定固定的競(jìng)價(jià)，其本質(zhì)是粗粒度的流量區(qū)分和匹配。事實(shí)上，廣告主有著進(jìn)一步細(xì)粒度的競(jìng)價(jià)和流量質(zhì)量匹配的訴求。該系統(tǒng)還有著兩方面的缺陷。其一，廣告主單一固定的出價(jià)應(yīng)對(duì)連續(xù)多變的流量模式導(dǎo)致經(jīng)濟(jì)效率低下；其二，傳統(tǒng)的最大化廣告收益（eCPM）的排序機(jī)制過(guò)于追求短期商業(yè)利益，無(wú)法調(diào)控流量對(duì)用戶體驗(yàn)、商家利益、成交額等指標(biāo)的影響，不利于淘寶生態(tài)的長(zhǎng)期可持續(xù)繁榮。
曾被《經(jīng)濟(jì)學(xué)人》稱為“中國(guó)最大在線市場(chǎng)”的淘寶擁有世界先進(jìn)水平的在線廣告系統(tǒng)。該論文的研究聚焦于重要的淘寶移動(dòng)端CPC展示廣告中的競(jìng)價(jià)優(yōu)化問(wèn)題。由于淘寶CPC展示廣告處于相對(duì)重要的場(chǎng)景，其廣告投放的優(yōu)化通常需考慮諸多因素，如反應(yīng)商家利益的投資回報(bào)率（ROI）、總成交額（GMV）、轉(zhuǎn)化率（CVR），反應(yīng)平臺(tái)用戶體驗(yàn)的點(diǎn)擊率（CTR），以及淘寶平臺(tái)收益指標(biāo)（千次展現(xiàn)收益RPM）等。
值得一提的是，谷歌公司AdWords的ECPC也嘗試根據(jù)用戶潛在轉(zhuǎn)化率調(diào)整廣告主競(jìng)價(jià)。然而，除了轉(zhuǎn)化率，ECPC無(wú)法直接優(yōu)化其它諸多對(duì)淘寶生態(tài)重要的指標(biāo)（如平臺(tái)整體GMV等）。
論文設(shè)想通過(guò)算法對(duì)于每條用戶請(qǐng)求，在保障優(yōu)化廣告主利益的前提下，自動(dòng)地調(diào)整廣告主競(jìng)價(jià)從而使競(jìng)價(jià)能夠反應(yīng)該流量的真實(shí)價(jià)值。流量?jī)r(jià)值的定義上，算法融合了用戶體驗(yàn)、廣告主收益以及平臺(tái)收益的整體生態(tài)指標(biāo)，旨在實(shí)現(xiàn)三方共贏的商業(yè)局面。基于此，論文提出了一種新的Optimized cost per click (OCPC)智能調(diào)價(jià)算法。
OCPC智能調(diào)價(jià)算法從數(shù)學(xué)上描述并分析了優(yōu)化廣告主訴求的條件，進(jìn)而提出了一種優(yōu)化平臺(tái)生態(tài)綜合指標(biāo)以及平臺(tái)收益的算法。事實(shí)上，該算法框架適用于多種廣告主訴求以及平臺(tái)生態(tài)指標(biāo)的優(yōu)化問(wèn)題，例如用戶的瀏覽量、點(diǎn)擊量、轉(zhuǎn)化率等。
論文選擇了ROI以及流量質(zhì)量作為廣告主的優(yōu)化訴求，選擇GMV作為平臺(tái)生態(tài)指標(biāo)，并通過(guò)調(diào)整廣告主出價(jià)優(yōu)化平臺(tái)的商業(yè)收益。
ROI（投資回報(bào)率）優(yōu)化算法
智能調(diào)價(jià)算法分析了優(yōu)化廣告主投資回報(bào)率的條件，即ROI約束。其中，定義交易轉(zhuǎn)化為c，用戶為u，廣告位a，那么在用戶和廣告的條件下產(chǎn)生轉(zhuǎn)化的條件概率為p(c|u, a)。對(duì)于一個(gè)特定的廣告計(jì)劃a，定義va為預(yù)估的筆單價(jià)。因此，單次點(diǎn)擊的期望GMV為
。進(jìn)一步定義廣告主為每一次點(diǎn)擊付費(fèi)為ba，那么單次點(diǎn)擊的期望ROI則為公式（1）：
（1）
即單次點(diǎn)擊的期望投資匯報(bào)率為期望GMV除以單次點(diǎn)擊價(jià)格。進(jìn)而，廣告a對(duì)于不同用戶和點(diǎn)擊的ROI如公式（2），即平均轉(zhuǎn)化率乘以比單價(jià)除以單次點(diǎn)擊價(jià)格，其中na是某個(gè)用戶在一段時(shí)間內(nèi)的點(diǎn)擊量。
（2）
公式（2）說(shuō)明了ROI和一段時(shí)間內(nèi)平均轉(zhuǎn)化率p(c|u, a)之間的線性關(guān)系，因此，只需要調(diào)價(jià)幅度小于當(dāng)前流量轉(zhuǎn)化率和歷史平均流量轉(zhuǎn)化率的比值，就能從理論上保證ROI不會(huì)下降，如公式（3）所示：
（3）
從而，該算法競(jìng)價(jià)優(yōu)化的原則是：對(duì)于轉(zhuǎn)化率升高的流量，提升其競(jìng)價(jià)來(lái)幫助廣告主競(jìng)得優(yōu)質(zhì)流量；對(duì)于轉(zhuǎn)化率下降的流量，降低競(jìng)價(jià)從而節(jié)約在劣質(zhì)流量上的成本。出于調(diào)價(jià)的安全考慮，該算法設(shè)定了固定的調(diào)價(jià)范圍參數(shù)，保證廣告主的調(diào)價(jià)不過(guò)高或者過(guò)低，并以此得出調(diào)價(jià)的上界
和下界
如公式（4）。
（4）
綜合指標(biāo)優(yōu)化算法
在給定上下界的范圍內(nèi)優(yōu)化出價(jià)可以幫助廣告主獲得更高質(zhì)量的流量以及更高的ROI。但是，約束空間內(nèi)解的不同出價(jià)會(huì)導(dǎo)致不同的eCPM排序，并最終影響平臺(tái)收益和其它指標(biāo)的效果。因此，該算法提出了一種在eCPM排序機(jī)制下，對(duì)綜合指標(biāo)保優(yōu)的出價(jià)調(diào)整算法。其核心解決的優(yōu)化問(wèn)題如公式（5）。
（5）
其中n是候選廣告的數(shù)量，pctr是預(yù)估點(diǎn)擊率（由阿里媽媽精準(zhǔn)技術(shù)團(tuán)隊(duì)自主研發(fā)的混合邏輯回歸算法MLR支持，可以參見雷鋒網(wǎng) AI 科技評(píng)論此前報(bào)道）。f()函數(shù)定義了系統(tǒng)期望最大化的綜合指標(biāo)，典型的兩個(gè)例子如公式（6），其中，第一個(gè)目標(biāo)函數(shù)可以優(yōu)化總成交額GMV；第二個(gè)目標(biāo)函數(shù)權(quán)衡優(yōu)化總成交額GMV和廣告收益。
（6）
如公式（5）所示，我們希望在滿足廣告主訴求的調(diào)價(jià)范圍內(nèi)進(jìn)行調(diào)價(jià)，使得ECPM排序機(jī)制（如公式（5））下最優(yōu)的廣告，其綜合指標(biāo)函數(shù)f()的值也最大。該優(yōu)化問(wèn)題的主要求解方法請(qǐng)參見KDD 2017收錄的論文原文: Han Zhu, Junqi Jin, Chang Tan, Fei Pan, Yifan Zeng, Han Li, Kun Gai. Optimized cost per click in Taobao display advertising. ACM SIGKDD 2017.
該優(yōu)化問(wèn)題的設(shè)計(jì)實(shí)現(xiàn)了最終排序指標(biāo)和廣告主流量目標(biāo)的解耦。一方面，候選廣告仍然按照最大化eCPM的pctr*b標(biāo)準(zhǔn)排序，廣告主通過(guò)調(diào)價(jià)匹配流量?jī)r(jià)值，同時(shí)整體eCPM排序機(jī)制保證了廣告主出價(jià)撬動(dòng)流量的能力不受影響；另一方面，廣告平臺(tái)可以通過(guò)設(shè)計(jì)不同的f()函數(shù)優(yōu)化相應(yīng)的平臺(tái)綜合指標(biāo)。
OCPC智能調(diào)價(jià)算法在離線模擬實(shí)驗(yàn)和線上實(shí)際生產(chǎn)環(huán)境中都取得了明顯的效果提升。單品廣告離線模擬效果如表1所示。其中，評(píng)價(jià)指標(biāo)為RPM（廣告千次展現(xiàn)收益），GPM（千次展現(xiàn)GMV），CTR（廣告點(diǎn)擊率），CVR（成交轉(zhuǎn)化率），PPC（單次點(diǎn)擊扣費(fèi)）。基準(zhǔn)策略是傳統(tǒng)的廣告排序方法，表中數(shù)據(jù)為該論文提出的OCPC算法相對(duì)基準(zhǔn)策略的效果提升百分比。實(shí)驗(yàn)結(jié)果表明，OCPC算法明顯提升了商家千次展現(xiàn)成交額（GPM）和成交轉(zhuǎn)化率（CVR）。
OCPC算法在在線生產(chǎn)環(huán)境中也展現(xiàn)了明顯的效果提升，相比基準(zhǔn)策略，其效果提升百分比如表2。
持續(xù)一周的線上生產(chǎn)環(huán)境效果分析表明，OCPC使得67%的廣告主制定的廣告計(jì)劃（Campaign）的千次展現(xiàn)成交額（GPM）和廣告投資回報(bào)率（ROI）同時(shí)獲得了提升，如表3。另有24%的廣告計(jì)劃顯示出流量數(shù)量和質(zhì)量的置換現(xiàn)象（Quantity and quality exchange），其含義是：這類廣告主由于獲得了更多的流量，拉低整體平均ROI下跌。但是，由于其整體流量增幅高于平均ROI跌幅，這些廣告主的成交轉(zhuǎn)化數(shù)都獲得了提升。
除了單品廣告場(chǎng)景，該算法在淘寶移動(dòng)端首頁(yè)頂部的Banner廣告中也明顯提升了商家的成交額和轉(zhuǎn)化率，如表4。從商品的類目視角分析，表5的數(shù)據(jù)表明17%的類目（占62%的瀏覽量）流量的商家GPM和ROI獲得了同時(shí)提升，27%的類目（占21%的瀏覽量）流量的GPM獲得了提升，另有30%的類目（占12%的瀏覽量）顯示出流量數(shù)量和質(zhì)量的置換（與單品廣告分析相似，其轉(zhuǎn)化效果也獲得了提升）。
論文指出，持續(xù)了一周以上的線上實(shí)驗(yàn)結(jié)果表明，OCPC算法在長(zhǎng)期的考察中展現(xiàn)了穩(wěn)定的明顯正向效果提升，為大多數(shù)廣告主以及平臺(tái)帶了經(jīng)濟(jì)效益的增長(zhǎng)。更多詳盡的算法分析以及更多場(chǎng)景中OCPC效果的實(shí)驗(yàn)請(qǐng)參閱論文原文。
該項(xiàng)技術(shù)在淘寶展示廣告主要場(chǎng)景上得到了全面應(yīng)用并取得了明顯的效果提升，單品主流場(chǎng)景中67%的廣告主ROI（廣告投資回報(bào)率）和GMV（商品交易總額）同時(shí)獲得了提升，另有24%的廣告主其流量增幅大于ROI降幅，即成交總量獲得了提升。該場(chǎng)景商家整體成交額GMV提升8.9%，CVR（成交轉(zhuǎn)化率）提升5.2%，RPM（廣告千次展現(xiàn)收益）提升6.6%。Banner CPC場(chǎng)景中，62%流量的商家成交額GMV和ROI同時(shí)獲得提升，21%的流量GMV獲得提升，另12%的流量成交總量獲得了提升。該場(chǎng)景商家總成交額GMV提升15.7%，CVR提升19%，RPM提升3.6%。
未來(lái)，阿里媽媽精準(zhǔn)技術(shù)團(tuán)隊(duì)將繼續(xù)圍繞客戶核心價(jià)值，在業(yè)務(wù)上提升營(yíng)銷效率，設(shè)計(jì)更精準(zhǔn)的流量實(shí)時(shí)價(jià)值評(píng)估系統(tǒng)。通過(guò)持續(xù)優(yōu)化商家和消費(fèi)者的匹配與連接效率，提升商家的營(yíng)收和消費(fèi)者的用戶體驗(yàn)。技術(shù)上，該團(tuán)隊(duì)將進(jìn)一步探索基于深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等最前沿的人工智能算法，在持續(xù)支持業(yè)務(wù)效果提升的同時(shí)，為學(xué)術(shù)界、工業(yè)界貢獻(xiàn)創(chuàng)新的算法和技術(shù)解決方案。
論文原文鏈接：https://arxiv.org/abs/1703.02091
相關(guān)文章：
阿里蓋坤團(tuán)隊(duì)提出深度興趣網(wǎng)絡(luò)，更懂用戶什么時(shí)候會(huì)剁手
