广告算法和推荐算法可以说是不同应用场景下的算法体系，而两者在广告推荐这个场景下是存在一定的交叉。
广告系统的投放过程除了有推荐的场景，还有搜索和指定定向的场景。而推荐系统针对内容分发也可区分为广告推荐和自然推荐（非广告推荐）两种场景，在不同的场景下使用的算法是有差异的。
针对“广告算法和推荐算法有什么异同”这个问题，本文将主要从针对广告推荐和自然推荐两种不同的场景的异同进行简单说明，因为其他场景两者的关系不大。
整个广告推荐的过程，主要涉及广告主、媒体、用户三个参与方，而自然推荐只考虑媒体跟用户两方。
整个推荐计算过程包含召回和排序两大核心阶段，而由于自然推荐和广告推荐的核心目标不一致，这样就会导致召回和排序阶段的要考虑的优化指标是不一样的。
-
自然推荐：为了提高媒体的分发效率和用户体验；
-
广告推荐：为了提高媒体广告收益和转化效果。
以内容推荐为例，对于召回阶段，自然推荐和广告推荐使用的召回算法和方式差异不大，召回方式包含如：基于标签类召回、协同过滤召回、模型向量召回等。
而差异点主要体现在：召回标的物池和召回规则的不同。
1.召回标的物不同
自然推荐：所有的媒体内容；
广告推荐：所有广告主广告。
2.召回规则不同
自然推荐：主要考虑内容和用户的相关性、内容热度、运营规则等；
广告推荐：除了相关性因素，还包含广告状态、广告位是否匹配、定位范围等因素。
对于排序阶段，自然推荐和广告推荐使用的排序模型算法也是差异不大，如LR、GBDT、DeepFM等。
但广告推荐和自然推荐衡量和考虑的是指标是不一样的——
自然推荐会根据媒体的属性不同，指标会有差异，如视频网站类媒体，可能会使用播放时长、播放量等指标，而电商类媒体可能会使用购买量和好评率等指标。
而广告推荐相对比较统一，就是eCPM。
*eCPM需要根据不同出价方式来计算：
按展示出价：eCPM=CPM
按点击出价：eCPM=CPC*pCTR*1000
按转化出价：eCPM=CPA*pCVR*pCTR*1000
两者的差异点还体现在自然推荐的排序指标的指标值是比较明确的，而广告推荐是预估值，而这个预估值的准确与否会影响到媒体的收入。
以上，就是本文对广告算法和推荐算法的异同点分析，如果大家感兴趣欢迎留言交流~
延伸阅读：
2946
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
