微信朋友圈 Lookalike 算法

朋友圈的广告推送原理今天做点笔记，简单记录一下

Lookalike是做什么的

通常广告主投放广告，通过提交广告需求，后台圈定一部分潜在用户，这称为Lookalike模块

一般Lookalike的做法：
1、显性定位，广告主根据用户标签直接定位，比如说通过年龄、性别、地域这样的标签来直接圈定一部分用户进行投放。技术支持用户画像的挖掘。
缺点： 不够精准，通过标签指定的用户量大，需要精准筛选
2、机器学习来定位广告主的潜在用户。重点在于问题怎么转化成一个机器学习的模型呢？学习样本是什么? 优化目标是什么？

广告主提交一批客户名单，我们称之为种子用户，它作为机器学习的正样本。负样本我们会从非种子用户，或者是说平台会积累历史的一些相似的广告作为负样本，这个问题就转化为一个二分类的模型，正负样本组成学习的样本，训练模型之后，利用模型结构对活跃用户进行打分，最后得到广告主需要的目标人群。

回顾一下这个流程，广告主会提供他已有的客户名单作为种子用户，这是机器学习的正样本，然后会从活跃用户里面（非种子用户）或者历史我们已经积累了相似的广告负反馈的用户，作为负样本，训练一个二分类的模型，利用模型结果对这个用户进行打分排序，取出广告主需要的目标数据的用户

微信社交Lookalike是怎么做的

从微信朋友圈广告这个问题本身先做一些探索分析

微信朋友圈的广告和其他的广告平台差异点在于会因为好友行为（包括查看，点赞或者评论），导致自身关注率上升

数据拐点是3到5个好友

原因是社交关系数据的两个核心价值，社交同质性和社交影响力

同质性：即相似性，兴趣爱好，行业背景（小思考：协同过滤）

影响力：我的行为会受到好友的影响。那这个点投放到朋友圈广告上，我可以看到朋友对广告的反馈，会受到他的影响。

朋友圈广告，我们重点会挖掘这两个价值，就是社交同质性和社交影响力

出现两个问题

1、怎么挖掘潜在用户？

广告主提供名单的好友作为潜在用户

一、社交相似度

二、微信朋友圈的性质

这些导致同用户之间的行为会因为社会影响而形成传播，即微信社交Lookalike的基本思想。

2、社交同质性、影响力如何量化？

利用机器学习的方法对社交相似度进行量化

微信通过历史投放的广告采集到学习样本，对于有一部分好友我跟他历史上有同时曝光到一些广告，这些好友我可以计算出我跟他的广告相似度，就等于共同点击的广告数除以共同曝光的广告数。

剩余的好友，历史上没有共同曝光过广告。那我们有其他领域的数据，比如说我跟他的亲密关系，浏览或者阅读文章等兴趣相同点，能否通过这些社交的行为数据，预测到我跟他在广告上的喜好度？

Tips：（冷启动，历史行为数据和多渠道找用户便好计算和预测）

接下来就是怎么把好友关系、文章兴趣等等特征工程

采用Word2Vec的思想，将图结构的特征表达，用降维方法把图里面的节点表达为隐空间的向量。

从Wodrd2Vec到node2vec，词里面单词的词频分布，它是幂律的，有些常用词出现的频率非常高，尾巴上的词出现的频率比较低

实际上在一个社交网络的节点也是这样的，我们经常会存在一些大的节点，他会有非常多的好友，有的人好友就达不到那么多。所以说其实在社交网络里面的一个节点的分布也是幂律分布。如何把Word2Vec迁移到node2vec，这个时候就要产生一个节点的序列，它对应到了自然语言处理的一条句子，图结构里面的节点相当于NLP的一个单词

所以在图网络上按照一个搜索的方法生成节点序列，这个节点的序列可以对应到自然语言的一个句子，后面我们通过Wodrd2Vec的框架，将节点embedding为一个向量。所以对于做network embedding的时候，这个生成节点序列的搜索策略非常重要。最简单的一个方法，就是随机游走，随机游走一方面生成节点序列，另一方面也是对图的一种采样，降低了计算量。

社交数据最重要的特征就是社交的同质性。

在network embedding的时候，需要把社交同质性这个特征保留下来。我们结合网络的社团性质对随机游走的算法进行调整，比如说A节点走到C，再走到E的时候，它再往下走，这边就相当于它会走到另外一个社团。它设置了一个节点P和Q，P大的时候它是往回走，因为社交网络的特征会形成这样的社团性。

当P越大，它会越能体现同质性。Q越大的时候，它其实能够体现这种结构的相似性，不同的节点有不同的作用。比如说F节点和E节点它是连接这两个社团的桥接点。当Q大的时候，它体现的是网络结构的相似性。这时候我们怎么选P和Q？这个可以根据实际任务进行半监督的学习。

回顾一下刚才我们说的Node2vec的流程，首先通过有偏随机游走，生成一个节点序列，后面是word2vec的算法框架得到这个节点的向量表达。其中的参数调优，根据我们保留的同质性，或者根据实际的任务进行调参。

给大家看一下node2vec的结果，先给大家看这个算法的输出。这里有一个简单的图，做embedding之后的结果，1和2的节点向量是一样的，它会是重叠的一个向量，3、4、5、6也是一个重合的节点，它表达的是什么呢？为什么1和2完全重叠？其实1和2的网络环境是一模一样的，这个embedding的结果表达是是节点的社交网络环境，也就是我们说的拓扑特征。

node2vec还会有其他什么好处呢？以好友沟通网络为例，我有120个好友，实际上我沟通网络并不会跟那么多好友经常聊天，也就是说这个数据非常稀疏，在node2vec的输出结果上再计算亲密度，其实我跟所有好友的亲密度都是可以计算出来的。第一个带来的好处就是解决数据的稀疏性的问题。另外，这个结果具有稳定性。

对于沟通网络，比如说，我跟一些好友沟通可能是事务性的，不能表达亲密度的。比如一些客户，或者服务中介等，因为我跟他没有形成社交圈，在做embedding的时候， 产生序列的邻居共现次数比小，embedding出来的结果就是这些人员在亲密度排序上会排在后面，而相对来说，真实关系紧密的，比如亲人，闺蜜，同学，同事会比较稳定的排在前面。

对社交相似性的学习框架，大家可以看下面的图。 我们建立一个回归的model。现在做的是SVR模型。输入好友网络，沟通网络、文章的转发阅读网络等等，进行embedding得到特征向量表达，通过SVR模型，学习到这些特征和广告相似度的函数关系。这个函数关系计算出好友相似度，可以对好友进行排序。

评估算法的效果，最直接的就是说我有多个算法，广告主需要100万的用户，我这几个算法都给出100万用户，然后看一下这100万的用户点击量是怎么样的，我们叫Lift值。其他的算法跟它进行对比，看一下它的效果有没有提升。那我们的算法相比直接的二分类模型有2倍-3倍的lift。

总结

本次主要介绍了社交Lookalike的探索性的分析，社交的同质性和影响力，并重点分享了社交同质性量化问题。后面我们希望把Lookalike系统做成一个动态的，比如我为某个好友点赞，下面我需要推送的人是我的好友，我能影响到那些好友。把这个社交影响力进行量化，并且结合到广告投放里面去。假如说用户能够形成主动传播广告，这样的话它是一个非常好的局面，相当于用户自助的对广告进行口碑的传播

https://mp.weixin.qq.com/s?__biz=MjM5MDE0Mjc4MA==&mid=2650995211&idx=1&sn=8e32b5590b8e8bff8a5bd8bfb2ceaa7a&chksm=bdbf02588ac88b4e32ea5320e10c7a2e5ac762ea580e7fce8320b6d5c74a273c13410f5475cf&mpshare=1&scene=1&srcid=1113PKe46JDctFjdSYliBqJA&sharer_sharetime=1605281707177&sharer_shareid=92e34dc18a3bce04ae2b8f23d68cf0c9&key=2db1b935a464a467a643eac5eb2b6857701c4c25739aa32567de535b2a59ca7c7815d5faeebcf2e837c90865e41514a5b625e09bc7086f34a3fe2764c12e704d13e8a46bd0fbfb2519645a5072519afe7ed701ca19d0759d2e82cec05f956230837cc84acb577d109aaf6f19788e05d3c7a73473f86c109ff099f8d1de07188e&ascene=1&uin=MTk4NjIyMzUyMQ%3D%3D&devicetype=Windows+10+x64&version=6300002f&lang=zh_CN&exportkey=A%2FZRu8nHq5hoKG7CHso%2Ftok%3D&pass_ticket=nHIX1vQx23FNH5zUZBx021dUCp6y8RRlqR5Sv8FfaX679ubp1cTu06siZBmz7S9e&wx_header=0