计算广告与推荐系统有哪些区别？

计算广告与推荐系统有哪些区别？

 

区别的根本在于两个领域尝试解决的问题是不同的。

• 对于计算广告来说，本质上要处理的是三方利益的协调问题，这三方分别是广告主、用户和媒体。
• 对于推荐系统来说，本质上要处理的是用户体验的问题。

正是因为要处理问题的不同，导致了两个领域思考方式的不同。比如同样是构建一个CTR模型：

• 对于计算广告系统来说，站的角度更多的是用这个CTR模型产生更多的收益，那么在使用的时候就更偏向于将CTR高的广告全都排在前面。
• 而对于推荐系统来说，在使用CTR模型的时候，就不适宜全部按照CTR来进行内容排序。而是要兼顾内容的多样性，新颖性，和流行度。因为推荐系统的核心是用户体验，如果涸泽而渔的全部用根据用户行为历史生成的推荐内容，很容易让用户疲倦、透支用户的兴趣。那么为了照顾用户的整体体验并挖掘用户的长期兴趣，就要考虑用户在不同体验阶段的感受和行为特点。

再回到计算广告，由于广告系统处理的是一个三方利益的协调问题，那么为了“协调”，就诞生了很多相关且必要的技术。比如，“协调”的本质其实一种博弈方式，广告主和媒体关于价格的博弈，广告主之间的价格博弈，正是这种博弈的存在，使得计算广告一定要去关注基于博弈论的bidding策略。而且为了“协调”广告主、媒体的相关操作，诞生了支持性的相应模块，去处理广告排期、定向、预算控制等模块，这里面当然涉及大量算法和模型，比如处理广告排期需要最优化理论的支持，定向需要各类预测模型，预算控制需要控制论的一些知识等等。这些都是推荐系统里不存在的。

如果列举出两个领域重点要考虑的技术问题，大家也能体会到二者的不同（排名大致分先后）：

• 计算广告：CTR模型，Bidding策略，yield optimization（也许可以叫排期优化），智能预算控制; (反作弊机制)
• 推荐系统：CTR模型及其他推荐模型，探索与利用（exploitation&exploration），冷启动问题，数据有偏问题

 

平台广告收入，也就是ecpm，可以直接做ctr cvr模型来优化；就是一个指标，平台收益

广告主生态和用户体验，可以用规则来优化，比如vcg计费，频率控制，也可以用模型来优化，比如给原本内容就优质的广告更多的展现机会。

 

一个完整的广告系统，从广告商投放广告到用户看到广告，需要以下几个重要组件：

• [面向广告商的工具] 广告商可以根据自己的需要定制投放人群：年龄，性别，地理位置，职业，兴趣等等。
• [算法] 个性化推荐：在众多符合条件的广告中选择最合适的一个。
• [算法] 决定在哪里放广告：这在以前其实不是个事，因为就几个能放广告的固定位置（banner，页面右侧）。然而随着Facebook发明了Feed Ads，在新鲜事里放原生广告成了社交类产品的标配。以微信为例，在朋友圈里的第几个位置放广告其实是个挺有学问的事。放高了影响用户正常体验，放低了没人看得到。这大该就是微信口中的“实时社交混排算法”吧。
• [算法] 定价：放的这个广告该跟广告商要多少钱。这受很多因素影响：放的位置高低，有多少个其他广告一起竞价，等等。

 

1）推荐是提升用户体验，广告是伤害用户体验；

2）推荐是2方（媒体，用户）；广告是3方（广告主，媒体，用户）；

3）推荐的目标是提升用户活跃度；广告的目标是提升营收（收益）；

广告主：最少的资金成本换取最高的ROI（利益回报）；

媒体：用最少的流量换取最多的广告费；

用户：尽可能少的损失体验；

计算广告的学科覆盖范围更广，涉及搜索，用户画像，高并发高性能网络服务器，银行级的计费和扣费，海量数据的埋点与监测，大数据分析，机制设计，营销包装，消费心理等等。

 

广告展示流程总结

第一步：

假设杜蕾斯花100万投广告，要求是被点击100万次。那么杜蕾斯先找到DSP(Demand side platform)，把广告、钱、要求给到DSP。

第二步：

DSP会请求DMP，获取什么样的人容易点击杜蕾斯的广告。假设DMP(Data management platform)的反馈是”年轻、爱美、白领“容易点击杜蕾斯广告。

第三步：

DSP会去竞价ADX(AD exchange)找符合“年轻、爱美、白领”特性的广告位

第四步：

这时候有一个广告位——“小范”的优酷视频广告，通过SSP提供的信息很符合DSP中的杜蕾斯广告投放人群，并且这个广告位被放到了ADX中竞价

第五步：

DSP中的杜蕾斯广告通过不断抬高定价，从多个DSP竞争者中争取到了“小范优酷视频”的广告位。

第六步：

小范打开优酷视频，看到了杜蕾斯的广告~

 

推荐系统按CTR/CVR排序，广告要在这个基础上乘以广告主出价
广告的本质就是用钱弥补内容不受欢迎的因素，越烂的广告需要出价越高；竞争同一广告位的广告主越多，那价格就高
而传统按位置时段卖的广告，煤体对好广告烂广告的区分能力有限

 

广告VS搜索：

广告明显比搜索容易部分的是不需要复杂的爬虫技术和PageRank。而它比搜索困难的地方是它需要建模的数据量比搜索要大。搜索，广告与推荐三者的主要区别在于它们的准则不同，搜索主要是针对相关性，广告主要针对ROI(投资回报率)。举例来讲，比如搜索美联行，那么对于搜索来讲，必须将美联行放到结果首位，否则就不合理。但对于广告来讲，如果美联行代理公司的广告点击率高于美联行本身，因为针对的是ROI，所以它可以将美联行代理排在前面，而不需要将authority的美联行排在前面。

 

都是Q-D匹配

推荐的Q是用户行为和用户画像和上下文；搜索的Q就是Query短语；

广告对用户的短期画像不是很敏感，更关注长期画像；推荐系统对短期/实时画像更敏感（点了一个足球，下一页肯定有足球）

 

计算广告和推荐系统的最本质区别是目标和评价标准不同
推荐系统的目标是面向用户提供新鲜、相关、有趣的话题/产品，增强用户粘性， 增加产品的流量和活跃度
而计算广告学的核心目标是在广告主、媒体、用户利益之间寻找平衡， 匹配出的结果相关性只是一方面，另外还要考虑直接的商业利益。