腾讯广告算法大赛背后,是 AI 技术与实践落地的一次深入交流

微信朋友圈广告、QQ 广告、小程序广告……这些丰富多样的社交广告,已经悄无声息地渗透到你我的生活当中,并进一步达成信息传递、促进消费升级。在今天,一个广告从锁定目标群体到真正触及用户,到一次成功的「刷屏」,再到交易的成交与转化,背后也越来越多地需要数据、人工智能与算法的协同助力。

腾讯社交广告依托于腾讯丰富的社交产品,植根于腾讯海量的数据,借助强大的数据分析、机器学习和云计算能力打造出一个服务于千万商家和亿万用户的商业广告平台。随着深度学习和数据挖掘在各个领域的深入应用,腾讯社交广告作为对数据应用最广泛的部门之一,也亟需发掘更为优秀的算法及广告算法人才,为更多广告主解决在营销方面的诸多痛点。

十强角逐广告算法大赛,产学落地的深度碰撞

日前,腾讯社交广告联合腾讯大数据、腾讯云、腾讯招聘、腾讯高校合作、T 派校园等腾讯各大资源平台举办了第二届腾讯广告算法大赛,以社交营销中最重要的技术能力之一——相似人群拓展(Lookalike)技术为比赛主题。经过十强答辩,最终角逐出多个奖项。

本次比赛并非考察基础算法的重建,而将重点放在了算法于实际工业上的应用。大赛的目的是提供一个平台,让参赛者能够运用数据算法去解决工业场景中的实际问题。这就需要参赛者们从整体的角度了解用户特征,并在其中筛选特征间的关系。

在十强答辩环节上,团队基本上都采用了深度学习算法,在权衡效率和应用效果上也做了非常多的优化和改进。其中,有团队借助腾讯云图形化机器学习平台 Ti-One 显著提升了数据预处理的效率。正如腾讯云 AI 基础产品中心产品经理郭律在广告算法大赛的演讲中所提及的,以 Ti-One 为代表的腾讯智能钛机器学习生态服务平台能够帮助企业降低获得 AI 能力的门槛,提高建模效率。

大赛结束后,腾讯社交广告总经理罗征接受了雷锋网 AI 科技评论的专访。他在采访中表示,「在学校里面,同学们比较难碰到接触如此大量数据的机会,我们也希望能通过这次比赛,考验大家在怎么应用基础算法、到工业界大规模数据的场景下的能力。」

在去年的首届广告算法大赛中,赛题以「移动 App 广告转化率预估」为核心,着眼于腾讯社交广告实践中的真实问题,集结广告算法人才,在赛题的启迪下集思广益,驱动行业算法优化升级。

不难看出,腾讯社交广告在赛题的设置上不仅仅考虑到了趣味性和吸引力,某种程度也反映了其对于广告主的重视。这一点, AI 科技评论从罗征口中获得了证实:广告算法大赛这两年赛题更多的是针对广告主群体的需求,帮助广告主优化投入产出比。不论是广告转化率预估,还是相似人群的拓展,这些算法场景都能对广告主产生巨大的影响力,也是腾讯社交广告重点关注的议题。

「Lookalike」算法优化,让广告主更懂客户

区别于快消品的「广撒网」普适策略,大部分商品广告都有与之相匹配的受众群体,在考虑获客成本的前提下,如何从中国的几亿用户里面找出最有机会达成转化的精准目标群体?Lookalike 便是这样一个帮助广告主达成目标的技术,其原理是基于投放后的目标人群,从海量的其他人群中找出和目标人群相似的人群,以拓展目标人群规模。在实际广告业务应用场景中,Lookalike 能基于广告主已有的消费者,找出和已有消费者相似的潜在消费者,以此有效帮助广告主挖掘新客、拓展业务。

据官方介绍,腾讯社交广告 Lookalike 相似人群拓展已集合广告主提供的第一方数据及广告投放效果,透过深度神经网络挖掘,实现了可在线实时为多个广告主同时拓展具有相似特征的高质潜客的能力。换言之,Lookalike 就是将人工的分析和洞察完全自动化的技术。

「我们认为 Lookalike 是一个给到广告主的有效工具,可以在保护用户隐私的前提下,充分利用到腾讯用户群的覆盖度和我们的用户特征的丰富度。」罗征谈到,通过机器的洞察,能帮助广告主的用户群扩大到 5 倍至 10 倍。

而从 Lookalike 技术的适用范围来看,它也有自身的针对性和普适性。在全国范围内有一定数据积累、具备一定预算的广告主,都有可能在未来采用 Lookalike 的技术;但过于长尾的广告主(如以地域范围为筛选条件的本地广告主)及目标用户过大/过小的广告主,由于地域和产品性质的限制,可能就不适用这类算法来解决问题。

与此同时,Lookalike 的数据来源也显得尤为重要。但在实际应用中,一个非常重要的数据来源便是广告主的一方数据。广告主会沉淀自己的 5 年、10 年内的忠实粉丝、每年会复购的用户,「他们是什么样子?其实我们可以帮你找到更多相似的用户。」

技数当道的社交洞察,让广告创意打动人心

一个广告如果以投放为分水岭,可以把它划分为投放前和投放后两个阶段。如果将以 Lookalike 为代表的投放后算法「优化」理解为让广告主拓展客户的进一步延伸;那么投放前的数据「洞察」则正在更深地影响广告主的创意挥洒。

罗征希望团队在投放前的阶段也能给予广告主一些帮助,主要体现在两个方面:一个是,帮助广告主选择投放的人群和时间。不论是给谁看到,什么时候看到,哪一天看到,甚至当天是星期几都存在差别。

当广告主决定了要让哪些用户、在什么时间看到这个广告,只是万里长征的第一步。以精准定向作为前提,广告创意才是真正能打动用户的关键因素。如何用洞察影响广告主的创意,是整个腾讯社交广告团队在过去几年内涉足较多的一个方向。「如果创意太差,用户都看不懂,或者是没有感觉,其实影响不到潜在用户,无法让他们对这个品牌产生好感或者是转化,其实也是一种浪费。」从腾讯 IDEA+、到与戛纳国际创意节的合作,再到「我是创益人」项目,腾讯社交广告把洞察作为一种工具,让广告主更清晰地了解潜在用户,对哪些关键词甚至是哪些品牌有一定的接受力,进一步帮助广告主更好地用与之匹配的创意表达吸引用户。

罗征也向雷锋网 AI 科技评论表示,目前团队与腾讯智能营销云正在内测一个支持项目,希望「为广告主提供一个全链条的洞察能力」。有的广告主一方数据并不多,那么与腾讯合作广告投放,也是积累数据的一种方法。以合作过的长期广告主为例,根据用户喜好表现,在未来的投放中,广告主可以采取相对应的投放策略,甚至进行个性化定制和差异化投放的创意表达。

要达成这样的合作也绝非易事,首先最明显的便是腾讯社交广告的「自我限制」。在保护用户隐私的前提下,腾讯一方面只会向广告主开放部分的洞察数据,另一方面腾讯也不会将广告主的数据应用于其它的场景。此外,广告主要与腾讯达成深入、长期的合作,一定程度上也对自身的广告技术团队提出了一些要求。

腾讯社交广告爱惜自己的羽毛之甚,也延伸到了库存放量的节奏上。以朋友圈广告为例,经过几年的发展才逐渐放量到一天两条的频率,也可见了腾讯对于用户体验的高度关注及重视。

「AI+数据」的融合,助力腾讯与广告主携手前行

从罗征的角度来看,AI 作为工具可以从两个层面帮助人类,一是将人类能做的事情自动化,一个是做人类所不能及的事情。在腾讯社交广告的业务中,他认为人工智能技术更多地体现在后者。

传统的广告投放模式在 20 年前主要是以 CPD(cost per day)为核心,投入的人力和时间成本可想而知。如今,系统会在用户登录的 100 毫秒内,结合当下的场景和时间,决定要向用户呈现什么样的广告。那么如何在极短的时间内做出判断?随着技术的发展,仅靠人力必然是不现实的,这样一来也对推荐算法提出了更高的要求。

从去年开始,腾讯社交广告将目光更多地投向广告主群体,降低合作方的人力成本。以 Lookalike 的自动量级建议为例,以往广告主主要依赖经验手动选取拓展人群的量级,但如今广告主可以根据需求,自动获取合适的扩展人群的量级;再如 Marketing API,有开发能力的广告主只需要接入相应的接口,便能以程序化的方式自行定制界面。

与此同时,腾讯社交广告也与腾讯云等部门协同,提供多项 AI 能力免费接入的福利,包括人脸融合、语音识别与合成、图片内容标签等一系列能力。创意部门可以基于新技术,充分发挥想象力,创造出一系列不同的广告体验。

此外于团队内部而言,提升审核效率、降低错误率也是腾讯社交广告借助 AI 达成的优化目标。以广告审核为例,利用机器学习可以帮助系统自动化过滤筛选创意违规或重复提交的广告,减少不必要的人力,将腾讯团队的成员解放出来做更富有意义的事情。

第二届广告算法大赛虽然已经落下帷幕,但腾讯社交广告的步伐并不会就此停止。团队将继续探索最前沿的广告模型算法,同时搭建与学界精英交流互动的桥梁,优化广告主的进一步投放升级。

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2018-08-06

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏罗超频道

当你们在用算法获取流量和金钱时,微博和知乎是这样做的

昨天,我的一条微博创造了自2010年注册以来的记录:阅读量超过1000万,且还在继续增长——然而我的微博粉丝,却只有1万人,出现这样的情况,是因为微博的Time...

34960
来自专栏AI研习社

Facebook事件背后:AI 已经控制着我们,但它本应成为我们的助力

AI 研习社按:近期 Facebook 泄露海量用户数据,而且这些数据还被利用来针对性地影响 Facebook 用户的事情已经闹得沸沸扬扬。除了用户隐私保护这一...

10020
来自专栏镁客网

在Siri面前,我要竖起一根食指左右摇晃

9520
来自专栏IT大咖说

精华 | 云和恩墨侯圣文:ACOUG - 真实的动手实战学习

嘉宾演讲视频 Guest Video ? 温馨提示 本视频时长1小时21分49秒,建议在wifi下观看 2017年3月28日北京,在 Oracle 社区各成员的...

37980
来自专栏灯塔大数据

揭秘|2016年度黑马:野心有多大,大数据这盘棋就有多大

今年的“金瑞奖”名单已公布,不少人发现除了网易、阿里这样的拿奖“老手”,还杀出了一匹黑马——华坤道威数据科技。人们不禁好奇,在这个角逐最激烈的大数据产品创新奖...

30260
来自专栏Cloud Native - 产品级敏捷

是时候, 该好好定义什么是敏捷了...

2016.11.27, 深圳, Ken Fang 只是做到项目管理、文化、思维、流程,是对敏捷十分偏差且狭隘的见解与做法。 这样的见解与做法,所产出的所谓的 “...

19060
来自专栏企鹅号快讯

2018年人工智能和机器学习路在何方?听听美国公司怎么做

作者 | Matt Coatney 翻译 | 言午二二、Amanda沈 来源 | 可译网 ? “ 本文为美国著名数据分析网站DZone分析师Tom Smith与...

20080
来自专栏人称T客

移动OA研究:用户总体满意度致远,蓝凌,通达位居三甲 金蝶,泛微表现不佳

今天我们来分析一下移动OA的总体满意度,考核一家厂商产品的满意度我们通常会从以下几个维度进行分析,售前、实施、产品质量和支持服务等方面,这几个因素构成了满意度的...

31230
来自专栏SDNLAB

为什么SD-WAN不会杀死MPLS

“SD-WAN将会取代MPLS”,这是SD-WAN厂商试图鼓吹其新业务,以及来自宽带管理服务提供商与传统的以企业为中心的服务提供商竞争的常见说法。这个想法很简单...

15760
来自专栏腾讯高校合作

T派移动互联网创新创业大赛定义科技新时代 “智能物联”畅想未来

是否在生活中常常有一些奇思妙想不断涌现,又是否想对现有的生活来次颠覆性的改变?腾讯2015年度移动互联网创新创业大赛再度起航,在三大命题方向中为未来的生活探路。...

30440

扫码关注云+社区

领取腾讯云代金券