首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

以产品经理的视角,聊聊推荐系统与广告系统的关系

做大部分移动互联网产品,都离不开推荐系统提升流量分发效率,也离不开广告系统最终将流量变现。推荐系统与广告系统在业务中起到的作用和价值是不同的,但从流量利用的角度,又有诸多相似之处。本篇以近些年从事推荐产品工作实践为依托,聊聊推荐系统与广告系统的关系。

千人一面

互联网发展早期,无论是广告还是内容,都是将线上作为线下的延伸。

线下广告牌或传统媒体上的广告位按照时间售卖,互联网早期的广告也是按广告位售卖的逻辑,售卖了广告位,广告主就独占了此广告位的曝光权益。从用户视角,就是千人一面的广告:不管进入多少次,不管谁进入,看到的广告都一样。此时的广告系统,更多是做排期和配素材的系统。

此时内容或商品的线上呈现,也沿用线下纸媒逻辑,重编辑和运营,编辑和运营决定内容或商品的展现。从用户视角看,只要编辑或运营没有做调整,所有人每次见到的内容或商品都是一样的。此阶段如果讲推荐系统的话,是编辑或运营作为「专家」提供的专家推荐系统。

在这个阶段,无论是广告系统,还是推荐系统,都受限于时代发展。千人一面最大的问题,是不能满足细粒度的用户偏好和需求,导致转化率有限。

千人百面

互联网相比线下的优势在于数据的回收。线下环境收集不到曝光和转化相关数据,而线上可以将这些数据回收构建用户画像,进而以更精准的方式做广告或内容的投放。

广告系统进一步进化从千人一面进化到千人百面,即同一资源位,可以根据人群拆分给不同的广告主做投放。例如卖化妆品的广告主只给女性用户做投放;卖剃须刀的广告主只给男性用户做投放。广告主投放更精准了,转化率更高了;广告平台通过拆分售卖,整体收益更高了;用户而言,体验也更好了。

于推荐系统也经历了千人百面的阶段,头部电商平台运营经历了千人一面通投,到针对不同用户画像做投放的阶段。相比通透,针对不同用户画像的投放,更为精准转化率更高,同时也给运营人员更多运营抓手。

在上一份工作中,面向一些传统企业(券商、银行、零售),有画像缺行为,又想做个性化的推荐提升业务价值的需求,搭建了规则推荐系统,给运营人员提供千人百面的运营工具抓手。此类产品核心是给运营拆分用户流量的能力,但业务收益高低,需要依赖于运营本身对业务的理解。

在这个阶段,无论是广告系统还是推荐系统,都是从拆分用户流量的视角,提升用户和物品的匹配效率,但又都非常依赖运营人员对用户及物品的理解。

千人千面

随着数据量和技术的发展,广告系统和推荐系统都很快地引入了机器学习能力,解决以上阶段依赖人来做决策的瓶颈问题。

广告系统引入竞价广告,广告主出价,广告系统通过预估模型,对广告进行点击率预估,两者相乘得到平台收益,再按多个广告主投放的广告,给平台带来的预期收益做排序,最终决定广告的展现。即由广告系统决定给用户推哪个广告。再进一步发展,广告系统引入出价与计费分离的OCPX模式,通过同时对点击率和转化率做预测识别流量,调整出价。OCPX模式能够为广告主更为精准的获得转化更好的流量。

推荐系统引入机器学习及深度学习,通过算法确定给一个用户推哪些内容或商品,及其排列先后顺序,以求得最佳转化效果。

在这个阶段,无论广告系统还是推荐系统,通过机器学习或深度学习,构建一个或多个模型引入做点击率预估或转化率预估。更为依靠数据驱动系统而非人的决策,同时对数据的丰富度和质量要求越来越高。广告系统的三方(广告主、平台、用户)相比推荐系统(平台、用户)多了广告主的出价作为排序影响因素。

总结

通过以上三个阶段的回顾,不难发现,广告系统与推荐系统发展有着同样的脉络和路径,都朝着更精准匹配方向发展。也越来越注重数据和机器学习的应用。

同时我们也需要见到,由于不同平台方技术能力、数据积累能力、业务阶段不同,不同平台方可能处于以上三阶段之一,这就给了To B领域落地和赋能的机会。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20210118A088B300?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券