业务背景
广告是互联网流量变现的重要手段，是驱动工业界大规模 AI 技术应用与研究最重要的场景之一。伴随着爱奇艺各项业务的快速发展，爱奇艺的广告业务也已达到百亿级规模。按广告推广目标的不同，爱奇艺广告业务分为品牌广告和效果广告。品牌广告主要出现在用户观看视频正片前，这个位置用户关注度高，可以帮助广告主快速接触大量用户，宣传品牌形象。效果广告主要出现在信息流，这个位置广告展现形式和上下文内容一致，通过个性化推荐技术广告主可以获得更好的直接转化效果。下面分享一下团队在广告算法系统搭建过程中的一些经验和总结。
爱奇艺广告算法系统框架
广告变现的基本逻辑是流量＊单位价值＊售卖率，随着流量红利的逐渐消失以及广告主对精准投放的进一步要求，广告售卖不断向精细化运营转变，AI技术在其中扮演着非常重要的角色。为了更好的支持业务发展，我们搭建了一套智能广告算法系统：
图1 爱奇艺广告算法系统框架
• 对于广告主，通过AI技术提供丰富的智能投放工具，帮助广告主提升运营效率和投放效果；
• 对于平台，通过智能库存分配和个性化推荐最大化广告分发效率；
• 对于用户，在保证基本商业利益的同时不断优化广告观看体验，构建更加健康的广告生态；
接下来挑选几个典型的案例为大家进一步介绍我们搭建的这套智能系统：
智能出价
在效果广告的场景，最终的展现机会采用eCPM（eCPM＝bid＊pctr＊pcvr）竞价的方式，每次广告展现的计费价格都会随着竞价的激烈程度动态变化。
图2 竞价网络广告展现机会
对广告主而言，只有设置合理的出价才能在保证成本的前提下获得足够的曝光机会。为了帮助广告主更好的出价，我们运用机器学习技术实现了一套智能出价算法。这套算法的基本原理是：
采用KNN的方法从历史订单中寻找相似订单；
图3 基于广义KNN的相似订单查找
2.存在相似订单，则使用历史订单数据拟合出价和曝光的相互关系，并给出建议出价；
3. 不存在相似订单，则使用XGBoost从更广阔的样本空间中探索建议出价；
图4 基于XGBoost的出价预测
库存分配
在品牌广告的场景，广告的售卖采用合约的方式，缺量需要对广告主进行补量赔偿，平台的库存分配能力对广告库存的利用效率有极大的影响。
图5 品牌广告库存分配示例
不同于个性化推荐每次请求相互独立，库存分配是一个NP难的全局优化问题。为了达到每次请求实时决策、全局最优的效果，我们设计了一套离线＋在线的库存分配系统。离线通过库存预估精准刻画未来库存结构，基于离线构造的分配二部图可以进行库存预分配。在线除了执行离线产生的分配策略外，还通过订单的实时执行进度动态校准离线预测偏差。
图6 库存分配系统
库存预估是库存分配的一个核心问题，我们基于ARIMA、LSTM实现了一套精准的库存预估算法，能准确的预测不同维度组合下未来一段时间的广告库存。
图7 库存预估算法
TrueView
TrueView是一种创新的视频广告形式，用户可以按照自己的意愿选择是否观看广告，广告主只需为超过30s的用户观看买单，不需要为选择跳过的用户支付广告投放费用。
图8 TrueView广告形式
TrueView在帮助广告主提升广告的有效触达率的同时，降低了用户因为不相关广告流失的可能性。在平台侧，只有实现一套精准的TrueView预估算法，才能减少因用户跳过广告造成的库存浪费。为了有效提升平台整体TrueView率，我们实现了一套基于用户分类的TrueView算法。
图9 基于用户分类的TrueView算法
在模型这块，我们除了尝试LR、GBDT、FM等传统机器学习模型外，还实现了一套基于Wide&Deep的深度模型，并取得了不错的效果提升。
图10 基于Wide&Deep的TrueView模型
展望未来
AI能力使得广告营销智能化，广告和潜在消费者的匹配更加高效。在广告的场景，大多数模型基于机器学习技术，需要足够的用户反馈数据辅助提升算法效果。随着NLP、图像、视频内容理解技术的进一步发展，以及和广告业务的深度结合，未来AI可以帮助我们强化对用户和内容的理解，进一步提升广告与用户、广告与视频内容的关联性。
