淘寶定向算法介紹 一些小而美的創(chuàng)新些小而美的創(chuàng)新 淘寶定向廣告算法負(fù)責(zé)人淘寶定向廣告算法負(fù)責(zé)人：：王勇睿王勇睿 定向算法要解決的問題定向算法要解決的問題 瀏覽者 創(chuàng)意信創(chuàng)意信 信息信息 場景信 最恰當(dāng)?shù)挠行蛲扑]結(jié)果 充 次 ？？ 補(bǔ) 行 度度 的 天一 維維 維 種種 種 糊糊 一 多 19 多多 68 模模 唯唯 要 18 有有 圖圖 不不 需 17 意意 并并 候 16 要要 65 率 15 擊 的的 徑徑 時(shí) 何何 點(diǎn) 景景 路路 的 63 與 13 度 為為 場場 擇擇 疏 62 躍 12 活 索索 選選 稀 61 搜搜 圖圖 圖 勞 6 5 5 3 5 2 5 1 0 2 1 0 0 2 0 0 0 0 0 非非 意意 意 疲0. 0 0. 0 0. 0 0 . 0 . 0 . 00 0 0 ? ? ? ? 定向維度之推薦定向維度之推薦 ? Item‐based CF – 數(shù)據(jù)整體質(zhì)量高，但噪音較多 – 依賴用戶行為，冷門商品覆蓋不足，新商品啟動(dòng)慢 – 投票權(quán)重考慮用戶本身的權(quán)重和行為頻度投票權(quán)重考慮用戶本身的權(quán)重和行為頻度，，加入懲加入懲 ?? ContentContent‐‐basedbased – 冷啟動(dòng)較好 – 相關(guān)性較好相關(guān)性較好 – 商品質(zhì)量較差 定向維度之推薦定向維度之推薦 ? 用戶投票和相關(guān)性的融合用戶投票和相關(guān)性的融合模型模型 – 目前是線性模型目前是線性模型，，擬合目標(biāo)仍然是擬合目標(biāo)仍然是ctr – 特征還包括流量特點(diǎn)：興趣多寡…… – 參數(shù)調(diào)整參數(shù)調(diào)整 定向維度之店鋪定向定向維度之店鋪定向 3030 ? 數(shù)據(jù)分析數(shù)據(jù)分析 25 – 店鋪重復(fù)購買現(xiàn)象店鋪重復(fù)購買現(xiàn)象 10 – 本質(zhì)：風(fēng)格 0 5 10 15 20 25 ? 方案方案 行為頻度對(duì)點(diǎn)擊貢獻(xiàn)行為頻度對(duì)點(diǎn)擊貢獻(xiàn) – 不同店鋪瀏覽行為對(duì)點(diǎn)擊貢獻(xiàn)不同：瀏覽較大 – 時(shí)間衰減 – 行為頻度上限行為頻度上限：：上限附近的人群對(duì)于點(diǎn)擊貢獻(xiàn)上限附近的人群對(duì)于點(diǎn)擊貢獻(xiàn) 急劇下降 定向維度之店鋪定向定向維度之店鋪定向 ? 如何提高如何提高召回率回率？ – 同同風(fēng)格標(biāo)簽店鋪聚類風(fēng)格標(biāo)簽店鋪聚類 – 用戶店鋪行為協(xié)同過濾 ? 效果效果 – 覆蓋流量上ctr提升24% – 覆蓋率不超過30%，還需要進(jìn)一步提升 定向維度之季節(jié)定向定向維度之季節(jié)定向 ? 數(shù)據(jù)分析數(shù)據(jù)分析 – 熱賣的出現(xiàn)總是很突然的熱賣的出現(xiàn)總是很突然的：qqueryy、、購買購買，，甚至甚至 瀏覽數(shù)據(jù)都不能及時(shí)反饋 – 熱賣的現(xiàn)象是有時(shí)間特點(diǎn)的熱賣的現(xiàn)象是有時(shí)間特點(diǎn)的 ? 購買周期：買了牙膏，一個(gè)半月用完，再買一個(gè) ?? 季節(jié)觸發(fā)季節(jié)觸發(fā)：：到了到了33月末就是明前茶月末就是明前茶，茶愛好者等著被茶愛好者等著被 定向維度之季節(jié)定向定向維度之季節(jié)定向 ? EEvent) – Event ：“夏季連衣裙”，“端午” – Period ：“夏季連衣裙夏季連衣裙”和和 “端午端午” 每年一次，“搶購紅米”不確定； – Duration –– UserUser ） – Item ：“七夕”導(dǎo)致鮮花、巧克力、毛絨 玩具熱門 ?? 效果效果 ? 定向單元幾千個(gè)，覆蓋30%流量 ? 不同定向單元提升效果不一樣，大部分 都是正增長都是正增長 商品分析商品分析：：UITUIT 類目類目類目類目 ? UITUIT‐UUser?IInttentition? UIUI??NodeNode Tree Item/SPUItem/SPU ? 每個(gè)節(jié)點(diǎn)都是每個(gè)節(jié)點(diǎn)都是一個(gè)個(gè) 歸一化后的Search? QueryQuery ? 是網(wǎng)絡(luò)，不是樹 ?? 相關(guān)性較高的節(jié)點(diǎn)相關(guān)性較高的節(jié)點(diǎn) 之間都有邊 ?? 邊都帶權(quán)邊都帶權(quán)，是有向是有向 淘寶第一次具備了靠譜的，比“葉子類目”更細(xì)的商品聚類體系，可以供主搜、 推薦、外投、鉆展、搜索個(gè)性化……等各個(gè)方向使用。 商品分析商品分析：：UITUIT ? 效果效果 – 對(duì)消費(fèi)者的影響：CTR，提升37% – 對(duì)廣告主的影響：ROI，提升22% – 對(duì)廣告收入的影響：RPM提升6% – 對(duì)廣告主市場的影響: ? 總體客戶數(shù)提升：24.82% ? 上線前上線前 ）：TOP?5%的客戶占了的客戶占了75%消耗消耗，TOP? 10%的客戶占了85%消耗；TOP?5000?客戶占了75%消 耗。上線后：TOP?5%的客戶占了60%消耗， TOP?10%的客戶占了75%消耗；TOP?5000?客戶占了60%消 耗。 “大客戶通吃”現(xiàn)象大大減輕 用戶疲勞和多樣性用戶疲勞和多樣性 ? 問題：創(chuàng)意從第三次展示開始，點(diǎn)擊率顯 著下降 ? 購買降權(quán)是一個(gè)特殊的疲勞情況 ? 解決方法解決方法 ?不同層次的不同層次的 ?考慮展現(xiàn)次考慮展現(xiàn)次 展現(xiàn)次數(shù)作 意圖 數(shù)作為特征 為特征 ?推薦和定向 RTP ?不同的展出 排序排序 的拉鏈遞推 類別作為特類別作為特 ?購買硬刪除 未來未來 ? 增加負(fù)反饋機(jī)制增加負(fù)反饋機(jī)制 – 人為設(shè)計(jì)負(fù)反饋人為設(shè)計(jì)負(fù)反饋 – 改進(jìn)產(chǎn)品設(shè)計(jì) ? 改善推薦在改善推薦在 ““冷冷””流量上面的效果流量上面的效果 – 利用UIT和文本匹配做聚合 ? 嘗試E E – 改善生態(tài)環(huán)境改善生態(tài)環(huán)境 謝謝謝謝

“原創(chuàng)力文檔”前稱為“文檔投稿賺錢網(wǎng)”，本站為“文檔C2C交易模式”，即用戶上傳的文檔直接賣給用戶，本站只是中間服務(wù)平臺(tái)，本站所有文檔下載所得的收益歸上傳人所有【成交的100%】。原創(chuàng)力文檔是網(wǎng)絡(luò)服務(wù)平臺(tái)方，若您的權(quán)利被侵害，侵權(quán)客服QQ：3005833200 電話：19940600175 歡迎舉報(bào)，上傳者QQ群:784321556