分享嘉宾：呼广跃 博士 360数科
编辑整理： 郭鈭萌 中嘉华
出品平台：DataFunTalk
导读： 今 天跟大家探讨一下广告投放中遇到的痛点，以及我们探索出的解决方案。 主要包括以下几大部分：
广告主投放痛点
人群洞察
关系网络应用案例
投放模型的讨论
01
广告主投放痛点
流量寡头化： 现在互联网的流量主要集中在头部大厂。
竞争白热化： 现在投放的成本越来越高，之前有一篇新闻报道过一组关于企业营业收入、营销费用、付费学生数、获客成本，以及ARPU（单用户平均收入）的数据，其中有几家公司的营销费用已经超过了营业收入。 我们自己也深刻体会到竞争的激烈，获客成本水涨船高。
数据黑洞 ： 具 体到数据问题，首先是流量寡头化导致数据垄断。 另外，行业内大家普遍认同一个观点： 投放的目的是拉新。 但获得一个新的设备号，得到的画像数据非常少。 在投放的过程中，以往的方式会有很大的合规风险。
02
人群洞 察
为了精准获客，我们做了一个人群洞察系统。 做这个系统的起因就是想充分利用媒体资源，精准筛选人群，联合建模。
1. 人群洞察
上图就是我们做的洞察系统的架构。这里列了三层：
最下面一层是数据层。数据来源主要有三大块：第一块：媒体，媒体的DEEP FM平台，媒体的联合建模平台以及媒体的点击监测数据。第二块：我们自己的数据，包括我们采集的数据，也包含我们积累的业务数据，如风控的数据，以及用户的行为数据。第三块：外接的外部数据源。
中间一层是模型层，是我们积累的投放中常用的模型。
最上面一层是基于这些模型生成的人群包，这里面人群包分为两类，就是定向包和排除包。目前我们线上积累的人群包大概有几百个，其中有几十个比较大的数据包用得比较多。
2. 模型生产
上图中的数据层和人群洞察那部分提到的是一致的，中间的训练层包括样本、种子、人群的上传。其中融合特征表示我们和媒体联合建模时，会提供一些我们自己设定的特征。
3. 人群包的产出
模型建好之后，基于模型生成人群包，一般一个模型既可以用来生成定向包，也可以用来生成排除包。在我们使用的过程中，往往需要定向包和排除包，或者多个定向包和多个排除包，组合使用才能够产生好的效果。
03
关系网络应用案例
关系网络在风控领域和营销领域应用都很广。 关于网络的应用有好多种思路，我们把它分为两大类，一类就是有监督学习的方法（基于手工特征的方式，基于随机游走的方法，端到端的方法），一类就是无监督学习的方法（关系图聚类）。
下图是关系网络的两个例子，左边是一个社交网络，右边是化学分子的结构图。从这两个例子我们可以看出，节点属性信息和结构信息都影响着功能。
1. 基于手工特征的方法
上图是一本书里的一个例子，用的是基于手工特征的方法。 从关系网络里把其中节点的一些属性抽象出来， 如节点的度、节点的中心度、节点的PageRank值。 再基于业务需求抽象出一些特征。
以风控为例，一个节点对应一个用户，邻居里面有多少人是授信用户，有多少人是申请被拒的用户，有多少人是欺诈黑名单的用户？ 基于一度连接，二度连接，再加上业务标签，就衍生出很多特征。 基于这些特征，再接一些经典的模型，用这些特征入参，去训练目标。 这是关系网络的第一个使用思路。
2. 基于随机游走的方法
第二个思路也是比较常用的一种思路，叫基于随机游走的方法，也可以叫基于graph embedding的方法。所谓的graph embedding是通过一些影射，把每一个节点影射成一个向量。
比如这个例子里面就是列了三个路径，路径中经过的每一个节点，可以看作文档中的一个单词，每一个路径看作一个文档，这种和word2vec类似的思路，就可以把节点映射成向量。得到了embedding向量之后，可以和上面讲的那些手工的特征一起作为模型的入参，当然也可以只用embedding向量作为模型的入参，再做分类或者其他的任务。Graph embedding经典的代表算法有deepwalk，node2vex，structure2vec等。
3. 端到端的方法
第三种是端到端的方法，这个方法的典型代表就是GCN。它结合了 CNN 的思路，通过影射去学习，对图中的节点做一些分类，最终也是把这个节点生成向量，完成分类的任务。
三种代表算法：GCN，GAT和GraphSage。
4. 社区发现算法
第四种就是图聚类算法。上图列举了两个例子，分别是LPA算法和 Louvain算法，思路是把图中的节点进行聚类，相似的节点聚到一起。在我们的应用中，其实就是把目标用户聚成一类，把一些黑名单用户再聚成一类或多个类，最终我们筛选出需要的类，或者希望排除的类，拿来做投放。
现在关于关系网络的方法，在我们的投放中的消耗占比大概是10%，所以对于获客帮助很大。
04
投放模型的讨论
1. 单阶段建模 VS 跨阶段建模
以我们做过的互金领域为例。首先说明一下获客流程，如上图所示，主要六大步骤：点击、注册、申请、授信、提现。不同公司的业务目标可能不同，有些公司的目标是注册用户的增长，有些公司的目标是授信用户的增长，有些公司的目标是提现用户，还有一些公司的目标是余额的增长，业务目标决定了建模思路及建模的优化方向。
单阶段模型就是对上图中每一个流程都做一个模型。另外一种建模的思路就是跨阶段建模。不会做这幺多模型，可能就是一个点击到申请的模型，或者点击到授信的模型，又或者点击到提现的模型。要根据每个媒体的特点去选择模型。
还有一种在推荐领域常用的方法叫多任务学习。业务阶段比较多的时候，不会做跨阶段的模型和单阶段的模型，而是用多任务学习的思路，优化目标是两个或者两个以上。这里面典型的算法代表就是MMOE和 ESSM。
2. 媒体联合建模平台
媒体联合建模平台是很快捷投放起量的方法，因为媒体的数据能力肯定比广告主要强大，能够用到媒体的特征，快速搭建模型，快速生成人群包去投放，能提高开发效率。
外部的数据源周期一般会比较长，数据给出去，把特征跑出来，然后再跑批，少则半个月，多则一个月时间就过去了。但是联合建模平台，只要把数据传上去，很快模型就能训练出来。
联合建模也会遇到问题，媒体提供的特征的量是固定的，支持的算法也是固定的几个，有些复杂的算法，比如像DFM推荐点击率预估，媒体的联合建模平台暂时还都没有。也希望同行们能够一起推动媒体，提供更好的特征和更多的算法。
3. 归因口径
大多数公司触达用户的手段比较多，可能会遇到归因的问题。
比如说用户被我在媒体A曝光过了，但媒体A没有转化，后来短信也触达了，也没有转化，然后电销也触达了，也没有转化。最后通过API和其他大厂合作的时候转化了，那幺转化到底归因到哪里呢？这是归因的第一个坑。
团队架构，也会影响到建模、样本筛取等等。
上面所有的分享，都是我们在工作中积累的经验和教训。 随着工具平台越来越完善，我相信广告投放业务一定会更加专业。
05
精彩问答
Q：这里提到广告和数据这两个关键词，在广告里很多时候都是通过数据来找到合适的目标用户，但是在金融领域，由于各种原因数据的流通比较受限。刚才老师提到，可以通过联合建模等方式去规避一些风险。请问，目前这种联合建模平台能力能做到什幺程度，以及您如何看待数据安全性的问题？
A：我使用过几家大厂的联合项目平台，头部的两家使用体验我觉得还是非常好的。建模的效率比之前会有显着提升。但是也存在一些问题。举个简单例子，我们建完模型之后，有时候需要做一些更深入的分析，但在某家平台除了两个简单指标AUC、KS之外，想做更深一步的分析的功能没有提供，比如把数据上传到联合建模平台后，想用这个模型对我的数据打一下分，做一些分析。这个功能在腾讯的平台上是有的，但在另外一家就没有。我觉得媒体的开发资源有限，可能在这方面投入的不是特别多，在这里也是希望帮广告主呼吁一下，模型监控的一些简单功能，希望媒体可以开放给广告主使用。
Q： 广告推荐模型里面用的比较多的是哪种算法或者模型？
A：一般情况下，按照通常的广告思路模型是CTR（Click-Through Rate Prediction）。其实我刚才也提到了，不同公司、不同阶段，目标都不一样。比如在公司刚刚起步的时候，可能主要关注用户注册量，这个时候目标可能就是点击到注册。当积累了一定用户之后，可能追求的就是深度的转化，比如填申请单的用户量，就是完件用户，或者说前4要素的人群。再往后，可能目标就是授信人群的增长。更深一步考虑，还要考虑贷后的逾期，贷后的动支或者提现。但现在可能大多数同行定义的都是授信。
说到算法的话，其实最常用的还是最简单的。我们曾经探索过用一些像DeepFM、MMOE、ESSM模型，不是所有的媒体都能拿到好的效果。
另外，深度的模型，它对数据量的要求也比较大，在媒体联合建模平台也用不了。如果接外部数据商的话，有的外部数据商环境比较好一点，提供比如一些深度学习等方法，可能需要配TensorFlow、Pytorch的开发环境。有的这些环境都搭建得比较好，甚至提供训练需要的GPU。但并不是所有的数据商都配合得很好，因为数据商资源可能也很紧张。
Q：建模的过程中，人工干预程序这块，人工的比例到底要做多大，或者说投入多重的人工操作，我们才能够达到一个核心的比较理想的精度？
A：这个问题我觉得很难回答，一方面影响模型效果的因素其实有很多，比如特征的质量，调参的过程等等。
另外与媒体以及数据商的开放程度有关。比如有的数据商只提供一些他加工好的特征。而有的数据商可能会提供一些底层的聚合前的meadata，这个时候就可以尝试一些深度的方法。我们曾经和一家数据商合作，他愿意给我们底层的一些数据，但是只限于建模，建完模后，仍然是以模型分的形式输出。这一次尝试我们增益不少，当时不只是体现在AUCKS这些模型指标上的提升，更体现在了业务指标上，获客质量也有不少的增益。
Q： 改善模型质量非常依赖于数据，广告的数据要做预处理会有何不同？有哪些比较有效的提高数据质量的方法？
A：预处理的方法有很多，最关键的就是对业务的理解要深，要知道自家的优势是什幺，你所投放的媒体的优势是什幺？不同媒体的客群是不一样的；不同的广告主的客群也不一样，要双方客群联动起来，才可以做出合适的特征。
Be First to Comment