浅析广告智能匹配技术（此篇转载）

谷歌的广告智能匹配能力是百度的15倍以上。对于行外的朋友来说，这个数字可能是比较令人难以置信的 – 两家都以技术著称的公司竟然会有这么大的差距。对于数据挖掘和人工智能的同行来说，这个数字就并不稀奇了。不断积累、完善的智能匹配技术通常都能带来以几倍来衡量的效果提升。
通过一个简单的例子，我们可以理解智能匹配技术究竟是怎么作用的。假设你是一个推销员，而且你销售的产品有很多很多种，涉及生活、工作中的方方面面。然后，我们来对比下面两个销售场景：
1）你向你的一位老朋友推销。你了解他的性格、兴趣和品位，另外你还知道他最近关心哪些方面，有什么需要。根据这些因素，你为他选择了一款满足他的需要而且符合他的喜好的产品；
2）你向一位陌生人推销。你知道他的性别和大概年龄，并能够通过他的穿着打扮猜测出他的收入阶层。你从你的很多产品中随机拿出一件你猜测符合这个性别、年龄、收入阶层的产品。
现实生活中，路边发小广告的推销员就非常类似2）的场景。显而易见，1）和2）的销售结果会相差很多倍。而且，被推销者（即消费者）的感受也很不一样。在1）的场景中，消费者感觉到的是一种体贴，更像是朋友提供的帮助，而且很实用。在2）的场景中，消费者可能根本对推销的产品不感兴趣，会感觉被骚扰了，因此想尽快躲开。不幸的是，目前大多数的广告（无论互联网上或网下）采用的是2）的方法。这导致的结果是，大家一提到广告，头脑中的第一个反应常常是骚扰的、负面的，并因此对整个广告行业产生抵触情绪了。
广告智能匹配技术做的事，其实就是通过分析、归纳各种信息，使广告投放者成为每一位消费者的老朋友，了解他的需求和喜好，如此，就能有针对性的为该消费者投放有用的、有兴趣的广告。这样广告的效果自然会大大提高，同时消费者对广告的感受也会得到改善。
常见的广告智能匹配的实现流程是：
第一步：头脑风暴，列举出尽量多的可能对判断消费者需求和喜好有帮助的信息。可以通过时间、地点、人物、事件等线索来帮助打开思路；
第二步：这些信息通过各种排列组合，衍生出更大的信息集合。这是因为有时候某一信息本身的作用有限，但是它和另一信息的衍生（如差值）却可以对匹配的效果有很大帮助；
第三步：尽可能多的收集实际中用户行为的数据和对应广告的效果（广告可以是随机投放的广告）；
第四步：通过各种数据挖掘模型对数据进行梳理，从而确认真正有效果的信息或衍生信息，并建立有效的模型组。常见的建模方法包括决策树、逻辑回归、SVM、神经网络等；
第五步：将模型组应用于实际网站流量，并根据模型组的推荐投放广告。
在实际应用中，模型组需要不断更新，以应对变化的用户行为趋势。模型组更新有两种形式：动态实时更新和周期性静态更新。广告平台可以根据自己的风险偏好，选择适合自己的模型组更新方式。一般而言，动态实时更新的效果更好，但是风险更大。
上面的流程看似简单，但是实际的执行其实是复杂的，而且需要长期的技术积累。我个人有幸在2002年加入Google总部，作为创始团队的一员，参与了Google广告系统的全程开发，并且亲自负责领导了几个关键部分的开发。广告智能匹配系统是其中的一个核心部件，它的发展和完善经历了很长的过程，并且现在也是Google广告部门重点关注的方向之一。另外，广告智能匹配系统的高效运转还需要很多其他相关技术的支持，例如超高负载下高速处理数据的技术，自然语言理解技术，关键词拓展技术等等。
欢迎大家访问我的博客（内容广告的评论）：http://hi.baidu.com/gaoqiang218