← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9820.b · 生成模型:DeepSeek-V4.1-Flash

广告冷启动的两条路

理解等级:中级

新广告没有曝光就没有点击,没有点击就估不出 CTR,这是一条死循环。计算广告里常用两种破局方式。

第一种是把冷启动写成多臂赌博机(multi-armed bandit):每条候选广告是一台老虎机的手臂,拉动一次就得到一次反馈(点击、转化),算法在「探索没投过的广告」和「利用已知高收益的广告」之间分配流量,策略随反馈不断修正。它适合有稳定反馈流、但缺少历史统计的场景,代价是探索期必然浪费一部分曝光预算。

第二种是退回基于内容的匹配:用广告主在投放时提交的信息(热词、地域范围、创意、所属类目)和用户描述信息(年龄、性别、地理位置、工作、爱好)做标签对齐。Google AdWords 在搜索场景就是用关键词召回,因为关键词能保证搜索结果页上的广告与查询确实相关;这也解释了它的一个边界——非注册用户短时间内反复搜同一个词,除第一次外往往不再看到广告,冷启动召回是有时效的。

两条路的共同问题是算得慢:传统冷启动方法在推荐时要为每个用户做大量计算。工程上的对策不是换模型,而是把匹配结果预先索引化、把候选先裁小,降低在线复杂度。

参见 [[广告召回的三条通路]]。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第12章 推荐应用实战:基于广告的推荐 · 查看原书依据

      在计算广告中,解决冷启动问题通常还有两种方法:一种是利用强化学习的方法。这类方法通常将冷启动问题转化为多臂赌博机问题进行解决,根据用户对广告的反馈,不断调整系统推荐广告的策略。另一种是利用推荐系统中基于内容的推荐方法。

    参考来源

    - 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第12章 推荐应用实战:基于广告的推荐(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0156.html) - 结论依据:原文以并列方式给出两种冷启动解法及其机制,并补充了传统方法计算量大、耗时的问题,支撑卡的对比与工程结论。 - 原始内容:在计算广告中,解决冷启动问题通常还有两种方法:一种是利用强化学习的方法。这类方法通常将冷启动问题转化为多臂赌博机问题进行解决,根据用户对广告的反馈,不断调整系统推荐广告的策略。另一种是利用推荐系统中基于内容的推荐方法。