@漫谈"搜推广"之推荐和广告算法异同

漫谈"搜推广"之推荐和广告算法异同 - 知乎

1. 宏观上–广告与推荐业务目标不同：

• ① 推荐算法本质上是解决 用户体验 的问题

• ② 广告(“广而告之”谓之广告)算法，不仅要满足用户需求，更多的是需要平衡广告主、用户和广告平台三者之间的利益关系，较多的考虑广告主的推广诉求。再直白一些：#card

  • 广告算法的目标是为了直接增加公司营收，这也是一切互联网产品的本质(无论是BAT/TDM还是号称永远免费的360)–天下没有免费的午餐。

• ③ 策略差异大但预估模型同源 #card

  • ：A. 推荐算法和广告算法在一些策略特别是机制方面差异性很大;

  • B. 但两者在常规的预估模型算法又非常相似。

  • 推荐算法虽然本质上虽然也是为了增加公司收入，但其直接目标是为了增加用户的参与度。比如博客《多场景多业务建模》所提到的方法，既适用于推荐又适用于广告。

[[2. 微观上-- 新闻资讯Feed流 VS 电商Feed流中的（推广商家）广告]]

[[3. 具体的 – 架构之预估与机制]]

4. “推广”小结

• 4.1 “推广”异同#card

  • ① 本文对广告和推荐在多个方面进行了阐述，二者的优化目标不同，涉及的利益群体不同，面临的约束也不同。

  • ② 对于CTR预估这一块，两者的迭代思路或演进路线，基本一致；对于机制策略这一块，两者差异非常大。

• 4.2 “推广”面临的挑战 #card

  • ① 广告算法的问题更加琐碎，各模块协同工作找到平台全局利润最大化方法的难度非常大，系统异常复杂到难以掌控的地步！

  • ② 推荐算法这边，问题往往卡在长期利益与短期利益的平衡上，在模型结构红利消失殆尽的今天，如何破局！