爱奇艺广告投放——各位小伙伴大家好，本期将向大家介绍如何通过多路召回高效的提升广告变现效率。

背景

召回是源头因此决定广告变现效率的天花板

多路召回以多维度筛选TOPN广告

召回的挑战

召回计算量大，但性能要求高

• 海量广告:召回是广告筛选第一步，需要处理的广告量近似于广告库的规模，一般在百万以上

• 巨量请求:爱奇艺广告请求峰值在近百万QPS，对召回服务的并发和延迟有较大挑战

• 复杂逻辑:召回包括索引查询、定向过滤、策略处理、向量计算等多个步骤，复杂度高

召回是粗筛，但准确性要求高

• 囿于算力，召回不能使用复杂的模型预估，但却需要获得较为准确的TOPN广告

• 使用多个简单的召回策略，多路并行召回往往可以达到甚至超过单个复杂模型的召回效果

• 召回策略需要能够快速试错迭代和高效评估，以便高效优化背景

建立多路召回架构，使用多个策略维度或简单模型召回候选广告是实现性能和准确性平衡的行业通用方法

多路召回的目标

高性能

• 增加召回通路不增加时延

• 部分通路超时或有其它问题不影响召回整体功能

易扩展

• 召回架构实现框架化、标准化、配置化

• 增加召回通路通过修改配置组合标准组件实现

增收入

• 召回、点击、转化、AB实验效果、召回通路形成闭环，近实时反馈通路修改后的收入变动

• 召回通路的增删主要由AB实验中的收入升降决定

方案

抽象接口，构建标准组件

• filter:过滤器，基于定向条件、策略等进行广告过滤

• channel:召回通路，一般由多个过滤器组成

• pipeline:由多个召回通路组成，是AB实验的比较对象

  

  
  

支持配置，自由组装召回通路

• 支持用户基于配置文件将过滤器等标准组件进行组合生成召回通路

• 对于已有组件，增加相关通路支持所见即所得式编辑，支持在线生效的能力

  

分片召回

• 召回路由负责对请求分片，并将分片后的子请求打到正确的召回节点处理

• 针对上下线及服务重启等场景导致的分片节点实例数不均匀问题，主要通过调度服务monitor进行rebalance

• 数据分片由数据分发服务结合服务发现实现

  

多路召回的高效实验:

• 基于AB实验平台，支持设备ID、平台等多维度分桶路由

• 全链路跟踪分桶，支持多维度效果数据细分比较，根据业务指标高效驱动召回策略迭代

  

  
  

爱奇艺广告投放——通过本文相信大家对多路召回提升广告变现效率，已经有所了解。