美团外卖原生广告推荐系统优化实践
3星 · 超过75%的资源 需积分: 10 178 浏览量
更新于2024-07-19
收藏 11.39MB PDF 举报
"美团外卖原生广告推荐实战主要探讨了在O2O广告场景下,如何实现有效的原生广告推荐,结合wide & deep模型、评分机制以及在线特征,以达到商业与用户体验的有机融合,并在高增长业务中进行多维度优化。文章作者是美团外卖的商业技术负责人,具有丰富的行业经验。"
这篇实战分享了美团外卖原生广告推荐系统的设计与实施。原生广告是指广告内容与平台环境自然融合,提高用户体验的同时也促进商业目标的达成。在O2O(线上到线下)广告领域,美团外卖面临的主要特点是广告主多为中小企业,信息化程度不高,用户地域性显著,广告内容更接近自然搜索结果,且拥有全链条的数据。
为了应对这些特点,美团外卖采取了以下策略:
1. **检索架构融合**:服务粒度随着业务发展从互联网级、城市级到商圈级,检索分为LBS检索(配送区)和业务检索(广告、推荐、搜索)。通过检索架构的融合,实现了广告检索的高效和灵活。
2. **数据融合**:面对多入口和大规模用户,美团外卖建立了统一的用户建模,整合离线和在线数据流,包括Meta信息、样本标注和实时监控,以提升推荐精度。
3. **广告与自然结果融合**:在PC时代,广告通常按顺序填充,而在无线Feeds流中,采用间隔插入和提名策略,使得广告与自然搜索结果更加协调,既保证了用户体验,又提升了广告效益。
4. **多维度优化**:在流量效率方面,通过运用DNN(深度神经网络)、LR(逻辑回归)和DeepFM(深度因子分解机)等模型,进行多维度的优化,不断迭代优化指标,如AUC(面积在ROC曲线下的面积)、F系列指标、LogLoss、绝对值(影响CPM,每千次展示费用)和NLL/NE(负对数似然/平均错误率),并考虑到商户体验,如广告排序规则和计费方式。
在这个过程中,评分机制是关键,它决定了广告的展示优先级,而在线特征的提取和利用则有助于实时响应用户行为变化,提升推荐效果。通过这些方法,美团外卖成功地在快速增长的业务环境中,实现了商业效益与用户满意度的平衡。
2017-01-11 上传
155 浏览量
2024-06-26 上传
2019-08-10 上传
2016-09-06 上传
2017-12-15 上传
jt120
- 粉丝: 4
- 资源: 12
最新资源
- 磁性吸附笔筒设计创新,行业文档精选
- Java Swing实现的俄罗斯方块游戏代码分享
- 骨折生长的二维与三维模型比较分析
- 水彩花卉与羽毛无缝背景矢量素材
- 设计一种高效的袋料分离装置
- 探索4.20图包.zip的奥秘
- RabbitMQ 3.7.x延时消息交换插件安装与操作指南
- 解决NLTK下载停用词失败的问题
- 多系统平台的并行处理技术研究
- Jekyll项目实战:网页设计作业的入门练习
- discord.js v13按钮分页包实现教程与应用
- SpringBoot与Uniapp结合开发短视频APP实战教程
- Tensorflow学习笔记深度解析:人工智能实践指南
- 无服务器部署管理器:防止错误部署AWS帐户
- 医疗图标矢量素材合集:扁平风格16图标(PNG/EPS/PSD)
- 人工智能基础课程汇报PPT模板下载