阿里巴巴展示广告的无截断匹配系统
信息检索
2021-02-19 v1 机器学习
摘要
匹配模块在展示广告系统中起着关键作用。在没有用户查询的情况下,系统难以合适地匹配用户流量与广告。系统将具有共同属性(如相同性别或相似购物兴趣)的一组用户打包为一个人群。此处人群可视为用户上的标签。然后广告主对不同人群出价并将其广告投放给那些目标用户。大多数工业展示广告系统中的匹配模块遵循两阶段范式。当接收到用户请求时,匹配系统(i) 找到该用户所属的人群;(ii) 检索所有定向了那些人群的广告。然而,在如阿里巴巴展示广告等应用中,由于人群与广告数量极大,在有限延迟下匹配的两个阶段都不得不对长尾部分进行截断。也就是说,并非所有广告都有机会参与在线匹配。这导致广告效果与平台收益均次优。本文研究该截断问题并提出一种无截断匹配系统(Truncation Free Matching System, TFMS)。其基本思想是将匹配计算与在线流水线解耦。TFMS 不是当用户访问时执行两阶段匹配,而是利用近线无截断匹配预先计算并存储每个用户的高价值广告。随后在线流水线只需获取预存广告作为匹配结果。以此方式,我们可跳出在线系统的延迟与计算成本限制,并利用灵活的计算资源完成用户-广告匹配。TFMS 自 2019 年已部署于生产系统,带来(i) 此前遭遇截断的广告主曝光量提升逾 50%,(ii) 每千次展示收益(Revenue Per Mile)提升 9.4%,对业务而言已足够显著。
引用
@article{arxiv.2102.09283,
title = {Truncation-Free Matching System for Display Advertising at Alibaba},
author = {Jin Li and Jie Liu and Shangzhou Li and Yao Xu and Ran Cao and Qi Li and Biye Jiang and Guan Wang and Han Zhu and Kun Gai and Xiaoqiang Zhu},
journal= {arXiv preprint arXiv:2102.09283},
year = {2021}
}
备注
9 pages, 3 figures. Submitted to KDD 2021 Applied Data Science track