2023阿里妈妈技术年刊-阿里妈妈_440页_21mb

阿里妈妈技术年刊 2023 总结

核心内容

《阿里妈妈技术年刊》总结了2023年在广告算法、AI平台、智能创意、风控、隐私计算、算法工程/引擎/系统建设等领域的技术进展。年刊涵盖了机制策略、预估模型、召回匹配、智能创意、风控技术、隐私计算、算法工程等多个技术方向，展示了阿里妈妈技术团队在广告智能决策和拍卖机制设计上的创新实践。

主要观点

1. 广告智能决策技术演进

阿里妈妈广告智能决策技术经历了多个阶段的演进，从传统的控制类方法到基于强化学习的出价策略，再到生成式出价模型（AIGB）的引入。

• 第一代：经典控制类

  • 基于PID等控制算法，将效果最大化转化为预算控制问题。
  • 适用于流量价值分布稳定的情况，但对动态变化的环境适应性不足。

• 第二代：规划求解类

  • 基于线性规划（LP）方法，对流量进行预测并求解出价参数。
  • 需要对未来流量进行准确预测，因此在实际场景中需大量数据支撑。

• 第三代：强化学习类

  • 强化学习（RL）被引入出价策略，解决了复杂、动态的竞价环境问题。
  • 引入了Online RL和Offline RL的结合，提升了模型的训练效率和稳定性。

• 第四代：生成式出价模型（AIGB）

  • AIGB基于生成式大模型，将出价策略建模为条件生成模型，避免了强化学习中的训练误差累积问题。
  • 通过最大化似然估计，利用历史投放轨迹数据训练模型，提升出价策略的灵活性和适应性。
  • AIGB支持多目标优化，包括CTR、GMV等，并能处理复杂的预算和成本约束。

2. 拍卖机制设计的发展

阿里妈妈在拍卖机制设计上也进行了深入探索，从传统的GSP、VCG机制逐步发展为基于深度学习的智能拍卖机制。

• 第一代：经典拍卖机制

  • GSP和VCG是早期广泛应用的经典拍卖机制，具备良好的博弈性质。
  • 通过引入保留价、优化排序公式等方式提升平台收益和用户体验。

• 第二代：Learning-based拍卖机制

  • 引入深度学习和强化学习，设计了Deep GSP、Neural Auction等模型。
  • 通过端到端学习，提升拍卖机制的优化效果。

• 第三代：联合出价与拍卖机制

  • 随着自动出价工具的普及，广告主的出价行为变得更加复杂。
  • 引入机制设计的思路，如Score-Weighted VCG，实现多目标优化。
  • 提出Two-Stage Auction等机制，应对多阶段竞价场景。

3. 多样化广告主行为建模

广告主行为建模是拍卖机制设计的重要基础，阿里妈妈团队探索了不同类型的广告主模型。

• UtilityMaximizer（UM）与ValueMaximizer（VM）

  • UM以最大化价值为目标，VM则更注重点击率和转化率。
  • 在自动出价场景下，广告主的行为模式发生变化，需设计新的机制以适应。

• Fairness-aware机制

  • 针对不同广告主在竞价环境中的差异，提出Fairness-aware的自动出价策略。
  • 通过聚类技术，为不同广告主匹配个性化的出价策略，提升公平性。

• 多智能体联合出价

  • 针对多智能体竞价环境，提出基于多智能体强化学习的出价策略。
  • 通过协作与竞争机制，优化广告主和平台的博弈结果。

4. 智能创意与内容优化

阿里妈妈在智能创意生成方面也取得了显著进展，探索了多种方法以提升广告内容的生成质量和匹配效率。

• 上下文驱动的图上文案生成

  • 利用图结构建模，结合上下文信息生成更相关的广告文案。

• 无监督域自适应方法生成海报布局

  • 通过无监督方法，提升海报布局生成的泛化能力和适应性。

• 字体生成与视频剪辑技术

  • 基于内容融合的字体生成方法，提升广告创意的多样性和个性化。
  • 直播剪辑技术优化广告展示效果，提升用户观看体验。

5. 风控与隐私计算

在内容风控和隐私计算方面，阿里妈妈团队构建了完善的解决方案。

• 内容风控模型

  • 设计了内容风控预估引擎，提升广告内容的安全性和合规性。

• 隐私计算平台（SDH）

  • 在营销场景中应用隐私计算技术，保障用户数据安全。
  • SDH在公用云环境中成功落地，实现了广告数据的安全共享。

6. 算法工程与系统建设

阿里妈妈在算法工程和系统建设方面持续优化，提升广告系统的性能和稳定性。

• 动态算力技术

  • 提升广告系统在大规模数据和高并发场景下的算力调度能力。

• 智能诊断工程能力

  • 构建了自动化诊断系统，提升广告策略的可解释性和可维护性。

• 向量召回索引与Dolphin引擎

  • 优化了向量召回索引，提升广告匹配效率。
  • Dolphin引擎基于Flink+Hologres，实现了多模态广告的实时计算。

关键信息

• 技术演进：阿里妈妈广告技术从控制类方法逐步发展为强化学习和生成式模型，提升了决策能力和灵活性。
• 生成式出价模型（AIGB）：基于生成式大模型，实现了更高效的出价策略优化，避免了强化学习中的训练误差累积问题。
• 智能拍卖机制：从经典拍卖机制发展为Learning-based和联合出价机制，实现了多目标优化和更公平的竞价环境。
• 隐私计算：SDH平台在营销场景中落地，保障了用户数据安全和广告投放的合规性。
• 智能创意：通过图结构和无监督方法，提升了广告内容的生成质量和匹配效率。
• 系统建设：构建了Dolphin等智能计算引擎，支撑广告系统的高效运行和实时计算。

结语

阿里妈妈技术团队持续推动广告智能决策和拍卖机制设计的创新，通过强化学习、生成式模型等技术手段，提升了广告投放效果和平台收益。未来，随着AI技术的不断发展，阿里妈妈将继续探索更多可能性，为广告行业带来更多创新和突破。