老杨SEM博客
·
算法工程师视角下的投放优化
💡
原文中文，约8000字，阅读约需19分钟。
📝
内容提要
本文是一位广告主算法工程师分享的投放优化经验和思考，讨论了投放策略构建、大模型对素材优化的影响和风控系统的启发。提出了提高操作准确率、实时数据分析、平衡全局最优与局部最优等解决方法。探讨了素材标签化和使用AI agent进行投放的可能性。强调了风控系统在投放中的应用。
🎯
关键要点
- 广告主操作空间变小，媒体算法越来越先进。
- 冷启动成本高，素材标签化困难。
- 媒体侧算法优化可能导致负优化。
- 提高投手操作准确率，利用优秀投手的数据。
- 构建基本模型，使用传统机器学习算法进行数据分析。
- 实时数据分析，细化用户画像，进行用户分层。
- 平衡全局最优与局部最优，考虑投手与公司需求。
- 大模型对素材优化的影响，推动素材标签化的困难。
- 可接受不可读的标签化方案，利用逆向处理获取原始素材。
- 使用OCR和音频识别技术提升素材可读性。
- GPT-4和其他模型在素材生成中的应用潜力。
- AI agent在投放中的应用，提供辅助决策。
- 借鉴风控系统的灵活性，构建投放策略配置系统。
- 投放规则配置系统需解决规则冲突和功能有限的问题。
- 使用强化学习需谨慎，需根据实际情况进行验证。
- 相似度算法严格，需通过创新方式突破相似度限制。
➡️
