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。
🏷️
