面向广告主的猜你喜欢与B端用户增长实践

1. 面向广告主的猜你喜欢与B端用户增长实践刘泉阿里妈妈技术

2. 目录 CONTENT 01 B 端用增顶层设计 02 多场景多任务客户建模 03 商家端异质内容推荐 04 结语

3. 01 B端用增顶层设计

4. 业务背景概述 • 阿里妈妈负责集团主要的广告营收 • 流量视角之外，2020年起成立客户增长算法团队，聚焦于广告主/商家侧的系统能力建设与增长 • 有别于C端的增长黑客方法论以及社交裂变等常见手段，B端有其特有属性（理性、多样、稀疏） • 横跨阿里多个广告线（搜索、信息流、直播、互动等）

5. B端客户增长顶层设计一灯客户建模如意异质推荐分发 [1]. 部分工作已被 WSDM 2022 长文收录。 Leaving No One Behind: A Multi-Scenario Multi-Task Meta Learning Approach for Advertiser 全链路转移支付 [2]. 部分工作已被 CIKM 2021 长文收录。 Modeling Heterogeneous Graph Neural Networks for Largescale Bid Keyword Matching

6. 02 多场景多任务客户建模

7. 商家端建模与理解 l 精准识别和预判客户价值，围绕广告主全生命周期 l 支撑各场景客户精细化运营业务 l 自然价值预估（客户潜力、活跃天数/ARPU、流失率等） l l 干预价值（消息触达、权益推荐）主要挑战 l 阿里妈妈广告场景/平台众多，多场景单独建模不具备扩展性 l 客户营销目标多样化，展现、点击、成交等，商家行为的多样性和稀疏性 l 不同场景具有复杂的关联关系

8. M2M 多场景多任务元学习模型（WSDM 2022） p 广告主在未来时间段的多场景多目标效果预估点击/消耗/活跃天数等广告主场景信息，BP场景/类目/客户层级广告主属性特征广告主时间序列操作特征广告主时间序列营销效果特征 p 模型结构 l 在多任务目标网络（如MMoE)基础上基于元学习思想生成不同场景网络参数 l 元学习单元 l 输入不同场景特征经过元学习网络输出不同权重参数；底层Expert融合权重元网络 l 顶层任务层参数元网络 l 元网络参数

9. 离在线评估与应用 p 训练目标 p 离线结果 l 在多场景上预估准确率高于常用多任务目标学习方法，特别在小场景上提升更为明显 p 线上应用 l 运营圈选目标客户运营、消息触达 l 在直通车、超级推荐等广告产品的新手权益中落地，带动新客日活率和留存提升+2%

10. 商家端建模理解解决方案沉淀与开源 [1]

11. 03 商家端异质内容推荐

12. 如意异质营销推荐整体设计

13. 淘系内外引流点位代表 BP内淘系外淘系内营销雷达-跨BP引流经营建议-多场景联合建模对于当前BP营销状况不好，并且适合在针对多个场景复合问题，构建通用的学习其他BP做投放的客户进行做跨BP引流框架，解决商家端中小场景样本少、异质外投-淘系外商家端投放通过挖掘潜在的妈妈客户，在外部媒体给妈妈各广告BP进行营销性、冷启动等问题，提升业务效果单一工作场景多样化生活场景

14. 基于multi-view GCN关键词推荐升级-HGNN （CIKM 2021）问题定义：关键词推荐的匹配问题现状和挑战：文本匹配建模：非面向效果建模、语义匹配问题；面向效果建模：如GNN召回算法数据稀疏ad很难被模型捕捉；邻居节点中噪音信息过滤；异质节点的信息融合和匹配问题；思路和解法： multi-view引入更多监督信号；降噪图卷积；异质节点匹配：Siamese match；注意力机制的异质信息融合；丰富图信息如何更加充分利用？

15. 基于multi-view GCN关键词推荐升级-HGNN — view transformation — Siamese neighbor matching — subgraph-level fusion — node-level fusion bid-based metapath item-based metapath

16. 离在线评估与应用 New Ads Performance Offline Performance 核心结论 1、离线和在线均获得比较明显提升； 2、新广告的效果提升高于整体提升，显示了对新广告的有效性； Online Performance

17. 04 结语

18. 商家端丰富的场景和特有挑战 – 更多样例 “袋小蜜”智能问答助手智能权益（内投、外投）智能人群定向

19. 阿里妈妈技术微信公众号感谢 & 欢迎！欢迎加入！ lq204691@alibaba-inc.com