导读

本次分享的主题聚焦于阿里妈妈品牌广告中的自然语言处理（NLP）算法应用。主要涵盖以下内容：

1. 品牌广告业务的形式和技术架构概览
2. NLP 算法在品牌搜索广告中的具体应用，特别是品牌意图识别和短文本相关性分析

品牌广告业务形式与技术架构

1. 阿里妈妈品牌广告业务概述

阿里妈妈品牌广告拥有丰富的广告产品矩阵，依托强大的生态系统资源支持。其中，淘宝是主要的流量来源，而阿里系其他应用也是重要的流量供应方。品牌广告分为两大类：品牌展示广告和品牌搜索广告。品牌展示广告包括超级风暴（整合多个APP的开屏广告）、品牌特秀（淘宝内部稀缺的横幅广告）及优酷和OTT等视频广告。品牌展示广告通常采用定价保量的销售模式。品牌搜索广告主要包括明星店铺（以CPM形式销售）和品牌专区（以CPT形式销售）。

2. 确定性诉求决定品牌广告业务形式与技术方案

品牌广告与效果广告有很大区别，关键在于品牌广告需要满足品牌广告主的确定性需求。确定性体现在品牌广告全链路的高度可控性——从询量、下单、投放到评估，每个环节都需确保资源的提前锁定和投放结果的确定性。因此，品牌广告业务和技术可以划分为询量、下单、投放与评估四个阶段。询量阶段需要预估流量和库存，下单阶段需要根据广告主需求进行库存管理和报价，投放阶段需要处理多订单流量叠加的问题，评估阶段需要生成自动化报告，以确保持续化的消费者运营。

3. 阿里妈妈品牌广告技术架构

从广告主的角度看，广告主首先要通过询量平台对流量、人群、时段和地域等定向条件进行询量询价。询量平台背后支撑的技术包括库存管理、流量预估和定向技术。一旦订单下达，系统将构建广告索引，通过广告引擎进行在线投放。在这个过程中，涉及的关键模块包括在线投放、智能创意和频控。

从流量的角度看，流量进入系统后，由统一的流量接入与分发层处理，根据流量类型分发到不同的引擎，无论是效果广告还是品牌广告引擎。

品牌广告内部的展示广告与搜索广告在技术模块上有所不同。品牌展示广告主要涉及库存管理和流量预估，以及在线阶段的流量分配。而品牌搜索广告则需要解决定向技术和智能创意模块的问题。

4. 品牌搜索广告产品形态

品牌搜索广告包括两种主要产品：品牌专区和明星店铺。品牌专区以CPT形式销售，而明星店铺以CPM形式销售。品牌搜索广告需要解决两个关键问题：品牌意图识别和广告匹配约束。

NLP 算法在品牌搜索广告中的应用

1. NLP 任务概述

品牌搜索广告中的NLP任务主要包括定向技术和智能创意技术。这两个任务支撑了三个核心业务能力：品牌流量的发掘、品牌流量分配和智能创意匹配。具体来说，涉及两个NLP任务：品牌意图识别和短文本相关性分析。

2. 品牌意图识别

品牌意图识别的任务是判断一个查询是否具有搜索某个品牌的意图。这一任务不同于实体链接，需要识别查询是否有搜索特定品牌的强烈意图。我们采用了两阶段的方法：首先通过规则圈选候选品牌，然后通过匹配模型进行确认。我们详细介绍了Entailment模型和Multi-Choice模型的演进过程，并讨论了知识图谱在提升模型效果中的作用。

3. 短文本相关性分析

短文本相关性分析的任务是计算查询与广告商品之间的相关性。我们采用learning to rank方法，将任务转化为二分类问题，通过弱监督和数据增强的方法生成训练样本。我们还介绍了DSSM模型及其改进版Compare-Aggregate模型，通过这种模型改进，显著提高了模型在不同阈值下的稳定性。

总结

通过本次分享，我们总结了在品牌广告中应用NLP算法的实际感受。样本数据获取是NLP监督学习的一大难点，可以通过弱监督和数据增强的方法来解决。在模型选择上，深度学习工具化程度越来越高，可以根据具体问题进行创新。在业务场景中发现问题、定义问题的能力是算法工程师的核心竞争力。建议算法应用采取逐步迭代的方式，以适应工业落地的需求。