個性化電商廣告推薦系統介紹

日萌社

人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰（不定時更新）

---

 

一 個性化電商廣告推薦系統介紹

1.1 數據集介紹

• Ali_Display_Ad_Click是阿里巴巴提供的一個淘寶展示廣告點擊率預估數據集

  數據集來源：天池競賽

• 原始樣本骨架raw_sample

  淘寶網站中隨機抽樣了114萬用戶8天內的廣告展示/點擊日誌（2600萬條記錄），構成原始的樣本骨架。 字段說明如下：

  1. user_id：脫敏過的用戶ID；
  2. adgroup_id：脫敏過的廣告單元ID；
  3. time_stamp：時間戳；
  4. pid：資源位；
  5. noclk：爲1代表沒有點擊；爲0代表點擊；
  6. clk：爲0代表沒有點擊；爲1代表點擊；

  用前面7天的做訓練樣本（20170506-20170512），用第8天的做測試樣本（20170513）

• 廣告基本信息表ad_feature

  本數據集涵蓋了raw_sample中全部廣告的基本信息(約80萬條目)。字段說明如下：

  1. adgroup_id：脫敏過的廣告ID；
  2. cate_id：脫敏過的商品類目ID；
  3. campaign_id：脫敏過的廣告計劃ID；
  4. customer_id: 脫敏過的廣告主ID；
  5. brand_id：脫敏過的品牌ID；
  6. price: 寶貝的價格

  其中一個廣告ID對應一個商品（寶貝），一個寶貝屬於一個類目，一個寶貝屬於一個品牌。

• 用戶基本信息表user_profile

  本數據集涵蓋了raw_sample中全部用戶的基本信息(約100多萬用戶)。字段說明如下：

  1. userid：脫敏過的用戶ID；
  2. cms_segid：微羣ID；
  3. cms_group_id：cms_group_id；
  4. final_gender_code：性別 1:男,2:女；
  5. age_level：年齡層次； 1234
  6. pvalue_level：消費檔次，1:低檔，2:中檔，3:高檔；
  7. shopping_level：購物深度，1:淺層用戶,2:中度用戶,3:深度用戶
  8. occupation：是否大學生 ，1:是,0:否
  9. new_user_class_level：城市層級

• 用戶的行爲日誌behavior_log

  本數據集涵蓋了raw_sample中全部用戶22天內的購物行爲(共七億條記錄)。字段說明如下：

  user：脫敏過的用戶ID； time_stamp：時間戳； btag：行爲類型, 包括以下四種：​ 類型 | 說明​ pv | 瀏覽​ cart | 加入購物車​ fav | 喜歡​ buy | 購買 cate_id：脫敏過的商品類目id； brand_id: 脫敏過的品牌id； 這裏以user + time_stamp爲key，會有很多重複的記錄；這是因爲我們的不同的類型的行爲數據是不同部門記錄的，在打包到一起的時候，實際上會有小的偏差（即兩個一樣的time_stamp實際上是差異比較小的兩個時間）

1.2 項目效果展示

1.3 項目實現分析

• 主要包括

  • 一份廣告點擊的樣本數據raw_sample.csv：體現的是用戶對不同位置廣告點擊、沒點擊的情況
  • 一份廣告基本信息數據ad_feature.csv：體現的是每個廣告的類目(id)、品牌(id)、價格特徵
  • 一份用戶基本信息數據user_profile.csv：體現的是用戶羣組、性別、年齡、消費購物檔次、所在城市級別等特徵
  • 一份用戶行爲日誌數據behavior_log.csv：體現用戶對商品類目(id)、品牌(id)的瀏覽、加購物車、收藏、購買等信息

  我們是在對非搜索類型的廣告進行點擊率預測和推薦(沒有搜索詞、沒有廣告的內容特徵信息)

  1. 推薦業務處理主要流程： 召回 ===> 排序 ===> 過濾
     • 離線處理業務流
       • raw_sample.csv ==> 歷史樣本數據
       • ad_feature.csv ==> 廣告特徵數據
       • user_profile.csv ==> 用戶特徵數據
       • raw_sample.csv + ad_feature.csv + user_profile.csv ==> CTR點擊率預測模型
       • behavior_log.csv ==> 評分數據 ==> user-cate/brand評分數據 ==> 協同過濾 ==> top-N cate/brand ==> 關聯廣告
       • 協同過濾召回 ==> top-N cate/brand ==> 關聯對應的廣告完成召回
     • 在線處理業務流
       • 數據處理部分：
         • 實時行爲日誌 ==> 實時特徵 ==> 緩存
         • 實時行爲日誌 ==> 實時商品類別/品牌 ==> 實時廣告召回集 ==> 緩存
       • 推薦任務部分：
         • CTR點擊率預測模型 + 廣告/用戶特徵(緩存) + 對應的召回集(緩存) ==> 點擊率排序 ==> top-N 廣告推薦結果
  2. 涉及技術：Flume、Kafka、Spark-streming\HDFS、Spark SQL、Spark ML、Redis
     • Flume：日誌數據收集
     • Kafka：實時日誌數據處理隊列
     • HDFS：存儲數據
     • Spark SQL：離線處理
     • Spark ML：模型訓練
     • Redis：緩存

1.4 點擊率預測(CTR--Click-Through-Rate)概念

• 電商廣告推薦通常使用廣告點擊率(CTR--Click-Through-Rate)預測來實現

  點擊率預測 VS 推薦算法

  點擊率預測需要給出精準的點擊概率，比如廣告A點擊率0.5%、廣告B的點擊率0.12%等；而推薦算法很多時候只需要得出一個最優的次序A>B>C即可。

  點擊率預測使用的算法通常是如邏輯迴歸(Logic Regression)這樣的機器學習算法，而推薦算法則是一些基於協同過濾推薦、基於內容的推薦等思想實現的算法

  點擊率 VS 轉化率

  點擊率預測是對每次廣告的點擊情況做出預測，可以判定這次爲點擊或不點擊，也可以給出點擊或不點擊的概率

  轉化率指的是從狀態A進入到狀態B的概率，電商的轉化率通常是指到達網站後，進而有成交記錄的用戶比率，如用戶成交量/用戶訪問量

  搜索和非搜索廣告點擊率預測的區別

  搜索中有很強的搜索信號-“查詢詞(Query)”，查詢詞和廣告內容的匹配程度很大程度影響了點擊概率，搜索廣告的點擊率普遍較高

  非搜索廣告（例如展示廣告，信息流廣告）的點擊率的計算很多就來源於用戶的興趣和廣告自身的特徵，以及上下文環境。通常好位置能達到百分之幾的點擊率。對於很多底部的廣告，點擊率非常低，常常是千分之幾，甚至更低