上一篇中，二哈講述了廣告業(yè)務(wù)的流量提升，在講述提升廣告點擊率的時候，提到了迎合用戶喜好的概念，本篇就來說說如何迎合用戶喜好吧。

用戶和廣告交互的全過程可以表述為：看見廣告—對素材產(chǎn)生興趣—點擊廣告—對內(nèi)容產(chǎn)生興趣—消費廣告。

注意，這里的廣告泛指一切商業(yè)化行為，包括且不限于廣告、直播、游戲、增值服務(wù)、會員業(yè)務(wù)等。

所以個性化推薦的重點為：

• 讓用戶看到喜歡的素材（核心指標為CTR，點擊率）
• 點擊后看見喜歡的內(nèi)容（核心指標為后續(xù)轉(zhuǎn)化率，比如會員則是付費率，應(yīng)用廣告則是安裝率）
• 素材和內(nèi)容之間保持相關(guān)性（核心指標為跳出率）

1、讓用戶看到喜歡的素材

雖然在上一篇中說到素材優(yōu)化的點（誘惑性），但是每個人的興趣點實際是千差萬別的。就好比“吃雞”這個詞語，對于20歲的人和40歲的人來說，意義完全不一樣。下面來詳細介紹一下幾種實操方法：

1.1、對比測試法

1.1.1、對于相同的一群用戶，隨機分為兩個組別，一個組投放A素材，另一個組投放B素材，如果CTR（A）>CTR（B），那么A要優(yōu)于B，以后是不是投放A就好啦？但是投著投著發(fā)現(xiàn)，點擊率慢慢下降，這是為什么呢？因為長期不變的素材對于用戶的吸引力變?nèi)趿耍ㄓ脩粢呀?jīng)有了清楚的預期），該換新的素材了！

1.1.2、由編輯不斷產(chǎn)出新的素材，同時上線多輪素材測試投放，選出最好的持續(xù)投放幾天，再進行新的測試。慢慢的點擊率保持穩(wěn)定上升了，但是上升幅度慢慢變小，評估效果工作量也越來越大，這下該怎么辦呢？其實交給電腦就好了。

1.1.3、素材優(yōu)化系統(tǒng)開始搭建，包含素材庫、統(tǒng)計服務(wù)、投放服務(wù)等。由編輯手動錄入大量素材，配置好對應(yīng)的廣告位，初始時由服務(wù)端將大量素材平均分配給隨機用戶，一段時間后計算每個素材的CTR，進行權(quán)重更新，CTR高的素材占更大的權(quán)重，CTR低的素材占更小的權(quán)重，另外留一部分權(quán)重給新錄入的素材，引入時間衰減函數(shù)，若長時間表現(xiàn)不好的素材，直接淘汰掉，編輯同學參照CTR最高的那些素材進行新的設(shè)計。

經(jīng)過以上三步，CTR應(yīng)該能提升100%以上（工作經(jīng)驗），但你會發(fā)現(xiàn)，很快就會到達天花板，因為這里有兩個因素的問題：1、每個人被當做相同的個體；2、設(shè)計素材的能力。

那么怎么才能繼續(xù)提升呢？進入下一個方法。

1.2、協(xié)同過濾法

設(shè)計素材的能力短期內(nèi)無法提升的話，我只要把每個人當做不同個體來衡量就好啦，那么點擊率就變成了CTR1、CTR2、CTR3……這里就需要開始引入?yún)f(xié)同過濾的概念了。

1.2.1、協(xié)同過濾（主要有兩個方向）：

基于物品（內(nèi)容）推薦：比如你喜歡A，通過A的特征找到B和A很相似，C和A不相似，那么更傾向于給你推薦B

基于用戶推薦：比如你喜歡A，他也喜歡A，通過你和他的共同特征（喜歡A），認為你和他相似，如果他還喜歡B，那么更傾向于給你推薦B

1.2.2、操作步驟為：選取推薦方法——對用戶/物品打標簽——計算相似度——產(chǎn)生推薦結(jié)果——測試結(jié)果修正算法

• 選取推薦方法：主要看數(shù)據(jù)是否豐富，如果用戶特征豐富，那么選擇基于用戶，反之選擇基于物品；
• 對用戶/物品打標簽：用戶標簽在用戶畫像的文章中有提到，想了解的可以看一下，物品的話以廣告為例，可以分為類型（游戲、體育、財經(jīng)）、載體（圖片、文字）、內(nèi)容（人、動物）、風格（可愛、成熟）等等，以及分配各標簽的權(quán)重；
• 計算相似度：對每個用戶/物品進行向量化，每個標簽就是一維向量，最終計算的其實就是n維向量的相似度，常用方法有余弦相似度、歐式距離等（這里不詳述）；
• 產(chǎn)生推薦結(jié)果：C用戶喜歡A，且A和B相似（以基于物品為例）
• 測試結(jié)果修正算法：將B投放給C用戶，若效果不理想，主要考慮優(yōu)化標簽和權(quán)重。

經(jīng)過以上兩步，CTR應(yīng)該能再提升30%以上（工作經(jīng)驗），主要限制提升率的因素在于標簽庫的豐富程度，實際工作中，尤其是廣告業(yè)務(wù)，能拿到的有效標簽很少，所以推薦出來的結(jié)果不盡如人意。

那么，試著提升設(shè)計素材的能力呢？

1.3、AI生成法（二哈沒有實操經(jīng)驗，只是討論）

最簡單提升能力的方法就是換更厲害的設(shè)計！2333333……如果能換的話，請略過這個篇章。

不知道大家有沒有了解過阿里的魯班或者騰訊的Dreamwriter，他們都是通過機器學習的方式來達到自動生產(chǎn)內(nèi)容的工具。核心流程如下：

• 拆解圖片/文本，比如圖片可拆解成：背景、框架、色彩、主產(chǎn)品、次要產(chǎn)品、標題、描述等等；而文本直接可以通過切詞完成。
• 引入大量圖片/文本作為元素集合，為訓練做準備
• 通過機器學習的方式，讓電腦知道A和B在一起是可以的，B和C在一起是不行的（學習規(guī)律）
• 生成大量內(nèi)容，投放測試（其實類似于海量的對比測試+協(xié)同過濾的方式）

這里的核心點在于：

• 有海量的歷史數(shù)據(jù)作為訓練樣本；
• 有足夠?qū)I(yè)的設(shè)計能力去干預；
• 有足夠的投放樣本回收結(jié)果

2、點擊后看見喜歡的內(nèi)容/素材和內(nèi)容之間保持相關(guān)性

這兩點其實可以一起說，因為簡單說來就是：1-轉(zhuǎn)化率=跳出率，通過點擊廣告素材看到內(nèi)容的用戶，要不就是轉(zhuǎn)化了，要不就是跳出了，無非這兩種出路（第三種可能是產(chǎn)品有問題直接掛了，這里不談）。

那么怎么提升呢？其實也就是和CTR優(yōu)化一樣，對比測試、協(xié)同過濾、AI生成，因為素材，也是內(nèi)容的一種。

但一般情況下，素材和內(nèi)容應(yīng)該是綁定的，也會有多個素材對應(yīng)一個內(nèi)容的情況，但一般不會有多個內(nèi)容對應(yīng)一個素材的情況，所以大家經(jīng)?？匆?，同一個業(yè)務(wù)，會在產(chǎn)品上有多個廣告入口，而同一個廣告入口對應(yīng)多個業(yè)務(wù)，則會相互瓜分流量。

也就是說，在綁定的前提下，只要優(yōu)化好前者（素材CTR），那么后者（內(nèi)容后續(xù)轉(zhuǎn)化率）自然就高了。

之前實際操作過一次，將后續(xù)的內(nèi)容元素直接添加到了廣告素材上（素材和內(nèi)容保持一致），且用戶對內(nèi)容元素是認知的、是喜歡的，結(jié)果CTR提升了30%，后續(xù)付費轉(zhuǎn)化提升了將近400%

但在實際工作中，大家經(jīng)常會為了追求導入高流量（點擊率）故意把廣告素材做的很誘惑，甚至偏離了實際內(nèi)容，這將會帶來后續(xù)轉(zhuǎn)化率降低，以及用戶的信任度降低，這是為了追求短期利益導向，不優(yōu)先推薦。（盡管二哈也做過類似的事情）

好啦，本篇基本也就講完了，感覺很多地方都沒有講得很細，爭取慢慢完善，不足之處請指教啦。

相關(guān)閱讀

廣告系統(tǒng)設(shè)計：概述

作者：二哈很冷很傲嬌，互聯(lián)網(wǎng)產(chǎn)品狗，碼字很慢，性格尚可

來源：https://www.jianshu.com/p/f44722e79d75

本文由 @二哈很冷很傲嬌 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自PEXELS，基于CC0協(xié)議