利用先进的机器学习和矢量数据库技术优化广告效果

如今,市场营销者面临着前所未有的压力。 不断变化且成本日益高昂的广告格局,以及新的法规和整体宏观经济的不确定性,使市场营销者越来越依赖基于效果的数字营销活动。 随着消费者一如既往地认真考虑每一次消费,高效的底层策略在完成交易和获得收入方面发挥着至关重要的作用。

Criteo的技术和创新一直是我们工作的核心,早在15年前,我们就开始提供电影推荐服务。 人工智能(AI)是我们DNA的一部分,我们每天都在努力增强我们基于AI的解决方案,并为客户的广告活动带来有意义的成果。 今天,我们非常激动地向大家介绍DeepKNN,这是我们对Criteo重新定位 推荐引擎的最新补充。 DeepKNN是Criteo先进的矢量数据库和深度学习引擎,已经为我们的主要部分产品线提供支持。

该方法的影响难以言表——在我们的重新定位推荐系统中发布DeepKNN测试版期间,我们观察到所有参与度指标都取得了有意义的增长。 虽然业绩的增长会因客户而异,但我们正在推动点击率和归因于收入增长的改进,通常超过10%!  简而言之,我们先进的AI在规模上可以大规模地为市场营销者带来更好的效果。

DeepKNN 如何切实提高性能? 在下一节中,我们将简要说明DeepKNN代表什么以及它如何帮助我们提高广告活动效果。

什么是DeepKNN?

DeepKNN代表“K近邻算法搜索的深度学习表示”。 DeepKNN结合了最先进的矢量数据库和深度学习技术。 该框架现在为Criteo的大部分广告活动提供了支持,为消费者提供了更好的产品推荐,并为广告商改善了消费者参与度指标。
DeepKNN代表了两项强大技术的结合:

  • 深度神经网络,它将我们所有的产品和消费者活动信息处理成一组矢量(如下图1中的处理过程所示)。
  • 矢量数据库,它存储产品和消费者矢量,并允许我们实时找到与查询最相似的产品和消费者(如下图2a和2b中的检索过程所示)。
在矢量数据库中索引产品的过程:步骤1)吸收所有可用的非结构化产品信息(图像、文本、用户活动)。 步骤2)通过深度学习将它们转换为矢量表示。 步骤3)将它们存储在矢量数据库中。

矢量表示的强大性

为什么将矢量与我们所有的产品和消费者关联起来十分有用? 因为矢量可以帮助我们找到特定产品或服务的最佳匹配消费者。 通过将消费者和产品表示为矢量,我们能够将我们的消费者对产品亲和力的概念合并为两点之间的距离。 如下图2a右侧所示,矢量空间包含放置在2D平面上的各个位置中的一组消费者和产品。 我们观察到,通过将它们放置在2D空间中的简单行为,我们可以定义类似产品的隐式集群,例如鞋类、时装、技术和旅行。 一旦将消费者和产品放置在空间中,我们的矢量数据库允许我们非常快速地查找任何特定消费者或产品的最近邻居,或最接近的消费者矢量。 此种方法是我们推荐和受众产品的核心力量。

DeepKNN如何影响市场营销者的广告活动?

DeepKNN通过多种方式帮助广告商优化广告活动:

  • 个性化推荐:DeepKNN可以根据消费者过去的行为和偏好向他们提供个性化推荐。 这可以带来更高的转化率和更好的整体营销效果。 (见下图2b)。
  • 更好的受众:DeepKNN可以帮助识别消费者行为中可能不会立即显现出来的模式和相似性。 通过将具有相似行为的消费者聚集在一起,我们可以更有效地定向投放我们的广告,从而提高参与度和转化率。 (见下文图2a)。
  • 更快的数据检索:通过使用DeepKNN,我们可以快速搜索大量数据,从而获得最相关的结果。 这对于效果广告中的实时决策至关重要,因为每一毫秒都十分关键。
  • 改进的广告创意:通过使用DeepKNN分析我们的广告内容,我们可以识别出与目标受众相似的模式和相似性。 这可以帮助我们创造更有效的广告创意,从而带来更好的结果。
在矢量数据库中使用搜索产生受众:从产品开始,我们在矢量数据库中查找其矢量,检索最接近的用户矢量,并将它们作为相关受众的一部分返回。

使用DeepKNN改进重新定位产品推进

推荐正确的产品是任何重新定位广告活动成功的核心。 针对重新定位,我们现有的高效产品推荐解决方案采用两阶段架构,以确保我们可以扩展到每秒数千个请求。 虽然在第一阶段,我们计算不同商品之间以及流行和趋势产品之间的多种相似度,但在第二阶段,我们根据最新的消费者偏好信息重新排列最合适的产品,以便实时生成最相关的横幅广告。

将DeepKNN集成到我们的产品推荐中,使我们现在能够以更先进的方式计算不同商品之间的相似性:以前很难发现的流行、稀有和新商品之间的相似性,现在可以更容易地发现,从而使得产品推荐更符合消费者的利益。 DeepKNN的另一大优势是,通过将我们所有的产品和消费者放在同一个空间中,我们可以实时搜索数亿个“消费者-商品对”,从而为每个消费者不断更新高度相似产品的列表。

在矢量数据库中使用搜索进行推荐:从消费者开始,我们在矢量数据库中查找他们的矢量,检索最接近的产品矢量,并返回它们以进行推荐。

矢量数据库和深度学习的效果展望

随着程序化访问AI功能的出现,例如OpenAI的ChatGPT和嵌入API(可以将任何文档转换为矢量),越来越多的公司正在意识到深度学习和矢量搜索的强大性。 我们认为,这种趋势凸显了矢量数据库在现代数字营销中的重要性,因为广告商开始更有效地利用他们可以获得的大量数据。

通过使用深度学习算法以及高级相似性搜索和聚类技术,DeepKNN等矢量数据库正在帮助广告商识别具有相似购物偏好的消费者集群。 这从而可以推动更有效的受众定位、更相关的推进以及改进的广告创意。 所有这些工作都由一个比传统服务架构更快且更具可扩展性的搜索系统完成。

我们很自豪能站在这一趋势的最前沿,我们相信我们的全新在线决策引擎代表着在效果广告方面迈出了重要的一步。 通过利用深度学习和矢量搜索技术的强大功能,我们能够为客户提供功能强大的全新工具,最大程度地提高其广告活动的有效性。 我们很高兴看到我们的客户将如何利用DeepKNN来推动更好的结果和更高的投资回报率,同时期待在未来几年继续在这一领域进行创新。

欲了解有关DEEPKNN和机器学习如何提高广告活动效果的更多信息,请咨询我们的专家