互联网智能广告系统简易流程与架构 |_可思数据-人工智能媒体资讯平台！

很多朋友估计没有做过这一块，争取最简洁的语言描述清楚。

一、业务简述

从业务上看整个智能广告系统，主要分为：

1）业务端：广告主的广告后台

2）展现端：用户实际访问的页面

业务端，广告主主要有两类行为：

1）广告设置行为：例如设置投放计划，设置地域，类别，关键字，竞价等

2）效果查看行为：例如广告展示次数是多少，广告点击次数是多少等

展现端，用户主要也有两类行为：

1）站点浏览行为：用户浏览实际的信息，此时广告系统决定出广告主的什么广告

2）广告点击行为：此时广告系统会对广告主进行扣费

二、业务流程

下面通过一个的例子，让业务流程更直观。

步骤一：广告主在业务端投递广告

广告主登录业务端后台，进行设置：

这些数据，当然通过业务端存储到了数据层，即数据库和缓存里。

步骤二：用户来到了网站，进入了“北京 - 上地 - 租房”类别，广告初筛实施

用户产生了平台浏览行为，网站除了展示自然内容，还要展示广告内容。被展现的广告不能太离谱，太离谱用户也不会点击。

合适的广告，必须符合“语义相关性”，即基础检索属性（广告属性）必须符合（广告能否满足用户的需求，满足了点击率才高），这个工作是通过 BS-basic search 检索服务完成的。

BS 从数据层检索到“北京 - 上地 - 租房”的广告帖子。

步骤三：用户属性与广告主属性匹配，广告精筛实施

步骤二中，基础属性初筛了以后，要进行更深层次的策略筛选（用户能否满足广告的需求），此例中，广告主的精准需求为：

系统将初筛出来的 M 条广告和用户属性进行匹配筛选，又过滤掉了一部分，最后剩余 N 条待定广告，这些广告既满足用户的需求（初筛），这些用户也满足广告主的需求（精筛），后者是在 AS-advanced search 策略服务完成的。

步骤四：综合排序，并返回 Top X 的广告

经过步骤 2 和步骤 3 的初筛和精筛之后，待选的 N 条广告既能满足用户当前的需求，用户亦能满足广告主的筛选需求，但实际情况是，广告位只有 3 个，怎么办呢？就需要我们对 N 条广告进行综合打分排序（满足平台的需求，广告平台要多赚钱嘛）。

打分排序的依据是什么呢？

有人说按照竞价排序 bid，出价高的打分高（这是大家对百度最大的误解，百度是 cpc 收费）

有人说按照 CTR 点击率排序，CTR 高的点的人多（百度的 kpi 指标可不是 pv）

出价高，但没人点击，广告平台没有收益；点击率高，但出价低，广告平台还是没有收益。最终应该按照广告的出价与 CTR 的乘积作为综合打分排序的依据，bid*CTR。

既然 bid*CTR 是所有广告综合打分的依据，且出价 bid 又是广告主事先设定好的，那么实际上，广告排序问题的核心又转向了广告 CTR 的预测，CTR 预测是推荐系统、广告系统、搜索系统里非常重要的一部分，是一个工程，算法，业务三方结合的问题，本文就不展开讨论了。

无论如何，N 条广告，根据 bid* 预估 CTR 进行综合打分排序后，返回了打分最高的 3 个广告（广告位只有 3 个）。

有些系统没有第二步骤用户属性过滤，而是将用户属性因素考虑到综合排序中。

步骤五：展现端展示了广告，用户点击了广告

展示了广告后，展现端 js 会上报广告展示日志，有部分用户点击了广告，服务端会记录点击日志，这些日志可以作为广告算法实施的数据源，同时，他们经过统计分析之后，会被展示给广告主，让他们能够看到自己广告的展示信息，点击信息。

这些日志（一般会实施 AB 测），也是算法效果好坏评估的重要依据，根据效果逐步优化改进算法。

步骤六：对广告主进行扣费

用户既然点击了广告，平台就要对投放广告的广告主进行扣费了，扣费前当然要经过反作弊系统的过滤（主要是恶意点击），扣费后信息会实时反映到数据层，费用扣光后，广告就要从数据层下线。

三、系统综述

聊完业务流程，再来看系统架构，任何脱离业务的架构设计都是耍流氓。

从系统分层架构上看，智能广告系统分为三层：

站点层：用户和广告主直接面向的网站站点
服务层：为了实现智能广告的业务逻辑，提供的通用服务，此处又主要分为四大类服务：

策略服务 BS：实施广告策略，综合排序

检索服务 AS：语义相关性检索

计费服务：用户点击广告时进行扣费

反作弊服务：不是每次点击都扣费，要经过反作弊，去除恶意点击（相对独立，未在架构图中画出）
数据层：用户数据，广告数据，竞价数据，日志数据等等等等