淘宝直播流量与供给端到端联动探索

演讲人：淘宝直播算法李伟民 目录Contents 01淘宝直播体系化调控能力演进 输入标题Title淘宝直播体系化调控能力演进 调控诉求问题拆解 直播区别与商品、图文、短视频 围绕直播主播生态与主播成长大目标，通过构建统一化的流量管理平台能力，协调众多差异化的调控诉求，缓解直播流量控制的确定性业务诉求与跨域各分发场景在流量调控上的协同困难。 支持主播、货品、用户等多维度的调控需求，建立更加实时化，精细化，业务多维度可控的体系化调控能力，服务直播生态健康与流量规划可控。 输入标题Title淘宝直播体系化调控能力演进 输入标题Title淘宝直播体系化调控能力演进 直播营销&流控： 构建直播流量调控机制体系，协调众多差异化的调控诉求，流量控制的确定性业务诉求与各分发场景在流量调控上的协同困难 围绕直播主播生态与主播成长大目标，通过淘宝直播中人货场匹配建模，提供业务可控途径，扶持激励主播成长，促进生态平衡繁荣，增强直播流量确定性。 人货场动态匹配精准调控，兼顾调控的完成率与平稳性，持续提升调控流量的效率价值，激励流量是否多元ROI属性可定制 全链路营销供给联动调控分发，提供业务多维度抓手的同时，端到端流量确定性可控 02实时动态多元价值路径人群建模 输入标题Title实时动态多元价值路径人群建模 对于激励流量调控而言，各差异化类型的调控计划本质均是在已有推荐系统的基础上，调控算法通过干预公域推荐流量的分发来给到主播额外的推荐流量。在面向B端视角的情况下，从另一个视角去诠释推荐和调控的差异性： 将主播调控人群圈选问题转化为给主播实时推荐直播在线用户问题，引入面向主播侧的算法实时个性化推荐能力 输入标题Title实时动态多元价值路径人群建模 传统调控人群圈选存在的问题 离线调控人群很难在效率和完成率之间做到较好的平衡，且调控过程平稳性有待加强离线调控人群圈选，难以做到“千主播千人群”以及根据主播和用户的实时行为动态调整人群如何去强化明确激励流量的ROI属性：时长、转粉、转化、用户拉新等，而不仅仅是pv完成率 输入标题Title实时动态多元价值路径人群建模 调控人群推荐模型直播用户规模群体与调控模型精准 整体方案设计 性诉求矛盾，兼顾主播人群泛化性能 直播间实时用户在线用户底池直播的业务特性，推荐最大底池， 用户精准在线 人群聚类算法建模控制推荐给主播的用户集合颗粒度 从单个用户到相似子用户群体自由缩放可控 个性化人群规模预估离线曝光率预估，实时误差修正 主播调控人群线上推荐基于人群的曝光过滤，子人群失效 时间预估 输入标题Title实时动态多元价值路径人群建模 人群聚类 •将用户embedding聚类得到子类，join直播间实时用户形成候选底池•将用户推荐转化为给主播推荐每个动态变化的cluster 个性化人群规模预估 •人群量级和主播其曝光率和调控量级都有关系•结合历史数据离线预估曝光率•不同于商品，直播是实时流，其每场以及在一场讲不同品的时候曝光率差异较大，因此线上结合误差实时调整人群量级 线上推荐 •子人群作为推荐粒度，召回时进行曝光过滤•子人群失效时间预估，当cluster失效的时候，可以重新写入，维护主播的整个人群稳定在设定的量级 调控链路 •为支持不同业务调控逻辑，封装成独立的场景服务，各场景接入 输入标题Title实时动态多元价值路径人群建模 离线人群推荐模型 主播/商品兴趣扩展序列 提高用户对直播的兴趣覆盖，尤其是对于直播行为较少的中低活用户，显示建模主播之间的认知关联关系，提升人群模型的泛化性能将用户在商品域兴趣随时间的变化情况泛化到直播域兴趣表达，找到用户可能潜在的兴趣主播 异构行为序列匹配建模 探索他域异构序列的应用范式结构，通过建模多域异构兴趣匹配问题，挖掘比如短视频域，商品域上哪些行为的组合表达和当前的target有着更高的匹配程度，从而探索他域异构序列到直播域兴趣的泛化方式 引入序列兴趣匹配问题建模，通过利用attention过程中产生的相关性向量进行匹配性特征抽取，通过一个两层的cnn进行，获取如何的组合方式与当前的target具有更好的匹配性，用户在各个领域的兴趣表征。 活跃度影响下多域兴趣融合 建模用户在不同域的行为兴趣分布情况，指导整合不同域的兴趣匹配和targetattention表征组，同时借鉴DCNv2的思想，把输入映射到低维空间，再映射回来，在多个子空间里学习异构兴趣及domain活跃度的多阶交叉，既控制了复杂度的同时较好的完成了多域兴趣的交互融合 target attention能力下沉 拆解计算图为原有双塔部分和基于path分解形成的行为主播到关联主播的分数加和部分，继续扩展i2a等多种path，线下共同训练，线上进行计算图拆解，path部分通过查表完成，用这种方式可以去逼近和下沉target attention的性能指标 输入标题Title实时动态多元价值路径人群建模 多元价值路径 如何去强化明确激励流量的ROI属性：时长、转粉、转化、用户拉新等，而不仅仅是调控pv完成率，是我们对调控任务的预期，结合不同pv价值调控路径方案，实现多种调控目标的精准化控制； a.流控人群模型，面向直播用户规模群体与调控模型精准性诉求日益提升之间的矛盾； b.流控排序模型，流控偏向商业化视角，商家，达人的账号参与感和真实pv价值，核心粉丝的触达率和导购效率； 03流量调控与供给端到端联动 输入标题Title流量调控与供给端到端联动 输入标题Title流量调控与供给端到端联动 营销问题建模 小样本迁移学习建模 推荐采用u-a-i样本，营销采用a-i样本引入推荐样本候选集合中关于u的embedding层输出poolingconcat营销模型输出，完成对齐推荐向量与营销向量样本聚类，挑选与营销域样本更为相似的推荐域样本（距离聚类中心越近越重要，聚类簇营销样本越多越重要）序列建模的方式刻画待播商品与主播关系 大样本u-a-i三元网络建模 数智化营销基础建设，丰富货品侧智能运营工具和能力 结合扩展a-i样本为u-a-i三元网络样本直播用户到达率预估目标维度聚合 输入标题Title流量调控与供给端到端联动 泛精细化流量匹配：爆品预估/pv价值预估+货找人/人找人直播间动态人群调控 精准流量匹配：主播货品信息+潜在爆品预估/主播看点/货品rundown+主播货品粒度直播间实时动态人群调控 多元流量价值路径： 开播保量etc. 2023 DataFunSummit 演讲人：淘宝直播算法李伟民