电子商务网站推广之搜索引擎优化策略研究(王喆的机器学习笔记推荐、广告、搜索算法的区别)

　　电子商务网站推广之搜索引擎优化策略研究(王喆的机器学习笔记推荐、广告、搜索算法的区别)

　　这里是《汪哲机器学习笔记》第三十八篇文章。今天我们将讨论推荐、广告和搜索算法之间的区别。分别在推荐系统和计算广告这两个方向工作了4年和5年，对兄弟团队的搜索算法比较了解。此外，近期还邀请了很多同事回答类似的问题。所以这里有一篇文章文章来总结一下我的想法。

　　作为互联网的核心应用“搜索推广”，这三个方向基本都是互联网公司的标配。各个龙头企业的搜索和推广系统也已经发展成为集各种模型、算法、策略于一体的巨头。一口气解释三者的区别并不容易。然而，凡事总有线索。对于一个复杂的问题，直接深入细节肯定是不明智的。我们还是要回到问题的本质和我们要一步一步解决的根本问题。分别澄清这三个问题。

　　基本问题的区别

　　正是由于三者要解决的根本问题不同，才带来了三者在算法层面的第一个差异，即优化目标的差异。

　　优化目标的区别

　　广告系统的多种计费方式

　　一般来说，广告算法是为了“估计更准确”，推荐算法是为了整体“排名更好”，搜索算法是为了“搜索更全面”。

　　算法模型设计的差异

　　优化目标不同，这使得他们算法模型设计的侧重点完全不同：

　　推荐系统中的探索和利用问题占有非​​常重要的地位

　　辅助策略和算法的区别

　　除了主模型的差异之外，与主模型一起工作的辅助策略/算法也存在重大差异。

　　模型本身的差异

　　最后说一下模型本身的差异，因为相比一路走来的关键问题，模型本身的差异是更细化的问题。这是模型结构层面的典型区别：

　　经典的 Attention 推荐模型 DIN

　　收录序列结构的推荐模型 DSIN

　　Google play 搜索双塔模型

　　系统层面的痛点

　　一般来说，广告算法的问题比较琐碎。所有模块协同工作很难找到最大化平台全球利润的方法。该系统非常复杂，难以控制。这是广告算法工程师的痛点；

　　在推荐算法方面，问题往往停留在长期利益和短期利益的平衡上。在模型结构红利消失的今天，如何破局是推荐算法工程师梦寐以求的问题。

　　搜索算法通常侧重于对搜索词和项目的内容理解。只要做好这一点，模型结构本身就不是改进的重点。然而，在多模态时代，对图片和视频内容的理解往往是制约搜索效果的痛点。

　　最后，欢迎大家关注我的微信公众号：王哲机器学习笔记（wangzhenotes），追踪计算广告、推荐系统等机器学习领域前沿。想进一步交流的同学也可以加我的微信，一起讨论技术问题。