隨著(zhù)短視頻社交場(chǎng)景日趨成熟，AI如何加碼短視頻商業(yè)化？5月7日，快手商業(yè)化模型方向負責人孔東營(yíng)受邀出席在第10屆QCon全球軟件開(kāi)發(fā)大會(huì )（北京站），并在“機器學(xué)習應用與實(shí)踐”專(zhuān)場(chǎng)發(fā)表主題演講《短視頻商業(yè)化中的 AI 技術(shù)應用》。

一個(gè)廣告系統主要為了滿(mǎn)足兩個(gè)目的：客戶(hù)需求和用戶(hù)需求?？蛻?hù)的需求即營(yíng)銷(xiāo)需求，能否獲得與投入相對應的收益；而用戶(hù)的需求則與體驗強相關(guān)，每個(gè)觀(guān)眾都希望刷到自己喜歡的內容。將兩種需求聯(lián)系到一起，為廣告客戶(hù)找到合適用戶(hù)的關(guān)鍵，就在于短視頻內容本身。
在演講中，孔東營(yíng)從精準投放、智能運營(yíng)、素材制作和訓練系統4個(gè)方面詳述了快手商業(yè)化中的AI應用。

精準投放：多角度理解用戶(hù)

對于快手商業(yè)化而言，精準投放依賴(lài)定向引擎。用深度學(xué)習增強對廣告和用戶(hù)的理解能力目標，定向引擎不僅采取地域、性別等“硬定向”，也在用“相似人群”、“用戶(hù)關(guān)系”等“軟定向”方法找到用戶(hù)最喜歡的廣告。

除了業(yè)內通用的GSP（Generalized Second price，廣義第二價(jià)格）機制，快手還引入用戶(hù)體驗保護機制和內容多樣性機制。前者的關(guān)鍵在于將用戶(hù)體驗損失貨幣化，以衡量投放行為在收益上是否合理。團隊用ABtest評估短期內的用戶(hù)行為變化，如點(diǎn)擊率、點(diǎn)擊次數、時(shí)長(cháng)和點(diǎn)贊次數的下降，并觀(guān)察這些短期指標的長(cháng)期影響?？讝|營(yíng)坦言，整個(gè)評估和分析前后耗時(shí)長(cháng)達半年之久。

同樣，作為一個(gè)社區系統，如何挖掘海量用戶(hù)行為，讓投放更加精確？孔東營(yíng)介紹，快手在理解用戶(hù)上有兩種方式。第一種是對點(diǎn)擊、點(diǎn)贊、評論、關(guān)注、分享等行為建模，直接理解用戶(hù)興趣。第二種則是將行為與內容（比如用戶(hù)偏愛(ài)風(fēng)景視頻還是搞笑段子）放到一起建模，并且理解用戶(hù)?？焓稚虡I(yè)化使用Online Embedding Learning（在線(xiàn)嵌入學(xué)習）+DNN（深度神經(jīng)網(wǎng)絡(luò )）的模型，不僅可以做到實(shí)時(shí)更新，也會(huì )有效減輕線(xiàn)上預測壓力。

智能運營(yíng)：滿(mǎn)足多樣化需求

面對復雜的廣告投放機制，中小客戶(hù)往往手足無(wú)措，難以實(shí)時(shí)維護投放效果?？讝|營(yíng)舉了一個(gè)簡(jiǎn)單的例子，假如一家火鍋店的預算只有5000元左右，目的單純只是想獲取100個(gè)手機注冊會(huì )員?；疱伒隂](méi)有時(shí)間和精力從頭到尾了解整套投放系統。在這種情況下，快手商業(yè)化的智能運營(yíng)就會(huì )派上用場(chǎng)。設定好投放目標后，快手會(huì )自動(dòng)幫助商家競價(jià)，以滿(mǎn)足中小客戶(hù)的要求。

智能運營(yíng)的核心是出價(jià)系統。廣告主設定目標之后，快手營(yíng)銷(xiāo)平臺會(huì )自動(dòng)幫商家競價(jià)，以滿(mǎn)足中小客戶(hù)的投放要求。而針對廣告主多樣化的投放目的（如激活、留存、下單、付費、以及金融行業(yè)的授信），快手用強化學(xué)習來(lái)智能出價(jià)，并且持續動(dòng)態(tài)調整價(jià)格，以達到客戶(hù)目標?？讝|營(yíng)透露，目前團隊正在嘗試滿(mǎn)足客戶(hù)更為復雜的投放目標（比如保證激活的情況下，優(yōu)化留存）。

素材制作：讓廣告不枯燥

目前，快手廣告平臺的素材制作主要是封面制作。即便是最常見(jiàn)的一張封面，也由底圖、文案和樣式三個(gè)元素組成?？讝|營(yíng)認為，與其他平臺不同，短視頻廣告素材的制作成本較高。因此在封面選擇上，創(chuàng )意個(gè)性化能夠生成抓人眼球的最佳廣告封面。

訓練系統：以GPU為中心

支撐上述所有AI技術(shù)應用的基層平臺，是以GPU為中心的訓練系統。在cpu不太適合做大量浮點(diǎn)圖計算的情況下，這種訓練系統不僅支持大規模離散特征，而且支持包括同步、異步和去中心化在內的多種分布式算法。

快手以GPU為中心的訓練系統在廣告推薦行業(yè)尚屬首創(chuàng )，其效率提升之快也顯而易見(jiàn)?？讝|營(yíng)介紹，經(jīng)過(guò)不斷優(yōu)化，現在100T的數據在1小時(shí)之內就能完成訓練。因此，業(yè)內其他同行也開(kāi)始嘗試用GPU來(lái)做大規模離散特征訓練。

快手構建的AI+DA（人工智能+數據分析）新型營(yíng)銷(xiāo)平臺，在商業(yè)化技術(shù)上不斷探索、突破邊界，讓投放效率和運營(yíng)效率穩步提升，平衡并“守衛”著(zhù)快手平臺上的用戶(hù)體驗與商業(yè)收益。