《广告流量分析之评价指标的选择（一）》和《广告流量分析之评价指标的选择（二）》主要介绍了cvr、ocpa、ctr等评价指标的选择方式。今天想和大家聊聊广告智能定向之lookalike技术。
0.什么是lookalike？
一句话简单来说：广告主给定高质量的种子用户，系统需要自动发现类似的人群做投放。举个栗子，如果广告主提供的种子人群是持有某种信用卡的客户，那么相似人群就是在某些方面和种子人群相似。如果相似人员没有持有卡，那么他们也是有极大的可能去开卡的。
1.为什么要做lookalike？
目前存在的问题：人群标签组合无法覆盖全面，人群标签的挖掘成本太高了，无法支持人群分级定价等，lookalike可以简单、直接、漂亮地解决这些问题。
2.怎么做lookalike？
(1). 基于User-Feature的矩阵分解法
通过对user-feature矩阵分解，我们可以得到user-topic矩阵，如下图所示：
用户u和种子S的相似度定义如下（其中u是用户的的topic分布，Si是种子用户i的topic分布）：
其中，
即为种子用户的平均topic分布。因此遍历全部人群，计算出每个用户与种子集合的相似度，取排序较高的作为扩展人群。
(2). 基于有监督的LR模型
我们将种子用户作为正例，随机用户进行下采样后作为负例，每一个种子单独训练一个LR模型。然后用这个模型对全部用户进行预测，我们认为预测值越大，和种子用户越相似。用户u和种子S的相似度定义如下（其中u是用户特征向量，w和b是LR模型的参数）：
遍历全部人群，计算出所有用户的相似度，取top n即是扩展人群。在工程上实现的时候需要借助倒排索引，而随着广告主的增加，系统弊端逐渐暴露出来：倒排索引占用空间不断上涨，导致索引更新周期过长，每个用户身上的lookalike ID 也不得不按照相似度截断，而这种截断会加剧马太效应，对广告主扩展新用户是非常不利的。同时，离线模型训练和预测的机器也在不断增加。
(3). Online lookalike模型
在（2）的基础上，抛弃了原有的每个种子单独一个模型的思路，对所有的种子用户进行联合建模，具体网络结构如下：
在线召回广告的过程如下：首先从正排索引取到user embedding，接着用user embedding 向量和lookalike embedding 矩阵做乘法，得到 user 和每个广告的相似度，然后根据每个广告扩展倍数的阈值截断随机保留 n 个lookalike ID，将它们对应的广告召回。
3.小结
本文主要给出了广告智能定向中lookalike技术的定义、解决的问题以及具体的工程上的实现方式。希望能给大家带来一些新的思考。
欢迎大家关注计算广告那些事儿哈，除了原创文章之外，也会不定期和大家分享业内大牛的文章哈！
