美团搜索广告召回技术的深度实践与探索

美团搜索广告召回技术的深度实践与探索

引言

在数字化时代，搜索广告作为连接用户与商家的桥梁，其重要性不言而喻。美团作为国内领先的本地生活服务平台，其搜索广告系统的高效运作离不开先进的召回技术。本文将围绕美团在搜索广告召回技术上的实践历程，从多策略关键词挖掘、分层召回体系到生成式召回，逐一展开探讨。

一、多策略关键词挖掘阶段

背景与特点

美团搜索广告在启动初期，面临着工程基建能力有限、缺乏线上反馈数据等挑战。为了快速搭建系统并支持迭代效率，美团采用了多策略关键词挖掘的方式。这一阶段的召回方式主要通过离线方式挖掘核心关键词，并在线与Query精确匹配。

技术特点

1. 离线挖掘：通过SPU（Standard Product Unit，标准产品单元）挖掘核心关键词，确保高频流量的覆盖。
2. NLP技术：由于缺乏线上行为数据，主要依赖NLP（自然语言处理）的挖词技术。
3. 多策略并行：不断叠加新的召回策略，以达到更高的流量覆盖。

挑战与应对

• 流量覆盖：通过多策略并行的方式，尽可能覆盖更多流量。
• 技术瓶颈：受限于NLP技术的局限性，挖掘出的关键词可能不够全面。

二、分层召回体系阶段

背景与特点

随着基建能力的提升和线上数据的积累，美团搜索广告进入了分层召回体系阶段。这一阶段基于流量和供给特点，按照业务类型进行精细化召回。

技术特点

1. 业务聚焦：在每个象限内采用更聚焦的针对性召回策略。
2. 在线召回：将召回由离线切换成在线，覆盖更多流量。
3. 新技术应用：大规模使用个性化、图、多模态等新的召回技术。

成效与不足

• 成效显著：在2022年底，分层召回体系取得了不少成效。
• 不足之处：判别式召回模式导致决策空间不足，模型规模和容量相对不足，多通道独立优化难以形成合力。

三、生成式召回阶段

背景与特点

为了进一步提升召回效果，美团搜索广告进入了生成式召回阶段。这一阶段借鉴了生成式大模型的思路和能力，对现有的召回技术体系进行改造。

技术特点

1. 大模型应用：离线构建领域微调大模型，在线结合传统模型改造现有模型能力。
2. 蒸馏技术：通过蒸馏方式将大模型通用知识蒸馏到在线规模相对较小的模型上。
3. DSI新召回范式：长期探索DSI（Data-driven, Semantic-aware, Interactive）新召回范式。

挑战与应对

• 算力瓶颈：大模型在C端流量的落地面临算力挑战。
• 迭代效率：在模型规模变大的情况下，保证模型迭代效率。
• 模型能力发挥：构建以大模型核心能力为基础的架构，以发挥模型优势。

四、实际应用与效果

美团搜索广告召回技术的实践不仅提升了广告系统的召回率和精准度，还为用户带来了更好的搜索体验。通过多策略关键词挖掘、分层召回体系和生成式召回等阶段的不断探索和优化，美团成功构建了高效、精准的搜索广告召回体系。

五、总结与展望

美团在搜索广告召回技术上的实践为业界提供了宝贵的经验。未来，随着技术的不断进步和数据的不断积累，美团将继续探索更加高效、智能的召回技术，为用户和商家带来更加优质的服务。

结语

搜索广告召回技术作为广告系统的核心组成部分，其重要性不言而喻。美团通过不断探索和实践，成功构建了高效、精准的召回体系，为业界树立了标杆。相信在未来的发展中，美团将继续引领搜索广告召回技术的创新与发展。