简介：本文深入探讨了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到生成式召回，详细解析了各阶段的技术特点、挑战及解决方案，展现了美团如何通过技术创新提升广告召回率和用户搜索体验。
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。
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。
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。这一阶段主要依赖NLP（自然语言处理）的挖词技术，由于缺乏线上行为数据，离线挖掘成为关键词获取的主要途径。
多策略并行：为了覆盖更多流量，美团不断叠加新的召回策略，形成多策略并行的格局。这些策略包括基于规则的挖掘、抽取式挖掘以及生成式挖掘等，旨在通过不同的技术手段挖掘出更多潜在的关键词。
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。
业务聚焦：在每个象限内采用更聚焦的针对性召回策略，如针对商家、商品、品类等不同维度的召回策略。
在线召回：将召回由离线切换成在线，覆盖更多流量。在线召回能够实时地根据用户输入和线上数据调整召回策略，提高召回的准确性和时效性。
新技术应用：大规模使用个性化、图、多模态等新的召回技术。这些技术的应用使得召回策略更加多样化和智能化，能够更好地满足用户的个性化需求。
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。
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。通过引入生成式大模型，美团能够突破传统召回技术的局限性，挖掘出更多潜在的关键词和相关信息。
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。这一技术能够在保证召回效果的同时降低模型的复杂度和计算成本。
DSI新召回范式：长期探索DSI（Data-driven, Semantic-aware, Interactive）新召回范式。这一范式强调数据驱动、语义感知和交互性，旨在通过更加智能化的方式提升召回效果和用户体验。
在搜索广告召回技术的实践过程中，美团也面临了诸多技术挑战。
算力瓶颈：大模型在C端流量的落地面临算力挑战。为了解决这一问题，美团不断优化模型结构和算法，降低模型的计算复杂度，并引入高效的计算框架和硬件加速技术。
迭代效率：在模型规模变大的情况下，保证模型迭代效率成为一大难题。美团通过采用分布式训练、在线学习等技术手段，加快模型的迭代速度，确保召回技术的持续优化和升级。
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。美团通过引入先进的模型评估和优化方法，不断提升模型的泛化能力和鲁棒性，确保召回技术的稳定性和可靠性。
美团在搜索广告召回技术上的实践取得了显著成果。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。这一体系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。
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。例如，结合深度学习、强化学习等先进技术，进一步提升召回技术的智能化水平；同时，加强跨领域、跨平台的数据共享和协同，构建更加开放、共享的搜索广告生态体系。
此外，美团还将积极应对新兴技术带来的挑战和机遇，如自然语言处理、知识图谱等领域的最新进展，不断推动搜索广告召回技术的创新与发展。
在美团搜索广告召回技术的实践中，千帆大模型开发与服务平台发挥了重要作用。该平台提供了丰富的算法模型、开发工具和数据资源，为美团的召回技术提供了强有力的支持。
通过千帆大模型开发与服务平台，美团能够快速地构建、训练和部署生成式大模型，实现召回技术的快速迭代和优化。同时，该平台还提供了丰富的数据资源和算法工具，帮助美团更好地挖掘和利用数据价值，提升召回技术的准确性和效率。
综上所述，美团在搜索广告召回技术上的实践历程充满了挑战与机遇。通过不断探索和创新，美团成功构建了高效、精准的搜索广告召回体系，并为用户带来了更好的搜索体验。未来，美团将继续加强技术创新和生态建设，推动搜索广告召回技术的持续进步和发展。同时，借助千帆大模型开发与服务平台等先进工具的支持，美团将不断提升召回技术的智能化水平和用户体验。