美团搜索广告召回技术的深度实践与革新

在数字化时代，搜索广告作为连接用户与商家的桥梁，扮演着至关重要的角色。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。本文将深入探讨美团在搜索广告召回技术上的实践历程，展现其从多策略关键词挖掘到生成式召回的不断探索与优化。

一、多策略关键词挖掘阶段

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。具体来说，美团通过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。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。为了追求更多的覆盖，美团采用了多策略并行的方式，不断叠加新的召回策略，以达到更高的流量覆盖。

然而，这一阶段的召回方式也存在一定的局限性。受限于NLP技术的局限性，挖掘出的关键词可能不够全面。同时，由于只聚焦于通过离线方式覆盖高频流量，对于长尾流量的覆盖相对不足。

二、分层召回体系阶段

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。

在每个象限内，美团采用更聚焦的针对性召回策略。通过把技术做深，能够取得业务效果的极大提升。同时，美团将召回由离线切换成在线，以此覆盖更多的流量。在单通路的召回能力上，美团突破了传统单一NLP技术瓶颈，开始大规模使用个性化、图、多模态等新的召回技术。

分层召回体系的实施取得了显著成效。然而，也存在一些不足之处。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

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。

美团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。同时，美团还在探索DSI（Data-driven, Semantic-aware, Interactive）新召回范式，以期实现更高效、精准的召回。

生成式召回阶段面临的主要挑战包括算力瓶颈、模型迭代效率以及模型能力发挥等。为了应对这些挑战，美团不断优化算法和模型结构，提升算力和迭代效率，同时充分发挥模型的优势。

四、美团搜索广告召回技术的实践成果与未来展望

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。

在未来，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，利用千帆大模型开发与服务平台提供的强大算力和算法支持，进一步优化召回算法和模型结构；或者结合曦灵数字人的语义理解和生成能力，提升对用户查询的理解和响应能力；亦或借助客悦智能客服的实时交互能力，收集用户反馈并不断优化召回策略。

总之，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，美团将继续引领搜索广告召回技术的创新与发展，为用户和商家带来更加优质的服务。

通过本文的探讨，我们可以看到美团在搜索广告召回技术上的不断探索与优化。从多策略关键词挖掘到分层召回体系再到生成式召回，美团不断突破技术瓶颈，提升召回效果和用户体验。相信在未来的发展中，美团将继续保持其领先地位，为广告行业的发展做出更大的贡献。