算法策略是快手商業化版圖的中樞，它決定了最核心的匹配過程—連接用戶和廣告主，滿足用戶商業需求，實現廣告主精準營銷，最終實現平臺、廣告主、用戶三方利益的平衡。
一改往日低調且剋制的風格，快手商業化正在以“戰鬥”模式加速前進。
去年 7 月，快手首次公開營收商業化目標，在 2019 年快手商業百億營收目標的基礎上增加 50%，實現 150 億營收。今年年初，快手交上了一份“雙贏”的答卷，宣佈完成業績目標，並實現了 3 億 DAU。
作為一個具有強社交屬性的平臺，找到用戶體驗與商業化的最佳平衡，是快手在商業化提速的過程中，必須要時刻掌控好節奏的問題。
為保障平臺、廣告主、用戶三方利益均衡，快手搭建了一個商業變現算法策略體系。
所謂算法策略，狹義指機器學習、人工智能，具體指從數據中自動分析獲得規律，指導後續類似的問題。算法策略所發揮的主要作用是為廣告主挑選合適的目標用戶，並通過提升用戶體驗和客戶體驗，最終促成雙方形成交易。
“三步走”搭建算法策略體系
李勇保是從 0-1 搭建快手商業變現算法策略體系的核心負責人，他 2016 年加入快手，當時，快手還沒有形成體系化的商業化產品和投放能力，原來的算法團隊主要做推薦系統。
2018 年快手正式啟動商業化後，李勇保被調派過來構建這個體系，“當時商業化算法策略組只有 3 個人，但大家的內心都是‘打仗’的狀態”。
快手商業變現算法策略體系的搭建主要經歷了三個階段：
第一階段，構建用戶的商業興趣。通過構建一個比較完整的用戶畫像數據庫，同時分析用戶在社區中所表達的商業訴求，來確定其商業興趣；
第二階段是，幫助廣告主匹配到合適的人群。不同類型的客戶對高價值、核心用戶的定義不同，快手通過廣告，幫助不同類型的客戶準確、高效的觸達到高價值的人群；
確定好人群后，進入第三階段，從後臺找到合適的物料呈現給用戶。 匹配過程完成後，再綜合權衡如何讓三方滿意，收取多少廣告費用能彌補用戶的損失，滿足廣告主曝光、轉化和 ROI 訴求，並保障平臺的收益。
整個商業變現算法體系的架構從技術的維度劃分包括定向 - 匹配 - 排序 - 重排等階段，具體執行的操作是，用戶請求達到後臺後進行廣告定向，找到所有可投放的廣告 — 找到能匹配用戶的廣告主和相關素材 — 通過排序找到平臺、用戶、客戶三方利益結合的素材投放出去，在這個過程中，對素材和自然作品進行混排以決定廣告投放位置。此外，該體系還可按照不同的廣告位、流量，及客戶群體所在的不同行業劃分，目前快手的客戶群體主要集中在遊戲、電商、網服等領域。
李勇保介紹，不同的廣告形態所採取的算法策略不一，聯盟廣告和信息流廣告客戶群類似，但流量差距大、廣告位不同；直播推廣、作品推廣，和信息流廣告相比，流量相同，但客戶不同，因此在面向流量的過程中，會針對廣告類型設計投放策略。
但無論哪一種廣告產品，底層用到的一些基礎技術能力是相同的，包括物料理解能力，多媒體視頻理解，模型訓練的預估能力，目前這些能力已抽象出了一套中臺服務，供快手商業化所有產品調用。
AI 如何驅動商業變現？
李勇保對 AI 前線表示，商業算法策略體系建設的一個核心點在於理解視頻物料，既要理解廣告主上傳的視頻，又要理解用戶在社區的視頻背後表達的商業訴求是什麼。“最近幾年，信息流廣告突然火熱起來，但業內技術還不夠成熟，這兩個問題，不僅是在初期，現在乃至接下來較長的一段時間裡，都是一個重點”。
對視頻的智能理解是 AI 核心的應用場景之一，通過深度學習算法理解視頻中的人臉、圖像、語音等內容，人臉識別可分析出視頻中人的性別、年齡，語音識別技術可分析視頻中人的對話內容，圖像識別能夠檢測視頻中的物體。
現在快手 APP 上，有近 200 億條海量視頻，每天還有 1500 萬條視頻被上傳，這些海量的視頻每天被精準推送給 3 億日活用戶，過去 9 年，快手在內容生產、理解、分發上沉澱下來了強大的 AI 和數據處理能力。
這也是為什麼快手希望以 AI 為核心技術力量來驅動整個商業化進程。
2018 年 10 月，快手正式推出了營銷平臺，其核心是“AI+ 社交”。一年後，快手將營銷平臺升級為了磁力引擎，主張通過“AI+DA”（大數據）幫助客戶提升 ROI 的同時提供從流量效率到留量沉澱的“雙 LIU 價值”。
AI 已深度參與到了快手商業變現算法策略體系乃至所有的商業系統中。快手社區中的廣告主、廣告物料都在百萬、千萬量級，這個匹配過程理論上是一個億億，億上千萬的過程，李勇保認為，對用戶來說，從這麼大規模的廣告素材中找到他感興趣的那一個，這一定是一個需要 AI 來解決的問題。
“現在的商業營銷，廣告主更關注品效合一，品牌、效益及轉化都要好，當廣告主開始關注效果（轉化）的時候，就是 AI 要發揮大作用的時候”。
AI 真正解決的是精確匹配的問題。信息流廣告是快手發力的核心廣告形態，信息流廣告主絕大多數以效果廣告為主。算法幫助廣告主匹配到精確的人群，如果沒有算法，廣告主投放廣告就是“盲投”，沒有辦法把廣告投給真正有訴求的人。
以從百萬量級的素材池中，為一名用戶 A 推薦一個廣告為例，李勇保詳細列舉了這個路徑中用到的一些 AI 技術。
首先，技術團隊會理解用戶 A 在社區裡留下的商業訴求痕跡，即構建用戶畫像，在這個過程中要用到三方數據及廣告主回傳的核心人群數據，這裡會用到Lookalike 技術來做人群的智能擴展，在種子人群基礎上將廣告投放給更多人群。在排序、匹配、排序階段需要預估點擊率，轉化率等指標，這時會用到預估模型、排序模型、多媒體內容理解（MMU）技術。
當用戶對看到的廣告表達負向反饋時，如用戶選擇“減少此類作品”時，協同過濾推薦算法 可找到與該視頻相關的同類視頻，並減少推薦。
基於快手用戶規模及觀看時長等用戶數據的擴張，每天投出的廣告量級、用戶每天看到的廣告量級激增，這些數據加起來可能是 P 量級，要處理這些數據，推薦模型需要頻繁更新迭代。
行業內推薦模型的訓練大都通過 CPU 來實現，但基於 CPU 的解決方案比較耗費資源，且對機器要求較高。為解決這個問題，去年 6 月，快手西雅圖 FeDA 智能決策實驗室探索了 **TensorFlow+ GPU ** 的解決方案，推出了基於 GPU 的廣告推薦訓練系統— “Persia”。 GPU 能夠較好的、在減少資源規模的情況下求解問題，GPU 的計算密集型更好，適合進行大規模的機器學習。
利用 Persia，以往需要 50 臺 CPU 機器訓練 20 小時的系統，只需要一臺普通的 GPU 機器在一到兩小時完成，單機效率提升了 640 倍。TensorFlow + GPU 的解決方案也已在快手商業化內部完整落地，並已作為公司層級的中臺能力開放給了全公司其他業務線。
“商業化是一個 TOB 的業務，滿足商業化訴求是它的出發點，AI 技術幫廣告主做精細化的運營和投放，其運用也能提高商業化變現效率和創造百億商業價值“。
根據《2019 快手磁力引擎年度報告》，截止 2019 年 12 月，快手頭部客戶數量超過 1000 個，幫 20 萬快手創作者獲得廣告收益，活躍商家突破 100 萬，單條視頻為商戶帶來收益均值 10775 元，是 2018 年的 10 倍。
李勇保認為，AI 技術在助力企業商業化方面將是長期趨勢。
快手商業化的“中樞”
在快手商業化的版圖中，李勇保將算法策略的職能定義為“中樞”。
在整個廣告投放流程中，商業策略決定了最核心的匹配過程— 連接用戶和廣告主，滿足用戶商業需求，實現廣告主精準營銷，最終實現平臺、廣告主、用戶三方利益的平衡。
除了算法策略，整個快手商業化大版圖背後還有引擎架構、數據存儲、大數據處理等底層技術作支撐。引擎架構是快手營銷平臺的底層設計，它是商業化的基礎設施，支撐了整個框架，當用戶進來後，這個引擎的架構要抗得起百億、千億等大規模的請求。此外，對於快手這樣每天產生大量數據的平臺來說，數據處理、數據存儲能力至關重要。
算法策略離廣告主、用戶等商業行為更近，它可以說是“衝刺”在商業化的前鋒，數據能力、存儲能力、架構能力是整個算法策略體系中更偏後端、底層的一些技術。
有意思的是，上述技術方向的幾位 Leader：李勇保、算法策略專家孔東營、數據研發團隊的負責人高小平、快手商業化引擎架構負責人白曉航在內部被稱為“商業化四劍客”，他們是快手商業化技術體系從 0-1 的核心參與者。
實際上從 2016 年開始，四劍客就帶領團隊開始儲備商業化所需的一系列技術能力。
時年 12 月底，剛加入不久的李勇保在儲備搭建商業算法體系時所面臨的第一個問題就是如何做信息流廣告。雖是早期探索，但李勇保和團隊衝勁兒十足，立下 Flag — 技術上要對標國際最先進的指標。短短 3 個月時間，快手信息流廣告就進入公測階段，此後又陸續上線了作品推廣（粉絲頭條）、快接單等產品。
攻堅戰在 2018 年打響，在正式對外發聲之前，快手設置了一個目標，要在 2018 年 8 月前補齊技術短板，那段時間，四劍客和團隊幾乎每天都保持戰鬥模式，搶時間加進度。用戶體驗量化體系、分佈式訓練系統，oCPC 廣告計費項目…多個關鍵性的產品持續亮出成果，
自 2016 年快手高級副總裁嚴強為快手商業化敲下第一行代碼開始，再到 2018 年開啟商業化元年，經過了 2 年的技術儲備與迭代，快手已在商業進程上進展喜人，李勇保覺得，現在無論在技術還是在技術上，快手商業化已慢慢在走向第一隊列。這個“第一隊列”的衡量標準是，快手的商業化技術能否支撐得起 3 億 DAU 的體量。
關注我並轉發此篇文章，私信我“領取資料”，即可免費獲得InfoQ價值4999元迷你書！
閱讀更多 InfoQ 的文章
