技术达人 欧阳辰 专访

受访人:欧阳辰,(小米研发架构师,负责小米广告平台的架构研发,个人公众号:互联居)
采访者:北邮曾宪超, 龙星镖局

(1) 请简单介绍下自己的从业经历。

2001年,我从北大毕业,加入了法国公司斯伦贝谢做工程师。1年多后,有幸成为中国第一批研发员工加入甲骨文中国研发中心,参与研发并且发布了Oracle 10g;2005年,加入微软公司并工作10年,从事必应搜索和广告平台(搜索广告,展现广告,移动广告)的研发工作。2015年加入小米公司,从事商业化研发工作,负责大数据和广告平台架构。

(2)“互联居”公众号的定位是怎样的,老师平常是如何选题的?

“互联居”是我个人的公众号,算是我自己的思考笔记吧。规模不大,但希望为中国广告技术的繁荣上贡献一点点力量。题目可以说是五花八门,覆盖了计算广告 中的基本问题,发展趋势,最新技术等等,大多都是我自己长期思考的问题,我努力用烂笔头把它们讲清楚。虽然平时工作中也经常面对这些问题,但是正在把这些内容系统的写来了,还是蛮费力的,但是这些记录对自己整理思路非常有帮助。

(3)深度学习在计算广告领域的应用状况如何?

深度学习是最近比较热门的技术,广泛应用在文本,图像和视频的分析方面。在计算广告领域,越来越多的业务在尝试通过深度学习提升效果,例如点击率预估,用户画像,用户意图分析,素材的分析和优化,反作弊等等。小米在这些方面都有积极的尝试和不错的进展。举例来说,去年10月,我在小米内部举办了第一次小米数据挖掘大赛,题目是用户画像分析,最后获奖的前5名队伍中,有4支队伍是使用深度学习的方法获得最佳结果。据我了解,百度前两年已经规模化开始使用深度学习解决点击率预估的问题。 最近,谷歌利用深度学习DNN的Deep&Wide方法在应用推荐上获得很好的成功,这些都是值得技术人员关注的地方。

(4)小米在原生广告这块有何期待和规划?

小米营销一直致力于用户体验的提升,原生广告是一种比较好的保护用户体验的广告形式,对用户的侵扰少,小米也是全面拥抱原生广告。简单来说,小米现在绝大部分的广告形式都是原生广告,为了达到这个目的,我们需要适配各种各样的媒体和位置,进行各种各样用户体验的数据分析和实验,以达到最好的用户体验。

(5)facebook在广告领域做了很多产品形式的创新,但国内这方面的进展很少,老师觉得是什么因素限制了我们的创新?

Facebook是一个非常出色的广告技术公司,在信息流广告和视频方面,做得都很出色。其实,国内也有很多广告技术的创新,特别是移动广告技术。例如,有些公司推出的抢红包营销,摇一摇营销都是非常中国式创新的形式,效果也很好。小米营销也有很多创新的广告形式,例如微动态开屏,Big Day,品牌主题等,这些都非常受到广告主和用户的欢迎。

(6)你带领团队从头构建了小米的广告系统,其中最大的挑战是什么?

挑战主要来自业务方面,业务发展非常快,无论是流量规模还是业务线的数量,增长都非常快。因此,架构上如何支持快速发展的业务,如何有效的组织团队支持业务发展,并且设定适合True North,制定团队的OKR都是非常挑战的。整个系统架构的发展也都是在不断的学习和演化中,所谓学习就是各种踩坑和吸取教训,所谓演化就是循序渐进。整个过程中,对我个人来说,最大挑战就是确定了以业务为导向的架构演化思路,架构师需要具有业务分解能力和执行能力,而并非单独追求技术上的最新最酷。

(7)前些年DSP在国内刚兴起时很火爆,很多人对此期待也很高。但似乎现在并没有到人们预期的高度,你觉得其中最大的问题是什么?

DSP代表广告主的利益,在程序化时代,它可以帮助广告主提高投放效率,我相信这一点是广告主的刚需。像任何新兴事务一样,DSP在发展过程中也会遇到很多挑战,例如大的广告平台并不愿意将广告投放权放出来,中小型媒体的部分流量虚假,小DSP公司缺少有效数据等等,因此这些问题都会一定程度上抑制DSP的进一步发展。在一方面,我认为这种不同角色的博弈长期会存在,技术的发展可以辅助这些问题的解决;另外一方面,我也相信,一些优秀DSP会继续坚持初心,坚持为广告主服务,渐渐成为广告主不可缺少的SAAS服务。 完整的观点,可以参考我的一篇文章《DSP的繁华与伤心》

(8)人们下载了很多app,但很少能主动想起来用一些比较长尾的app。移动广告领域有什么比较好解决这一问题的方法?

移动APP的发展确实存在马太效应,巨无霸APP和系统APP正在占领我们绝大部的时间。对于长尾App,它们通常是解决低频和非关键的任务,因此很容易被用户遗忘。技术上,各个公司都可以通过deeplink进行调起,其关键是在什么场景下调起,是否是用户真正需要的场景。小米在应用拉活方面也做了很多尝试,包括关键词搜索,推荐支持Deeplink调起APP,短信调起APP,应用商店中增加打开按钮等等。这些方案都解决一部分的开发者的拉活需求,但是这些并非银弹,真正的银弹还是App的产品力,APP需要为用户提供高频高价值的服务。

(9)对刘鹏老师的《计算广告》一书如何评价,还有哪些建议?

我是刘老师《计算广告》的粉丝,我总是把这本书推荐给我身边每一位广告技术的同学。据我了解,刘老师对于这本书正在修订一个新版,我非常期待新版早日出版。

(10)计算广告领域很多技术似乎和搜索、推荐都比较一致,那么它有哪些自己独有的研究问题?

我从事搜索技术很多年,做广告也很多年,简单进行比较一下 1)搜索的数据规模比广告要大很多,比如搜索需要把全世界的网站索引都放在计算中索引,这是一个海量数据,广告数据规模相对小一些。 2)搜索优化有一个重要的核心优化指标:相关性(Relevance),广告优化往往有两个指标:相关性(Relevance)和收入(Revenue),因此广告优化有时候更加“矛盾”一些,需要好的权衡。3)搜索是以技术驱动为主,提升用户体验;计算广告有一半是技术驱动,有一半是业务驱动,一个可以扩展的业务模式能极大提高广告的规模,只有广告上规模之后,技术才有大展宏图之地。在另外一个方面,两者使用的技术却非常相近,包括NLP,大数据处理,机器学习,算法实验平台,高并发架构等等。

(11)对新人入门计算广告领域有何建议?

计算广告是非常有趣的领域,对于刚入门的同学,我建议可以从刘老师的《计算广告》开始,对各种业务,技术和名词进行广泛的了解,望尽天涯路;同时,同学也需要对于自己所在工作进行深入的理解和思考,无论是系统工程还是算法数据方面,为伊消得人憔悴;最后,多观察业界的变化,理解哪些是表面的变化,哪些是本质的变化,分析市场现象后面的角色和技术发展,达到 暮然回首,那人却在灯火阑珊处的状体。多和同行交流获得想法,多进行实践分析形成自己观点,知行合一,止于至善!

Report Story