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！