Facebook早期的一个负责人杰夫在离开FB时留下过一个很著名的话：“为什么我们这一代人中最优秀的头脑，都在思考如何让人们点击广告，这太糟糕了。”
这句话从侧面说明了几件事，第一，对于如今的互联网公司，广告是最核心的业务之一，所以才会需要这么多人在广告业务里。第二，广告比大家想象的要复杂，所以才需要最聪明的头脑来一起解决这个问题。第三，点击率，是广告系统非常核心的一个指标之一。
广告系统不仅对于公司来说重要，对于ML从业人员来说也很重要。我们说最重要的ML（机器学习）应用场景就是搜广推。对于ML面试来说，广告系统相关的ML Design也是一个非常高频的问题。今天我们就来大致聊一聊广告系统。
首先广告分为很多种，比如display ads（展示广告）, search ads（搜索广告）。 比如大家用百度Google或者Bing搜索的话，出现在搜索结果上方的就是search ads。 search ads也分很多种，比如text ads（资讯广告）, product ads（产品广告）。
广告是一个三方系统，广告主，也就是发布广告的人，用户，也就是看到广告的人，或者广告曝光的对象，以及平台，比如Google比如Bing。
作为平台方，我们需要兼顾这三方的利益，这就让这个问题变得复杂了起来。比如平台方希望能多从广告主那里赚钱，但是用户希望看到更少的广告或者更相关的广告，而广告主希望在预期开销内获得最多的曝光，点击或者转化。这些利益从某种程度说是互相矛盾的，所以该如何设计我们的系统，策略，就变成了一个非常复杂的优化问题。
广告的收费方式也有很多种，比如给用户看一次或者曝光一次广告，平台就向广告主收一次费，又比如用户点击一次，才收一次费，或者我们还可以用户实际购买了产品，平台才收一次费用。
而收多少费用，又是一个非常复杂的商业问题，甚至是数学问题以及机器学习问题。如果大家熟悉百度曾经的竞价广告的新闻的话，还会发现这甚至还可以是一个伦理问题商业道德问题。
那么当用户在搜索栏里输入一个问题后，搜索引擎是怎么决定展示什么广告给用户呢。
是返回和问题最相关的广告？还是平台方能赚钱最多的广告？还是用户最有可能点击的广告？ 这又是一个非常复杂的问题。
不同的公司不同的产品，制定的策略都不太一致。
从数以百万千万的广告池里，挑出最终的几个广告，这里经历了层层的策略筛选，层层的预测和模拟。可以说每次你看到一个广告的时候，背后都是大量工程师科学家的心血共同决定了你看到的是这样一条广告。
一般广告系统的流程是：
（1）召回：首先我们会做recall，也就是召回。我们通过一些人为定的策略和ML算法预测，从广告库里来选出几千个或者几百个选项。
（2）相关性预测：接着我们会用非常复杂的ML算法，来从这几千个选项中，再筛选出最相关的广告，这一步也叫precision，或者相关性预测。
（3）预估点击率：接着我们会预测每个广告的CTR。也就是click throught rate。也就是用户点击的可能性。
CTR * 广告主的出价，就是展示这个广告的话，平台的收入预期。 我们就可以通过这个预期，决定最终给用户呈现什么广告。
当然就像我之前说的，广告是个很复杂的系统，我们刚才说的这个流程只是一个简化版的流程介绍。实际上的流程会复杂得多很多。
大家可以发现，整个流程里需要大量的预测，比如预测相关性，预测点击率，预测转化率购买率，这也是为什么广告系统，是机器学习最核心的应用领域之一的原因。
以上就是今天的全部内容，如果对这个话题感兴趣的话，欢迎大家留言告诉我们。
