為了一定程度上降低使用者對廣告的牴觸心理，現在常見的方式，便是將廣告搜推結果與自然搜推結果依照規則進行穿插。那麼，你瞭解什麼是自然搜推結果、什麼是廣告搜推結果嗎？二者之間的異同點又在哪裡呢？本文作者就進行了總結，一起來看看吧。
之前有給大家
分享過關於推薦系統的演算法鏈路搭建，從召回到排序，然後又延伸介紹了廣告策略產品下的整個核心業務目標的構建
；整體目標是為了讓大家先了解自然推薦、搜尋逐漸延伸至推薦、搜尋廣告策略系統當中，瞭解其中策略產品底層核心原委與各自的對立統一關係。
今天就來補齊上一期答應大家分享的關於自然搜推結果和廣告搜推結果的差異點的坑，下篇文章專門來講兩者之間的相同點，本期講分成以下幾個部分來做介紹：
自然搜推結果與廣告結果之間的業務協同；
自然搜推結果與廣告結果之間的差異點；
自然搜推和廣告結果之間的相同點；
總結與我個人的思考建議。
一、自然搜推結果與廣告結果之間的業務協同
伴隨中移動端線上網際網路媒體APP的發展，無論是流媒體型別、電商型別以及應用市場型別的APP的發展，廣告越來越講求
原生性質
（指代廣告與自然結果在前端創意展示樣式上較為相似，在標題、圖片以及附加創意說明上比較一致，難發現其為廣告）。
自然搜尋推薦結果內容與廣告搜推結果按照規則相互之間內容穿插，在樣式上與內容展示規則上保持了一致性，這樣做提升了廣告與自然結果的協同作用，降低了客戶對於純廣告的直接而牴觸心理，同時
提升了廣告點選效率CTR
，
為媒體平臺（CPC計費獲得了更多的廣告收入）、商家（獲得了更多商品的點選關注）以及使用者（提高了相關性內容的透出，方便使用者決策）都帶來了各自的增益。
雖然自然結果和廣告結果在前端展示樣式協同、相似，但是在利益博弈、排序最佳化、計費歸因以及透出比例上都還是有很大的差異，兩者始終保持對立與統一的關係。
二、自然搜推結果與廣告結果之間的差異點
1. 多方利益平衡
對
於自然搜推來說
，本質上要處理的是使用者和內容item的匹配問題，電商領域就是使用者和商品item的匹配，在小紅書就是處理筆記/影片item與使用者之間的關係，召回、排序策略核心為最佳化CTR（推薦）、CVR（搜尋）以及GMV（電商平臺發展成熟平穩期）等，有些平臺為了考慮體驗更會在排序中引入質量分Q，商家沒有直接干預流量的手段，從利益角度出發是隻考慮了使用者與平臺的利益關係。
對於廣告搜推來說，
本質上要處理的是使用者、廣告主、廣告媒體平臺這三方利益的協調問題（對於媒體SSP與投放平臺DPS分開的型別，還需要考慮第四方投放平臺DSP的利益，這裡為了簡單舉例，我們取投媒一體型別）。
可以看成是一個充分博弈的商業產品，需要兼顧三者的利益，尤其是廣告主投放廣告會關注成效ROI或者投放的轉化成本CP，而平臺關注廣告最大化期望收益eCPM，使用者關注推薦相關性CT與體驗；從整體上看需要廣告平臺從計費機制、流量分配效率等角度做多方的策略平衡。
2. 業務最佳化目標/排序方式不同
對
於自然搜推來說，
核心最佳化指標便是CTR/CVR，可能在建模的時候考慮其他的最佳化目標例如人均曝光物料、GMV等。
這裡我們用CTR舉例，CTR越高表示使用者對於推薦內容的興趣越大，在整個自然搜推中的粗精排序核心依賴的就是透過LR預估對於商品Item的CTR預估來進行排序。
對於搜推廣告來說，
核心關注指標就是eCPM最大化期望收益（eCPM =CPC * pCTR*1000；）。
如前文所示，排序中不僅考慮自然搜推中的相關性部分預估CTR/CVR的問題，同時還考慮了廣告出價的問題，CPC表示了廣告的單位變現效率（假設C計費），在流量點選數恆定的情況下，CPC越高，廣告收入越高；
預估問題+廣告出價問題最終的結果，就是多方博弈考慮收入最大化；當然廣告也會考慮質量分Q值，對於店鋪好評率、店鋪銷量以及物流履約率等進行參考。
3. 計費與歸因方式不同
1）對於自然搜推
在計費方面
，商家商品物料、小紅書筆記對自然流量的獲取不牽扯到計費相關的內容，需要物料item良好的商品質量、售賣記錄以及好評率等，並且物料與訪問使用者/query關鍵詞存在相關性才能獲得自然流量的搜尋結果/推薦結果呈現，追求的是平臺長期生態的建設，例如使用者粘性7日重複訪問、下拉深度，人均搜尋量等。
在歸因方面，
自然流量搜推看歸因偏輔助性質指標（或者根本不看），例如15天以前，哪一次自然搜尋/推薦點選和曝光帶來了本店商品的下單，這個對於自然結果並不是特別關注，自然結果更多是本次搜尋/推薦結構帶來的的
一錘子買賣效果
，希望能結合自己的召回/排演算法提高單次結果的相關性，最終產生正向樣本（即曝光展現的結果能夠被點選）。
2）對於廣告搜推
在計費方面，最大化期望收益為核心目標去建模，會透過CPC/CPM/CPA等與廣告位&廣告特性相匹配的方式進行流量\轉化行為而計費，平臺獲取流量行為收入。
額外需要注意的地方就是廣告平臺會為商家、平臺利益角度考慮設定對於反作弊的過濾，即對廣告反覆惡意點選扣費、競對惡意下單後退單導致客戶付出較高成本等，會在平臺提供反作弊過濾模型風控能力，客戶過濾這些不正當計費，保證客戶生意正當性與長期的廣告投放意願。
在歸因方面，
廣告平臺為保證商家正確關注ROI的效果提現，會從行為/週期兩個方面拆分廣告帶來的影響因子。
這個解釋歸因，行為方面包含展現歸因、點選歸因，時間可以選擇1天、3天7天等；例如，今天的點選推薦結果可能未來第3天完成該商品成交，那麼叫做3天直接歸因成交訂單；如果今天的推薦點選帶來未來15天在店鋪下其他商品的成交訂單，那麼叫做15天歸因的間接歸因訂單。
4. 透出樣式與比例不同
1）對於樣式來說
搜推廣告為了保證item內容的原生性質，與自然原生推薦/搜尋外觀基本無太大差異，尤其是圖片、文字以及附加資訊的佈局，字數限制、圖片尺寸都會保持相似性。
但是廣告會有一些創意的探索和玩法，包括長圖、翻轉圖以及模板圖等，廣告主授權修改樣式，展示樣式上會比自然結果更吸引人矚目；但是因為網際網路廣告法的要求，需要在廣告內容上打上具體的標識，
如京東搜尋結果中的“廣告”icon。
2）對於透出比例來說
前文也提到了，為了保證C端使用者在搜尋、推薦位置長期發生行為並保證客戶體驗，會以自然推薦、搜尋結果為核心主導，廣告結果為輔助穿插，
比例一般會小於5:1等（不同公司差距不一，抖音資訊流是6出1）
，一般廣告比例會隨動態試驗做調整，各家會有推薦位下拉深度，全域性CTR廣告收入的要求，試驗資料會在這個基礎上做平衡博弈，前期會透過大量的實驗才可以得到最終的比例結果。
當然也會視各家公司對於廣告收入發展依賴程度做相應調整，廣告收入欠缺壓力大的時候，就會上調對應的比例，但是一般對廣告依賴程度高的公司無法隨意調整，因為年同增長過快會引起股價不正常波動。
三、自然搜推結果與廣告結果之間的相同點
1. 整體演算法鏈路框架層面
在整體框架層面，都會圍繞
召回、排序（粗精重排序）的演算法鏈路
去設。
這點對於自然搜推結果和廣告結果大體一致，包括召回都會用到
規則召回、協同過濾召回和向量召
回等（有差異的點在於廣告有一路召回叫
DMP定向召回
），在排序方式上都會對CVR/CTR預估，構建特徵，藉助樣本評估預估效果，透過AUC評估模型的好壞，只不過在最終排序上會考量出價因素，包括在重排序當中廣告推薦和自然結果的推薦都會增加類目/相似圖打散的策略，以提升體驗。
2. 前端展示層面
前面也說明了，最終自然搜尋與廣告搜尋、自然推薦與廣告推薦會在同一個展示APP前端位置，並且內容相互穿插，大體展示樣式/內容會保持一致，最終會有一個Mixer的服務端進行排序穿插組合，這個模組會對自然和廣告結果做Item內容去重以及打散等策略，保證最後呈現出來的context結果“全域性最優”。
圖片和文案的展示具體內容對於自然結果一般無法定義，廣告渠道在前端創意樣式展示上的策略和玩法相對來說更加豐富，也給予了廣告主豐富的自定義權利。
四、總結與我個人的思考建議
總結：自然搜推和廣告搜推在差異點上主要還是圍繞多方利益平衡、業務目標最佳化與排序、計費歸因以及透出樣式比例不同介紹核心的幾個差異點，但是在整體演算法鏈路搭建其實還是大體相同的，並且在前端樣式上展示也是比較難直接分辨，突出了廣告的原生效果。
個人建議：
自然推薦與廣告推薦在大公司中會劃分兩個不同部門，並且完全不同的演算法團隊來承接策略最佳化，推薦位最終結果呈現是自然與廣告團隊博弈與合作結果；對於策略產品來說，召回策略、排序預估方面可能會有業務目標構建的差異，但是對於演算法鏈路搭建以及模型差異不會太大，廣告觸及與涉獵的部分更多。
雖然沒有自然結果對客戶體驗的維護就無法保證整個推薦搜尋位的流量，但是廣告從根本上講核心現金牛部門，在各項資源方面其實會略有傾斜；對於策略產品發展來說，廣告的策略產品方向更加豐富多元，除開能cover自然搜推的策略，還可以觸及很多廣告（創意、出價、定向、診斷工具以及洞察等等）策略，前景也更寬廣。
如果大家對搜推感興趣，還是建議往廣告搜推方向發展，不僅對策略方向發展頗有裨益，更加培養作為產品的商業化思維。
本文由 @策略產品Arthur 原創釋出於人人都是產品經理，未經許可，禁止轉載
題圖來自 Unsplash，基於 CC0 協議
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供資訊儲存空間服務。