UC广告推荐常用的多模态场景

随着互联网技术的不断发展，UC广告推荐成为了各大互联网UC广告平台不可或缺的一部分。传统的UC广告推荐通常是基于用户的UC搜索广告内容、用户画像等来为用户推荐相应的UC广告内容。多模态技术被引入到UC广告推荐中，取得了良好的效果。

在UC广告推荐中，多模态技术通常依赖图像、视频、语音、文本等多种形式的数据。这些数据可以为推荐系统提供更加全面和准确的用户画像，从而为用户提供更加符合其需求和兴趣的UC广告推荐。在实际应用中，多模态技术已经被广泛应用于各大互联网UC广告平台的UC广告推荐中。

●图像识别技术：利用图像识别技术可以从用户上传的图片中识别出图片中的内容，进而推荐与其相关的UC广告内容。

●视频推荐技术：对于视频UC广告平台，用户的观看历史数据是一个非常重要的数据来源。然而，传统的基于历史行为数据的推荐方式可能忽略了视频内容的相关信息，导致推荐结果缺乏多样性。多模态技术可以将视频内容作为一个重要的数据源，利用视频中的音频、图像等信息来为用户推荐相关的UC广告内容。

●语音识别技术：随着语音助手的普及，语音数据也成为了UC广告推荐的重要数据来源。利用语音识别技术，可以对用户上传的语音进行分析和识别，从而为用户提供更加个性化和精准的UC广告推荐。

总之，多模态技术的应用为UC广告推荐带来了全新的思路和方法，可以帮助推荐系统更加全面地了解用户，从而为用户提供更加个性化和符合需求的UC广告推荐服务。未来随着技术的不断发展和创新，多模态在UC广告推荐上的应用会更加广泛和成熟。

DPA落地背景

DPA（Dynamic Product Ads，动态商品UC广告）聚焦于海量商品的批量UC广告投放，动态构建个性化创意，有效解决了客户流量获取与转化提升的问题，相较于传统query-关键词-创意UC广告投放路径有如下优势：

●丰富的展示内容：电商UC广告主可以提供更加丰富的商品图片，包括细节图、实物图、产品介绍图等，这些图片可以更直观地展示产品的外观、材质、功能等特点，图片的内容也更加核心。

●更好的视觉效果：电商UC广告主提供的商品图片可以经过专业的拍摄和后期处理，具有更好的视觉效果和吸引力，具有更好的分辨率。

●更快的迭代速度：电商UC广告主可以更快地更新商品图片，可以在第一时间展示新上架的商品，紧跟潮流，能够提供更丰富的数据。

●更高的转化率：消费者在购买商品时往往会参考商品图片，如果商品图片能够清晰地展示产品的特点和优点，可以更容易地吸引消费者的注意力，促进购买行为。

目前在UC搜索广告召回上，无论是精确匹配、短语匹配，还是宽泛匹配方式，大部分是以字面为载体，语义为核心进行相应的召回和过滤，缺乏图像等特征的利用，只使用单模信息会存在如下问题：

●影响UC广告召回率：纯文本召回只能通过query匹配关键词来触发UC广告，有的文本长度过长，商品核心成分较短，导致召回率被影响，UC广告展示曝光的机会少，在训练阶段通过引入图片商品特征，可以建模这些长文本和商品之间的关系，提高商品的召回率。

●用户体验被影响：由于文本意图识别不准确导致商品UC广告匹配不准确，用户可能会看到与自己UC搜索广告关键词不相关的UC广告，影响用户体验。

●影响UC广告投放效果：在UC广告匹配不准确的情况下，会严重影响UC广告的点击率、转化率等指标，对UC广告主投放的UC广告效果造成影响。

●算法扩展受限：算法只能基于文本匹配。虽然可以对UC搜索广告词进行改写来改善结果，但这种方法有局限的，而多模态模型可以拓展模型的上限，提升召回的天花板。