腾讯营销—基于LLM的广告系统实验设计与衡量

课题背景： 广告商业化系统的优化，依赖高效的实验迭代能力。而广告平台是典型的双边市场系统，导致其实验面临显著的跨侧干扰：广告主之间存在预算竞争与流量博弈，用户行为又受到广告供给结构的影响，策略的调整可能改变整个市场的均衡状态。 传统的数理统计方法处理双边市场系统的实验设计，仍然会面临较大的瓶颈。因此，探索与当前AI技术结合，基于LLM语义生成等能力，拓宽传统假设检验的边界，使得实验衡量更加准确和高效。 当前挑战：

1. 01

   复杂广告策略效果衡量方法的准确性；

2. 02

   广告实验中广告主的高度异质性对实验采样稳定性造成干扰

3. 03

   传统特征信号滞后且维度有限，借助大语言模型可捕捉广告市场更多增量信息 借助大语言模型可捕捉广告市场的更多增量信息 工作内容： 探究当前的AI技术与广告实验系统的结合方向。 例如，利用LLM从非结构化广告数据中提取语义特征，与传统行为特征融合，训练更强的基线预测模型，以提高广告随机化与联合采样结构的鲁棒性，从而增强业务衡量的准确性，为广告业务迭代提供更科学的指引。

1. 01

   计算机、AI、统计学、数学等相关的专业硕士研究生及以上学历；

2. 02

   具备大数据处理能力，熟悉掌握数据提取和分析工具，如SQL、Python、R等；

3. 03

   统计学知识扎实，熟悉A/B testing、因果推断，熟悉常用的机器学习模型；

4. 04

   具备敏锐的数据洞察力，严谨的逻辑思维能力，良好的沟通能力，持续的学习能力。