Posts
All the articles I've posted.
-
创意 A/B 测试与有效性度量：从假设到增量
Updated:前文反复强调了使用数据校准创意的必要性，本篇将深入剖析具体的校准机制。我们将从提出可证伪的业务假设、执行严格的随机分流、估算样本量与显著性判定切入，探讨代理指标（CTR/CVR）与结果指标（ROAS）的本质取舍。最终，我们将落脚于判定创意真实价值的金标准——增量实验（holdout/Ghost Ads），通过可验证的方法论实现广告商业化的科学度量。
-
双塔召回：为什么它是过去 10 年工业界召回的绝对主力
推荐系统系列（召回·主力路）：用「资深选片员画气质画像」的比喻讲透双塔 / DSSM / 向量召回——为什么非得是两座塔（离线建库 + 在线 ANN）、训练最反直觉的坑「负样本得自己造」，以及为什么它是过去十年工业界召回的绝对主力。
-
DCO 动态创意优化与创意疲劳：模板、要素与频控
Updated:单一创意打天下的时代已成过去。DCO（动态创意优化）将广告素材拆解为可独立替换的要素，利用受众、情境与历史行为信号，在广告曝光时实时拼装，实现千人千面。本文深度拆解 DCO 的底层结构（模板、要素库、决策引擎与实时渲染）与个性化维度，剖析创意疲劳的衰减曲线及频控策略，并探讨规模化个性化下的合规要求与需求方、供给方博弈边界，助你兼顾投放效率与体验。
-
热门召回：推荐系统最便宜也最不可替代的兜底保险栓
推荐系统系列（召回·兜底路）：用「本周热租榜」的比喻讲透热门召回——兜底 / 冷启动 / 保险栓三个替不了的角色、马太效应等四个工程坑、时间衰减与流式实时热门等升级款，以及为什么它单跑指标平平（Coverage 仅 22%）却是任何个性化召回都给不了的保险栓。
-
协同过滤 ItemCF：25 年不过时的召回骨架，从余弦相似度到 Swing / EASE / 双塔
推荐系统系列（召回·第一路）：用「录像带出租店」的比喻讲透协同过滤——UserCF vs ItemCF 工业界为何选后者、余弦相似度怎么过滤人气噪声、老挑片员三步打分与归一化，以及为什么说双塔本质就是加了深度编码器的协同过滤。