实时检测机器人广告点击的深度学习技术

实时无效化机器人广告点击

机器人广告点击检测是指判断电商网站上的广告点击是由人类还是软件代理发起的任务。其目标是确保广告主的营销活动不会为机器人行为付费，同时避免误判人类点击。该系统需要实时运行，以最小化对广告主体验的干扰，并具备可扩展性、全面性、精确性以及快速响应流量变化的能力。

在今年的创新人工智能应用大会（IAAI）上，我们提出了SLIDR（切片级机器人检测）系统，这是一个通过弱监督训练的实时深度神经网络模型，用于识别在线广告的无效点击。自2021年起，SLIDR已在某中心部署，保护广告主活动免受机器人点击影响。

技术挑战

在线广告中的机器人活动检测面临多重挑战：

1. 难以获得覆盖范围广且精确的真实标签
2. 机器人行为模式持续演变
3. 不同流量切片（如桌面端与移动端）的机器人行为差异显著
4. 误报会降低广告收入

标签生成方法

由于缺乏大规模准确真实标签，我们通过识别两种极不可能由机器人执行的高门槛活动来生成数据标签：

1. 导致购买的广告点击
2. 来自具有高RFM评分客户账户的广告点击
   RFM评分代表客户在某中心的购买模式的新近度（R）、频率（F）和货币价值（M）。此类点击被标记为人类行为，其余点击标记为非人类。

评估指标

由于缺乏可靠的真实标签，无法使用准确率等典型指标评估模型性能，因此采用三种特定指标：

• 无效化率（IVR）：算法标记为机器人的点击比例，反映模型召回率
• 误报率（FPR）：被算法无效化的购买点击比例，以购买点击作为人类点击分布的代理
• 机器人覆盖率：通过启发式方法（如一小时内有超过k次广告点击的用户会话）评估模型对高概率机器人点击的覆盖能力