推荐&广告&搜索三种业务的区别

搜广推作为互联网公司几大核心的业务，三个大方向的业务有很多技术共同点，但是彼此又有很多差别，那么推荐、广告和搜索对于算法工程师来说到底有什么区别呢？

业务目标

• 推荐：推荐算法虽然根本目的也是为了增加公司收入，但其直接目标是为了增加用户的参与度，增加用户在平台的使用时长。只有用户的参与度高了，才能让广告系统有更多的流量承载，进而增加公司营收。所以推荐算法的目标是增加平台的流量。
• 广告：一个公司要搭建广告系统的目的是商业化，即变现赚钱。所以广告算法的目标就是为了直接增加公司收入。
• 搜索：搜索要解决的关键问题全部是围绕着用户输入的搜索词展开的，“围绕着搜索词的信息高效获取问题“才是搜索算法想解决的根本问题。所以搜索的目标是能够更精准高效的触达用户想要了解的信息。

业务优化方向

• 推荐：推荐系统的业务优化比较纯粹，通常是一套多级的推荐服务，涵盖召回，粗排，精排，重排链路，再附加一些策略调整；目的是提高推荐的准度和多样性，让用户能够在平台多看多逛，增大流量“盘子”。主要是面向ToC用户侧的优化，对于ToB作者侧的关注相对少很多。因此，本质处理的是用户体验的问题
• 广告：广告是一项实际业务会使用推荐系统技术，也会有一套推荐服务，但区别于推荐，广告还有一套出价系统需要维护，来满足广告主的诉求。因此，本质处理的是三方利益的协调问题，这三方分别是广告主、用户和媒体（平台）。

• 搜索：搜索也是一项使用推荐系统技术的业务形态，但是除了推荐服务外，还需要考虑自然语言处理的模块，最核心的即搜索的相关性问题，需要确保用户搜索的结果和用于意图的Query相关。区别于推荐和广告的用户被动触达，搜索是用户主动触达的。

模型优化目标

• 推荐：推荐算法的预估目标不尽相同，视频类更多倾向于预测观看时长，新闻类预测CTR，电商类预估客单价等等这些跟用户参与度最相关的业务指标。而且由于推荐系统的推荐场景是生成一个列表，所以更加关注item间的相对位置，因此评估阶段更倾向于用AUC，gAUC，MAP这些指标作为评价标准。
• 广告：各大公司广告算法的预估目标非常统一，就是预估CTR和CVR。这是跟当前效果类广告的产品形态密切相关的。在当前eCPM等广告计价方式下，只有预估出准确的CTR和CVR，才能反向推导出流量的价值，才能在最高效的方式下赚取收入，且让广告主达成自己的目标。所以针对这样的目标，广告算法非常看重把预估偏差当作首要的评价指标。
• 搜索：搜索的预估目标又有所不同，因为相比广告和推荐，搜索某种意义上说是存在着“正确答案”的。所以搜索非常看重能否把这些正确答案给召回回来（广告和推荐也关注召回率，但重要性完全不同）。所以搜索系统往往会针对召回率，MAP，NDCG这些指标进行优化。
  总的来说，广告算法是要“估得更准”，推荐算法是要整体上“排的更好”，搜索算法是要“搜的更全”。

维度理解

• 从信息传播维度来看：推荐和搜索是两种用户触达方式下的技术：推荐即猜你喜欢，用户被动接受信息；搜索是用户的主动行为，用户主动寻找信息。
• 从推荐技术维度来看：推荐是最基础的技术核心，其自身可以组成推荐业务，例如短视频推荐、商品推荐；搜索即推荐+Query自然语言处理（相关性等）组成，其本身是用户主动寻求+被动接受推荐信息，例如图文搜索、商品搜索；广告即推荐+出价系统 或 搜索+出价系统，根据用户行为可分为展示广告和搜索广告的形态。