Q2微创新投票

信息流动态创意广告 ——通过对投放和渲染服务的技术升级，在信息流内实现了微博样式的动态渲染和千人千面，支持了京东、阿里等头部电商客户的retargeting投放。

RPC通信基础组件 ——使用golang语言设计了一种RPC通信基础组件，支持与数据通信协议无关的链接池、服务发现、负载均衡等功能，大幅度提升了广告系统的可用性。

基于DNN的个性化深度召回项目(turing) ——背景：广告系统设计通常包括广告召回，相关性（点击率）过滤，广告竞价3个阶段。本次召回项目离线通过DNN深度学习技术技术，对用户的行为进行学习，通过个性化召回模型对上游的广告队列进行扩展，为下游提供更多优质的流量。效果：超粉整体导流效果提升14%，粉丝经济非粉互动效果提升70%。

OCPX广告的PID成本控制策略 ——OCPX广告基于广告主的填写成本由模型自动出价，为了稳定广告的真实投放成本，该项目将PID算法应用于成本控制中，通过将实时的成本偏差作为反馈引入出价流程，通过动态调节每次曝光的成本起到稳定成本的作用。

广告竞价机制优化 ——背景：为了进一步提升微博广告平台的整体效果和用户体验，我们对现有的广告竞价排序机制进行优化，调整排序公式，加大向效果好广告的倾斜力度，同时引入负反馈等广告质量考量因子。效果：超粉整体导流效果提升10%，超粉整体互动效果提升8%，

数据挖掘工具 —— 利用用户标签，圈选目标人群，生成用户包。同时支持将用户包一键上传至DMP平台供广告主使用，支持用户包的透视分析和用户画像查询。旨在提升用户包的挖掘效率，提高广告覆盖人群的范围和精准度。

Kunkka自动化平台  —— Kunkka自动化平台主要实现了服务的持续集成、持续交付、自动化测试、配置中心等功能，在最少人工干预下利用kunkka平台可以实现业务系统的快速测试上线回滚等操作，提升服务的发布速度与发布质量，减少故障的发生，从而提升系统可用性。

服务治理  —— 服务治理主要通过服务单元化、自动发现、负载均衡、多机房部署等措施来实现服务的冗灾，避免由单机或机房级故障导致服务不可用不稳定，从而提升系统的可用性，同时优化广告部门的机器成本，整个项目共节约广告机器数249台，共节约成本两百多万元。

微博广告爬虫技术中台  —— 搭建微博广告爬虫技术中台，对商业化数据进行统一高效的爬取，支持上游各业务方，包括：广告落地页质量监测、广告落地页内容分析、竞品公司广告投放监测等。

基于公开结构化数据的语义分析服务   —— 基于维基百科，品牌网等公开结构化语料数据构建完善商业概念层级，实现对短文本输入的语义判定，并以此为基础支持普搜流量商业变现，目前可覆盖35个广告行业，2万+国内外品牌，～10%的普搜请求

广告整分结算   —— 广告投后高并发结算服务中， 将计费粒度控值在“分”粒度。使各个平台各个语言的展示得到统一，因为精度显示问题的广告主投诉降低为零

广告精益矩阵模型   —— 透视广告策略的线上实时表现，实时查看广告在不同策略的运行详情，提升广告投放问题排查效率 

广告预算独立A/B实验   —— A/B实验时各实验桶只可以使用预设的桶预算，各桶在预算上是相互独立、不会相互干扰的，从而解决由于预算共用引发的指标（比如收入指标）不置信问题