使用大型语言模型为内容生成 IAB 类别

[ashammi228]

第三方 Cookie 的弃用再次被推迟，这让 AdTech 公司有更多时间开发替代方案，以便在遵守新法规的同时投放高度针对性的广告。我们认为，发布商可以利用这一延迟，以更高的价值出售其广告受众，同时保护用户隐私，这一过程得益于 IAB 于 2022 年推出的卖方定义受众 (SDA) 规范。现在，在 2024 年，随着大型语言模型 (LLM) 的出现，我们看到这些模型如何通过提供对用户消费内容的自动“理解”来减少发布商定义受众所需的工作量。我们的解决方案架构团队已经构建了一个概念验证 (PoC) 来证明这种方法的有效性。

作为参考， IAB 定义的SDA 允许发布商对自己的受众 女性数据库 进行细分，并向购买者发送上下文信号（比如 IAB 内容分类法中的类别和 IAB 受众分类法中的细分），而无需传输任何用户标识符。以前，为了以更高的价格出售此类数据，发布商必须与 DMP 集成以抓取其内容并最终将数据交付给买家。这种方法有两个问题。一是这使得时间取决于 DMP，这可能会导致内容分类延迟。一个更大的问题是，它牺牲了发布商内容的一些内在价值，而允许 DMP 汇总和索引这些内容并用于造福他人。

SDA 规范直接简化了受众和上下文数据的传递，解决了隐私问题。例如，根据注册了解受众人口统计详细信息的发布商可以轻松地将年龄组、国家/地区和许多其他细分市场纳入标准 prebid.js 广告上下文中。但是，要更深入地了解用户意图，需要对消费的内容进行更广泛的分析，以捕捉实时意图并推动产品广告转化。我们相信，在 LLM 的帮助下，这项任务现在更易于管理。

我们旨在解决的问题是如何将用户正在阅读的内容映射到 IAB 分类法兴趣和细分领域，以便我们发送这些信号，并使广告流量对买家更有价值。我们基于 OpenAI LLM 构建了一个快速解决方案原型，该原型执行以下过程：

获取网页内容链接

使用 LLM 对内容进行标记

根据 IAB 分类法进行搜索，该分类法以矢量格式预先存储

返回匹配的分类法部分或内容类别

为什么要攻读法学硕士？因为它比关键词提取方法精度更高，因为它考虑到了文章的语义。

我们将完整的解决方案设想为一个轻量级的 JavaScript 或 CMS 模块，它将处理每条已发布的内容，将其映射到 IAB 分类法，将其存储为元数据，并将其用作广告集成的上下文。