雅虎如何借助 Amazon Bedrock 升级搜索重定向广告能力
概述
在数字广告领域，将用户的搜索意图与跨渠道的相关广告体验精准连接，始终是一大难题。雅虎（Yahoo）需求方平台（DSP）通过引入 Amazon Bedrock，对其搜索重定向（SRT）能力进行了全面升级，为广告主提供了更智能的受众定向方案。
传统方案的困境
雅虎原有的 SRT 架构基于 Word2Vec 嵌入模型 结合 局部敏感哈希（LSH） 来扩展广告主的关键词。这一流程包括关键词规范化、生成嵌入向量、索引、LSH 搜索、过滤敏感词和排序结果等多个步骤。然而，该方案存在明显局限：
- 词汇库陈旧：无法及时反映当下的流行词汇和新兴术语。
- 短语级搜索：侧重于短语匹配，而非具体的实体或概念。
- 句法相似性：扩展结果依赖句法相似度，难以捕捉深层语义。
这些缺陷导致广告主无法有效触达那些通过搜索行为表达真实意图的用户，尤其是在用户搜索词与广告主预设关键词存在语义差异时，传统方法往往失效。
Amazon Bedrock 带来的变革
为了突破上述瓶颈，雅虎选择 Amazon Bedrock 作为底层 AI 能力支撑。Amazon Bedrock 提供了对多种基础模型的便捷访问，使得雅虎能够快速构建和部署先进的语义理解模型。
新方案的核心转变在于：从基于关键词的句法匹配升级为 基于语义的意图理解。具体而言，雅虎利用 Amazon Bedrock 上的大语言模型（LLM）对用户搜索查询进行深度语义分析，识别出查询背后的真实意图和实体，而非仅仅匹配字面关键词。
例如，当用户搜索“最佳跑步鞋评测”时，传统系统可能只会匹配“跑步鞋”或“评测”等关键词，而新系统能够理解这是一种 购买意向信号，并关联到运动装备、跑步爱好者等更广泛的受众特征。
落地效果与行业价值
通过采用 Amazon Bedrock，雅虎的 SRT 能力实现了以下提升：
- 更精准的受众识别：语义理解能够捕捉同义、近义乃至上下文相关的查询，将搜索意图与广告主的目标受众更紧密地绑定。
- 动态词汇扩展：大语言模型可以实时理解新兴词汇和短语，确保广告活动始终与当前用户用语同步。
- 跨渠道一致性：SRT 将搜索意图延伸到展示广告、视频广告和原生广告中，实现真正的全渠道覆盖。
这一升级对数字广告行业具有重要意义。随着用户隐私保护加强和第三方 Cookie 逐步淘汰，基于 第一方搜索数据 的定向方法变得愈发关键。雅虎的实践表明，通过生成式 AI 强化搜索信号的利用，广告主可以在不依赖用户身份标识的情况下，依然实现高效的人群触达。
小结
雅虎借助 Amazon Bedrock 改造搜索重定向功能，是广告技术领域利用生成式 AI 提升精准营销的典型案例。它不仅解决了传统关键词扩展的语义短板，更展示了云服务平台在赋能广告系统智能化方面的巨大潜力。对于其他 DSP 和广告技术提供商而言，这一思路值得借鉴——用语义理解取代句法匹配，用意图识别取代关键词盲扩，将是未来受众定向技术演进的重要方向。
