阿里“鲁班”-让天下没有难撸的Banner

[设计思维][人工智能]

在2015 年之前的淘宝“双11”，商品推荐都是人来控制的，由运营决定给用户推荐什么产品，而 2015 年的“双11”，是阿里第一次基于算法和大数据，为用户做大规模的、个性化的商品推荐，叫做“千人千面”，是阿里流量分发模式很大的升级和转型。“双11”结束后，设计、工程和算法团队聚在一起，商量下一年要做些什么。我们当时想，我们已经做到的个性化推荐，但都是基于白底图商品推荐，能不能往前迈一步，让 强营销导向的广告资源位的设计也“千人千面” 呢？ 从纯商品个性化跨到广告资源位个性化 ，中间几个关键的技术点打通之后，我们就着手做了。

第一点：图像算法“抠图”。 因为高质量的广告设计需要把商品抠出来，放到精美的设计主题里。以前都是设计师给商品抠图后再做设计，现在我们用机器做海量设计，就得让机器来做这个事情。我们跟阿里搜索部门做图像切割的算法团队合作，处理海量的商品自动抠图。

第二点：把设计变成“数据” 。一张广告设计是像素组成的“信息”，不是“数据”。我们利用机器把商品、文字和设计主题进行在线合成，这样每张广告就带上了商品信息，可以根据消费者偏好进行个性化投放。所以鲁班产品上线初期，我们请设计师根据活动主题做了大批量风格确定的模板，证明了这种模式投放效果可以大幅提升点击率。

第三点：让机器学习设计。 靠“人肉设计模板”度过了第一个阶段，但长远发展角度我们必须让机器来做设计。大概是 16 年 8 月份开始的，有一位之前负责淘宝“拍立淘”（在淘宝内通过搜索找同款，随拍随找）产品开发的图像算法专家加入进来，主导整个智能设计的算法框架。

因为我们在做一件很新的事情，行业里没有什么参考对象，只能不断试错。 刚开始的时候，我们的数据不太够，就制定了很强的设计规则去控制，结果就是机器要么跑不出设计结果，要么设计出来的结果很失控。 设计是有无穷可能性的，靠弱数据强规则必然走不通 。意识到这一点以后，我们就集中精力去解决数据问题，把内部设计师电脑里的设计图和供应商的设计图都收集过来。我们有自己开发的设计协同工具 “设计板” ，有点类似Slack（一款协作办公应用），但是是专门用于设计协同的。这样才能方便我们大批量、规模化的找到这些数据。因为收集过来的数据是很杂乱的。比如“双11”期间“魔性”的设计风格跟无印良品这种“性冷淡”风格差异很大，这是完全不一样的品牌调性和设计需求。我们花了很大的力气去整理和建立了一套数据体系去管理设计数据，让机器生产出更匹配的结果。

第一步：让机器理解设计是什么构成的。 我们通过人工数据标注，对设计的原始文件中的图层做分类，对元素做标注。设计专家团队也会提炼设计手法和风格。通过数据的方式告诉机器这些元素为什么可以放在一起，我们把专家的经验和知识通过数据输入。 这部分核心是深度序列学习的算法模型 。

第二步：建立元素中心。 当机器学习到设计框架后，需要大量的生产资料。我们会建立元素库，通过机器做图像特征提取，然后分类，再通过人工控制图像质量以及版权问题，我们买了有版权的图库，也是希望从一开始就避免版权方面的纠纷。

第三步：生成的系统。 原理有点像 Alpha Go 下围棋。我们在设计框架上构建起虚拟画布，类似棋盘，生成的系统把元素中心的元素往棋盘放， 在这里我们采用了“强化学习” ，就好像你在家里放一台扫地机器人，让它自己跑，跑个几圈，它自己会知道哪里有障碍要避开。在强化学习的过程中，机器参考原始样本，通过不断尝试，得到一些反馈，然后从中学习到什么样的设计是对的、好的。

第四步：评估的系统。 我们会抓取大量设计的成品， 从“美学”和“商业”两个方面进行评估 。美学上的评估由人来进行，这方面有专业众包公司；商业上的评估就是看投放出去的点击率浏览量等等。

“双11”的风格是比较确定而且需要严格执行，所以设计师制作了很多“双11”特定风格的固定模板。机器在这个基础上，把调整尺寸这些行为进行优化，节省了尺寸拓版的人力。用机器生成亿级设计从而带来商业效果提升，总体来说也是一次非常成功的应用实践。我想未来的“双11”仍然会是设计师带着机器做设计的模式，重大活动中设计机器是提升效率的助理角色。

引用阿里 CEO 的话——“鲁班是数据业务化的代表”，之前我们有很多数据，但都是闲置的或者利用效率不高的，比如海量的商品图，而“鲁班”把数据变成了业务，通过大规模设计加精准投放，提高每个广告位的资源效率，带动了流量的效率和业务价值，点击率是翻倍的，收益也接近翻倍。人员倒没有出现缩减，只是做的事情有调整了，要学习这套系统，学习如何训练机器，同时在美学方面做把控。

一是要让智能设计去影响阿里设计生态，让“鲁班”能服务百万量级的商家和设计师。一开始在内部推进“鲁班”的时候，我们也面临过阻力。传统的方式就是，设计一个 banner，放很多商品，显得很热闹，而“鲁班”做出来的 banner 上就是单件商品，但与消费者是相关的，因为是基于算法精准推荐的，是你会感兴趣的，只是这样就要把商品放大、显眼，可能在设计上就不够美。但最后，我们让数据说话，确实后者给业务带来了很好的增长。这个教育过程是比较长的，在内部我们可以做，但面对百万商家和设计师如何去做？这是我们的挑战。

二是数据算法本身的持续升级。AI 行业每年都会有很大的变化，新的技术不断涌现出来，如何跟上最新的技术？这也是我们始终不能松懈的点。

APP首页用的是Fragment，然后用开源库Banner来实现轮播图，加载用的是Glide，然而一张都出不来。

使用Glide的依赖为

Glide40以上需要自定义一个类

build之后会生成一个GlideApp这样就可以使用了。

如果你添加的依赖为

build的时候会报错，此时你需要在gradle的defaultconfig添加下面这句

这样就可以build成功。

在使用banner的时候需要设置加载器：

其中ImageLoader是banner中封装好的，我们只需要继承一下即可。

在这里需要注意的是glide中的上下文如果使用的是displayImage中的context，也可能导致加载不出来。从网上资料查阅得，Glide获取容器生命周期的机制与其他开源框架产生了冲突，故而导致加载失效

解决的方法有两种：

1、上下文需要填

2、换用其他的第三方加载

在这里使用的是ImageLoader。

依赖为：

在Application中初始化

然后再banner中设置

还有一种是90的系统导致显示不出来，因此需要在

设置android:usesCleartextTraffic="true"即可

以上就是关于阿里“鲁班”-让天下没有难撸的Banner全部的内容，包括:阿里“鲁班”-让天下没有难撸的Banner、Fragment中使用开源banner用Glide加载网络图片显示不出来、等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！