薯条广告事务作为小红书商业化中重要的一部分，能够让内容创作者和企业商家轻松运用手机app进行笔记推行和广告投进。尽管从用户视角来看，薯条广告的投进办法简略快捷，但从渠道视角来看却面临着很多应战。怎么在薯条广告和其他广告的竞赛进程中，合理分配小红书的商业化流量，最大化广告主和渠道的全体收益，需求深入地考虑和探究。 对此，小红书商业技术团队从战略视角动身，对薯条竞价广告的投进进行建模，推导出理论最优解法，再结合事务实践，考虑出简略有用的调控计划，让薯条广告事务快速到达了预期水准，推动了商业化渠道的开展。

1. 薯条事务与竞价战略的应战

在小红书商业化矩阵中，薯条广告事务是重要一环。详细的事务办法如下图，一个用户（普通用户，KOL，甚至商家）能够经过薯条来推行自己的笔记，进程中只需求简略决定几个选项，如预期曝光量、投进时刻、推行方针、人群，付款后就会主动推行了。由于薯条广告的投进进程是需求和商业化流量中其他广告进行竞赛的，所以也会完整的触及竞价广告的三个基本范式，召回、预估、拍卖（竞价）。从事务逻辑上来讲，召回、预估比较靠近业界主流的实践办法，而拍卖（竞价）进程受限于事务复杂性却存在十分多的应战。

从客户（薯条推行者）的视角来看，薯条是一个比较傻瓜的推行办法，表达了方针、需求曝光量（投进时刻）、人群，付款后就开端投进了。但事实上这儿存在着许多隐含的要求：

• 这个投进是不是滑润的（投进时刻内曝光比较均匀的分布）？

• 终究投进的成果方针转化量怎么（比方5k曝光后有多少阅读量）？

• 最极端的，能不能保量（会不会呈现小于预期曝光量的状况）？

当恣意一个隐含要求呈现问题（产生动摇或者和认知产生较大差异时）便会引发客户的反弹（问询或投诉），形成较大的运营压力以及客户运用体感的问题。

从渠道的视角来看，薯条是一个保量的事务，在客户付钱的那一刻便签订了一个合约，渠道将代客户完成后续的投进。这个进程中有两个中心问题：

• 假如缺量渠道该怎么处理？

• 薯条广告投进进程中会不会呈现赔本的状况？

这儿渠道的赔本能够了解成，每一个薯条订单都会有一个投进的agent在小红书的竞价系统中进行主动投进，当然展现薯条的广告就会相应削减其他广告的投进，也即会削减“本应该有的渠道收入”；当削减的收入总和大于薯条订单的收入时，渠道就呈现了亏本，而亏本关于渠道的开展而言也是十分严峻的问题。

所以，在召回和预估都能正常工作的前提下，怎么能从战略视角很好地满足客户与渠道的诉求是有很大应战的。咱们从问题的建模动身，对该问题给出了理论的最优解法，再结合实践以及许多事务考虑，给出了实践中简略有用的调控战略，让薯条事务快速地开展起来，一起也给技术后续的优化留出了足够的空间。

2. 问题建模与最优求解

当下小红书主流的流量售卖机制是实时竞价，关于每次广告展现时机都会进行竞价拍卖，将流量分配给功效（utility）最大的广告主并收取必定的费用。在实时竞价进程中，如下图示例，每个薯条的订单作为一个独立的竞价者，由渠道的智能agent接收竞价，在与其他参竞者竞赛进程中还需一起兼顾客户和渠道的许多诉求。

接下来进行薯条竞价投进的建模（注：以下是一种典型事务诉求的建模，真实运用场景会有不同），咱们设方针投进量为D，订单收入为B，薯条收入的流量CPM本钱为M（B/D），投进后的均匀转化本钱束缚为C（比方优化赞藏订单的赞藏本钱）。定向掩盖的流量调集为，第i个参竞流量的价值设为（比方优化赞藏，则价值界说为，其间代表点击赞藏率）、竞价本钱设为

；用表示是否将该流量分配给当时薯条订单，即竞得时，未竞得时。则薯条的事务方针能够办法化为：

对该问题进行求解，能够得到最优的出价公式如下：

其间 是需求求解的最优参数，也即当最优参数确定后，按照最优的对每个pv进行报价，即可得到(LP1)对等的最优解（满足上述若干束缚下的方针价值量最大化）。

假如感兴趣能够看下面的最优公式推导进程，也能够直接略过看战略部分的公式解读&实战优化。

3. 最优公式推导

上述线性问题，用其对偶问题表示为，设不知道数 和：

设原问题最优解为，对偶问题最优解为，依据互补松弛定理可得：

此处咱们记为计划对的最优出价，在RTB下（这儿假定second-priceauction），薯条和竞价广告混竞，竞得的必要条件是出价不低于该流量的竞价本钱，则：

1.若竞得该pv，即，可推出

2.若未竞得该pv，即，可推出

在实时广告竞价中，出价与流量价值的比较决定了竞得成果，因此在最优解下，最优出价公式为：

4. 公式解读与最佳实践

假定每天的流量调集已知，则薯条的最优出价参数能够在流量调集已知的前提下求解得到，但实践运用进程中线上流量是不知道且动摇的，在线运用的办法是依据实时的投进状况对当下运用的参数进行反馈调控，尽可能迫临潜在的最优。

为便利分析，咱们令

则原最优出价公式能够转变为：

这样，咱们将三参数调控问题，化简成双参调控。咱们将某个薯条订单可参竞的流量按照价值和本钱

画出分布图（每一个点代表一个可竞得的流量），那么出价公式是该分布下的线性函数（自变量是，因变量是），经过调控函数的斜率a和截距b，对当时的流量进行划分，函数之下的流量均可竞得，函数之上的流量不竞得。经过对a,b的上调或下调，能够操控竞得流量的调集，最优公式下方的一切流量即为原问题最优的竞得流量调集。如下图所示。

然而，从最优公式推导能够知道，三个参数别离对应着展现量、利润率和转化本钱束缚，化简为双参数调控后，由公式（1）可知，每次a和b的调控都会一起影响多个束缚。所以关于调控战略而言，需求有一个面向终极方针调控，三个参数（也即a和b）的policy，也即能够很好地平衡参数调整后关于不同束缚的影响。这儿面的难点能够用下面的比如说明：

假如当时的流量获取速度低于预期需求提高出价，下降、下降、提高

都能够做到，就会有十分多种组合来到达提高拿量的预期，但不同的组合又会对利润率、转化本钱形成旁边面的影响；所以简略的单方针调控（一般的PID锚定单一方针进行操控）会让终究成果距离最优成果有很大空间。

参阅业内的一些办法[1]，能够运用强化学习来建模，端到端的学习最优的调控战略（policy）来优化投进成果，但办法自身比较难在短时刻内落成（训练环境、在线推理）。所以咱们这儿对问题进行进一步分析，希望能得到一种简略有用的调控计划，快速到达事务预期。

当时办法化的投进场景有两个明显的先验知识：

• 竞价进程中，出价过高会导致利润率风险，而薯条场景下有十分好的一个出价上限标的，即流量本钱M（M=B/D）。考虑到二价率，设置按照M做必定上浮，作为每个pv的出价上限是个不错的实践，能够很好的躲避竞得本钱过高的流量（实践运用中预估过高也会导致过高的出价）。

• 由于薯条是保量逻辑（竞得流量和需求基本对等），所以竞得的流量均匀转化率是有个下限的，过低会导致终究的转化本钱过高（参阅LP1的第三个束缚）。所以在竞价进程中过滤掉转化率过低的流量是个很好的实践，能够进一步简化竞价的难度。

所以，咱们假如考虑以v=M/C（也即临界流量价值）和出价函数的交点R为中心，将流量调集划分为四个区域，别离对应本钱和价值叉乘的四部分。不难想到咱们不希望竞得本钱高但价值低的流量以及本钱低价值低的流量。所以作为一个简略有用的实践，能够对流量调集进行开始的过滤（v小于M/C的过滤掉，而且本钱高于B/D的过滤掉），此刻咱们的原问题就变得很简略了。

在这样的设置下，公式（1）的a和b的选择容错性会更好，直观的了解便是硬性地躲避了上图蓝色流量。一起，经过咱们离线的观测，公式（1）中的a天与天之间的变化并不显著，所以咱们为了进一步简化调控，将a设置成历史上的最优a（固定住），然后经过调整b来操控一天的拿量速率（见上图右图），这样简略的PID战略（份额误差界说为单位时刻内的竞得流量与希望流量的diff，希望流量通常运用大盘流量潮汐的pattern核算）即可让咱们迫临最优解。

5. 薯条的中心应战

再回头看看客户侧和渠道侧的许多应战：

• 投进滑润：从终究的出价战略来看，全体竞得流量会和大盘的流量潮汐pattern匹配，自身便是契合pacing方针的。

• 不保量：现在的实践进程中，不保量的状况十分少，但极端状况下能够经过渠道赔付或补量来解决。

• 客户转化量、转化本钱、渠道利润率：都能经过战略很好地解决。

6. 未来规划

关于薯条问题的办法化现已比较完备，上述的计划较多的权衡了落地时刻与事务作用。从终态上来讲，关于多参调控（多束缚MCB）问题，仍是需求强化学习的办法（亦或是MPC的办法，本质是相通的）。咱们也在积极推动中，等待新的办法的落地能够赋能事务继续快速增长。

7. 作者简介

猿飞（吴笛）小红书查找广告算法部

最早一批实时竞价广告机制战略方向从业者，拍卖机制、主动出价范畴专家，BudgetConstrainedBidding（BCB）、Multi-ConstrainedBidding（MCB）提出者与工业界践行者，在CIKM、KDD、ICDM等顶级会议有多篇论文宣布。

川岛（何悦）小红书查找广告算法部

小红书机制与广告主东西算法工程师，硕士毕业于清华大学软件学院，在KDD、AAAI等顶级会议在核算机视觉和核算广告范畴有多篇论文宣布，现专注于实时竞价广告机制战略方向的研究。

暖暖（潘琰）小红书查找广告算法部

小红书机制与广告主东西算法工程师。硕士毕业于香港中文大学（深圳），曾在CVPR等会议宣布多篇核算机视觉与三维生成相关论文，现专注于查找广告智能出价战略迭代与优化。