导语
本文主要介绍商业策略技术团队在预算平滑技术上的探索实践,首先介绍了主流的预算平滑技术,然后结合具体业务场景,分享基于pacing方法的预算平滑技术在58的实践应用和心得体会。
背景
按点击计费(cost per click)的在线广告是互联网平台变现的重要手段,当用户点击网站或APP里展示的广告时,平台就会收取广告主相应的费用。广义二价拍卖机制(generalized second-price auction mechanism)广泛应用于竞价类的在线广告中,广告主需要为广告设定一个出价(bid)以及每天的广告预算(budget),广告的出价会影响广告在页面里展示的排名和平均点击价格(acp),若当天的花费超过了每日的预算,广告就会从平台中下线,直到第二天恢复上线。广告主通常都希望能将广告展示给更多的人,但受限于广告的预算,在平台的流量高峰时段内容易发生广告的预算被迅速消耗、广告过早的下线、广告主的投放体验差。针对广告预算被快速消耗的问题,业界流行的做法是通过pacing的方式,将预算的消耗合理平滑的分配到一天中的各个时间段。58平台上有大量预算非常有限的小微广告主,通过预算平滑技术延长广告的在线时长、降低广告主的转化成本十分必要。
本文主要介绍商业策略技术团队在预算平滑技术上的探索实践,包括以下几方面:
- 主流的预算平滑技术简介
- 58应用场景简介
- Budget Pacing的算法原理
- 系统设计
- 上线效果
- 总结和展望
主流的预算平滑技术简介
1、基于pacing的方法在业界中主流的预算平滑技术是基于pacing的方法,大体可分为以下2类:
1) 调节广告出价(bid modification)
通过调节出价从而影响竞价成功的概率,从而达到控制预算消耗的目的。Mehta等人在论文[1]中提出了在每次广告竞价时,根据当前的预算消耗情况调节广告的出价的方法,原理公式如下:
![b1c2d65046d17cfe3c7ceab76a8e8d1c.png](https://i-blog.csdnimg.cn/blog_migrate/1ca0193e61f9c64c77cc8c1319d756a5.png)
这种方法在实践中存在2个难题:首先是在RTB(real-time bidding)类广告中,竞价环境不断在发生变化,并不是一个稳定的环境,通过调节bid难以精准的控制广告的预算消耗;其次,媒体方(SSP)通常都会设有一个底价(reserve price),当调节后的出价低于底价时、广告不被展示,影响策略的调节效果。
2) 调节广告曝光概率(probabilistic throttling)
论文[2]和[3]则基于调节广告曝光概率的方法,其原理是将广告预算以某种方式(如根据一天中的流量分布或转化的分布)分配至各个时间段,当某个时间段消耗的预算超过了计划值,策略就会降低广告的曝光量或减少广告的竞价次数,反之则增加。2、基于强化学习的方法
使用强化学习(reinforcement learning)的技术解决RTB广告的出价策略已成为当前业界的研究热点。通过将预算作为广告竞价的一个重要约束引入到RL模型中,可以更加优雅的解决预算的消耗过快的问题,并达成广告主投放目