內容流量管理的關鍵技術：多任務保量優化算法實踐

保量策略對於視頻內容來說，是一種很重要的投放策略。新熱視頻內容都需要增加自身的曝光資源來達到播放量最大化，而各場景（首頁、頻道頁等）的總體資源有限且每個抽屜坑位的日曝光資源有限，因此各內容的曝光資源分配存在競爭問題。另外，不同場景之間相互獨立，每個場景根據自身的目標進行效率和體驗上的優化，但是場景與場景之間流量協同無法通過優化單一場景來完成。

圖1 劇集頻道頁和首頁

為內容分配曝光量涉及到關於曝光和點擊建模問題，以及內容的未來點擊量預測問題。內容曝光、點擊和播放等構成了一個複雜的非線性混沌係統，不僅取決於內容質量本身，也取決於內容更新時間、更新策略和用戶點擊習慣等。傳統的統計預測模型無法闡述外部環境的各種幹擾因素以及係統的混沌特性，即無法從機理上描述係統本質。針對此問題，我們首先通過分析新熱內容的曆史曝光點擊日誌，使用常微分方程建立了新熱內容曝光敏感模型，即pv-click-ctr模型（簡稱P2C模型）。在P2C模型基礎上，結合各場景和抽屜的曝光資源約束，給出一種曝光資源約束下的多目標優化保量框架與算法。

圖2 保量策略框架

二 內容曝光敏感度模型

通常情況下，點擊PV（click）隨曝光PV增大而增大，即高曝光帶來高點擊。但是，內容消費者數量有限，給同一個消費者針對單一內容重複曝光並不會帶來更多的點擊量。這種點擊“飽和”現象可從內容的曆史曝光點擊日誌觀察得到。受此現象啟發，我們根據內容曝光PV和點擊PV曆史數據特點，建立一種能夠描述內容點擊量隨曝光量變化趨勢的常微分方程（Ordinary Differential Equation, ODE）模型，即 pv-click-ctr (P2C) 模型，整體結構如圖3所示。