内容流量管理的关键技术：多任务保量优化算法实践

保量策略对于视频内容来说，是一种很重要的投放策略。新热视频内容都需要增加自身的曝光资源来达到播放量大化，而各场景（页、频道页等）的总体资源有限且每个抽屉坑位的日曝光资源有限，因此各内容的曝光资源分配存在竞争问题。另外，不同场景之间相互d立，每个场景根据自身的目标进行效率和体验上的优化，但是场景与场景之间流量协同无法通过优化单一场景来完成。

图1 剧集频道页和页

为内容分配曝光量涉及到关于曝光和点击建模问题，以及内容的未来点击量预测问题。内容曝光、点击和播放等构成了一个复杂的非线性混沌系统，不仅取决于内容质量本身，也取决于内容更新时间、更新策略和用户点击习惯等。传统的统计预测模型无法阐述外部环境的各种干扰因素以及系统的混沌特性，即无法从机理上描述系统本质。针对此问题，摩登7先通过分析新热内容的历史曝光点击日志，使用常微分方程建立了新热内容曝光敏感模型，即pv-click-ctr模型（简称P2C模型）。在P2C模型基础上，结合各场景和抽屉的曝光资源约束，给出一种曝光资源约束下的多目标优化保量框架与算法。

 
图2 保量策略框架

二  内容曝光敏感度模型 

通常情况下，点击PV（click）随曝光PV增大而增大，即G曝光带来G点击。但是，内容消费者数量有限，给同一个消费者针对单一内容重复曝光并不会带来更多的点击量。这种点击“饱和”现象可从内容的历史曝光点击日志观察得到。受此现象启发，摩登7根据内容曝光PV和点击PV历史数据特点，建立一种能够描述内容点击量随曝光量变化趋势的常微分方程（Ordinary Differential Equation, ODE）模型，即 pv-click-ctr (P2C) 模型，整体结构如图3所示。