赛雷观影1. 广告机制核心问题解析
在搜广推系统中，广告机制是最核心的模块之一。作为从业多年的算法工程师，我见过太多因为机制设计不当导致的业务问题。下面我将结合实际案例，深入剖析广告机制中的关键问题。
1.1 GSP拍卖机制详解
GSP（Generalized Second Price）拍卖是目前工业界最主流的广告拍卖机制。它的核心规则很简单：广告按ecpm排序，但实际扣费是下一位的出价。
举个例子：
- 广告A：出价10元，pCTR=0.1 → ecpm=1000
- 广告B：出价8元，pCTR=0.12 → ecpm=960
- 广告C：出价6元，pCTR=0.15 → ecpm=900
排序结果是A>B>C，但A实际扣费是B的ecpm/自己的pCTR=960/0.1=9.6元。这种二价机制相比一价更不容易被操纵。
为什么不用理论上更优的VCG机制？我在实际业务中深有体会：
- 计算复杂度高，特别是当广告位多于一个时
- 扣费结果不直观，广告主难以理解
- 可能出现负收入（平台倒贴钱）
- 工程实现难度大，实时性要求高
提示：新业务上线时，建议先用GSP快速验证，等流量规模上来后再考虑机制优化。我们曾经在一个新兴市场贸然尝试VCG，结果因为扣费异常导致大量广告主投诉。
1.2 ECPM计算与排序策略
ECPM的计算公式看似简单，但实际业务中需要考虑很多细节：
广告ECPM = bid × pCTR × pCVR × 其他因子
其中"其他因子"在不同场景差异很大：
- 电商场景：可能加入加购率、收藏率权重
- 游戏场景：更关注付费率
- 信息流广告：可能考虑停留时长
我们团队在实践中总结出一个经验公式：
code复制ecpm = bid × (0.6×pCTR + 0.3×pCVR + 0.1×stay_time_score) × quality_factor
quality_factor是广告质量分，包括：
- 素材清晰度
- 落地页体验
- 历史投诉率
对于自然流量，排序策略又有所不同。我们常用的方案是：
code复制score = 0.7×pCTR + 0.2×stay_time + 0.1×(like_rate + comment_rate)
这个权重需要AB测试不断调整。去年我们通过调整自然流量权重，使得用户时长提升了15%。
1.3 oCPX稳成本机制
oCPX是近年来最成功的广告机制创新之一。它的核心思想是平台帮广告主自动调价，稳住目标成本。具体实现包含三个关键组件：
-
Pacing控速：控制广告投放速度，避免短时间内花完预算。我们采用PID控制器：
code复制today_spend = ∑(ecpm × impression) pace_factor = (target_spend - today_spend) / remaining_time -
出价系数调整：根据成本偏差动态调整bid
- 成本高于目标：降低系数（如0.9×原系数）
- 成本低于目标：提高系数（如1.1×原系数）
-
成本反馈回路：每小时计算成本偏差：
code复制cost_deviation = (actual_cpa - target_cpa) / target_cpa如果连续3小时偏差>10%，触发赔付机制
在实际应用中，我们发现这些参数需要分行业设置：
- 电商行业：可以接受较大波动（±15%）
- 教育行业：需要严格控制（±5%）
- 游戏行业：需要快速响应（每小时调整一次）
1.4 广告冷启动解决方案
新广告冷启动是个老大难问题。我们团队经过多次尝试，总结出以下有效方案：
- 探索流量池：预留5%的流量专门给新广告，这部分流量：
- 不参与正常竞价