內容流量管理的關鍵技術：多任務保量優(yōu)化算法實踐

保量策略對于視頻內容來說，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大化，而各場景（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d立，每個場景根據(jù)自身的目標進行效率和體驗上的優(yōu)化，但是場景與場景之間流量協(xié)同無法通過優(yōu)化單一場景來完成。

圖1 劇集頻道頁和頁

為內容分配曝光量涉及到關于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復雜的非線性混沌系統(tǒng)，不僅取決于內容質量本身，也取決于內容更新時間、更新策略和用戶點擊習慣等。傳統(tǒng)的統(tǒng)計預測模型無法闡述外部環(huán)境的各種干擾因素以及系統(tǒng)的混沌特性，即無法從機理上描述系統(tǒng)本質。針對此問題，我們先通過分析新熱內容的歷史曝光點擊日志，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(yōu)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G曝光帶來G點擊。但是，內容消費者數(shù)量有限，給同一個消費者針對單一內容重復曝光并不會帶來更多的點擊量。這種點擊“飽和”現(xiàn)象可從內容的歷史曝光點擊日志觀察得到。受此現(xiàn)象啟發(fā)，我們根據(jù)內容曝光PV和點擊PV歷史數(shù)據(jù)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。