中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

在復(fù)雜流量系統(tǒng)重中，如何通過有效的機(jī)制去生態(tài)業(yè)務(wù)之間的流量競(jìng)爭(zhēng)關(guān)系呢？如何將有效的流量得到價(jià)值最大化的分發(fā)，這是本篇文章希望探討的問題。

在平臺(tái)型的復(fù)雜的業(yè)務(wù)系統(tǒng)中，通常會(huì)有多方的參與角色，比如平臺(tái)方、資源供給方、內(nèi)容消費(fèi)方，而在復(fù)雜的生態(tài)中，為了追求整個(gè)平臺(tái)收益的最大化，通常同時(shí)會(huì)面臨著多樣的生態(tài)系統(tǒng)的不同角色之間的利益沖突問題，同樣一個(gè)位置，可以把位置給到A，也可以將位置給到B，那么如何科學(xué)的判斷將位置給到不同的用戶呢？

【思考：如有多個(gè)業(yè)務(wù)競(jìng)爭(zhēng)免單場(chǎng)景流量，如何判斷面單區(qū)域的流量應(yīng)該分發(fā)給哪個(gè)業(yè)務(wù)線呢？】

一、流量的概念

在解決該問題前，我們需要弄清楚流量概念。

在通用的解釋中，流量，指單位時(shí)間內(nèi)通過特定表面的流體的量。

筆者對(duì)在互聯(lián)網(wǎng)領(lǐng)域的流量有一個(gè)簡(jiǎn)單的理解，就是單位時(shí)間服務(wù)與用戶產(chǎn)生的交互的量。這里面有幾個(gè)核心的構(gòu)成要素，1是時(shí)間、2是服務(wù)、3是用戶，時(shí)間也就是用戶與服務(wù)產(chǎn)生交互的時(shí)間，服務(wù)的實(shí)體可以是功能，也可以是內(nèi)容，用戶是使用服務(wù)的實(shí)體。

在互聯(lián)網(wǎng)產(chǎn)品中，這是構(gòu)建場(chǎng)景的3個(gè)核心要素。

二、問題

在思考如何平衡的時(shí)候，就需要解決以下幾個(gè)問題：

1. 流量分給誰？
2. 流量給多少？

其實(shí)這兩個(gè)問題，分別就代表的是用戶和時(shí)間的乘積，就是流量分給誰，而流量給多少，就是服務(wù)與時(shí)間的乘積。

三、方案

流量?jī)r(jià)值標(biāo)準(zhǔn)的量化：

不同業(yè)務(wù)之間的價(jià)值體現(xiàn)是不一樣的。比如，對(duì)新興業(yè)務(wù)來說，可能更加需要的是日活，對(duì)商業(yè)廣告來說，需要是CTR的提升，那么，就需要找到一個(gè)可量化的指標(biāo)，來解決不同業(yè)務(wù)之間的不同業(yè)務(wù)指標(biāo)的統(tǒng)一性問題。

一般來說，這里要根據(jù)業(yè)務(wù)需要設(shè)定場(chǎng)景中評(píng)判流量質(zhì)量的指標(biāo)，比如CTR、CVR等，這里評(píng)判不同指標(biāo)需要根據(jù)實(shí)際的業(yè)務(wù)需要，去設(shè)計(jì)一個(gè)模型出來，通常涉及維度越多，會(huì)越復(fù)雜。

流量賦值公式：

Z=aX1+bX2+cX3

流量權(quán)重設(shè)計(jì)：

流量標(biāo)準(zhǔn)量化：

歸一化的兩種方法

數(shù)據(jù)歸一化有兩種常用的方法，我們?cè)谔幚砗芏啻蠓秶臄?shù)據(jù)的時(shí)候，往往需要數(shù)據(jù)歸一化。

1）min-max標(biāo)準(zhǔn)化

這種歸一化的方法是說， 對(duì)于任意一個(gè)給定的數(shù)列a[i]，利用a[i]-min/(max-min)的方法既可以消除因?yàn)閿?shù)據(jù)的量綱問題所帶來的不能進(jìn)行多種數(shù)據(jù)共同分析的缺陷。

2）Z-score標(biāo)準(zhǔn)化方法

這種方法給予原始數(shù)據(jù)均值和標(biāo)準(zhǔn)差，并且對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化的處理。經(jīng)過處理后的數(shù)據(jù)符合標(biāo)準(zhǔn)的正態(tài)分布，也就是均值為0，標(biāo)準(zhǔn)差為1，轉(zhuǎn)化函數(shù)為：

a[i] = x-均值/方差

【筆者在實(shí)際業(yè)務(wù)中常常使用的是第一種歸一方法】

小結(jié)

通常，流量?jī)r(jià)值是評(píng)估一個(gè)業(yè)務(wù)在對(duì)應(yīng)場(chǎng)景流量?jī)r(jià)值的一個(gè)維度指標(biāo)，可能會(huì)有其他的比如相關(guān)性權(quán)重，人工權(quán)重，通常也會(huì)結(jié)合其他維度進(jìn)行綜合考量，但本文講解的是如何平衡不同流量之間的競(jìng)爭(zhēng)關(guān)系，通過AHP模型進(jìn)行賦值，一般能比較好的解決對(duì)應(yīng)問題。

四、實(shí)際業(yè)務(wù)可能遇到的問題

但其實(shí)，在實(shí)際的業(yè)務(wù)中，常常會(huì)遇到內(nèi)容質(zhì)量欺騙問題還有業(yè)務(wù)滲透率過低問題，還會(huì)遇到同個(gè)模型在不同場(chǎng)景應(yīng)用的普適性問題。

1. 低質(zhì)量?jī)?nèi)容打壓

低質(zhì)量?jī)?nèi)容的判斷都可以列為一個(gè)典型的問題來做探討，通常來說，低質(zhì)量?jī)?nèi)容的判斷也是通過AHP賦值，去衡量?jī)?nèi)容的標(biāo)準(zhǔn)。對(duì)內(nèi)容的判斷常常會(huì)產(chǎn)生偏差：

1. 封面因素：封面因素會(huì)導(dǎo)致很多高質(zhì)量?jī)?nèi)容低點(diǎn)擊率，低質(zhì)量?jī)?nèi)容高點(diǎn)擊率情況，通常我們對(duì)該類內(nèi)容產(chǎn)生的相關(guān)指標(biāo)偏離過大，會(huì)在策略重排層做適量的流量補(bǔ)充或者打壓。
2. 領(lǐng)域細(xì)分：有些內(nèi)容領(lǐng)域過于細(xì)分，導(dǎo)致在定量或者定比分流過程中，CTR過低。通常這種問題產(chǎn)生的原因是業(yè)務(wù)中推薦內(nèi)容多樣性過低。這種常常會(huì)被誤認(rèn)為內(nèi)容低質(zhì)。在業(yè)務(wù)實(shí)際中，我們遇到該類問題通常是通過約束投流業(yè)務(wù)方的內(nèi)容供給多樣性或者在召回過程中，采用多路規(guī)則召回的方式。
3. 標(biāo)簽質(zhì)量：有些內(nèi)容雖然質(zhì)量很好，但是因?yàn)闃?biāo)簽標(biāo)注原因會(huì)導(dǎo)致內(nèi)容再冷啟過程中分發(fā)過程中匹配到了不對(duì)應(yīng)的用戶，導(dǎo)致點(diǎn)擊率低。在業(yè)務(wù)實(shí)際中我們遇到這種現(xiàn)象后，制定了冷啟隨機(jī)分法、標(biāo)簽重標(biāo)注與視頻AI解析的sop。

2. 業(yè)務(wù)滲透率問題

在新業(yè)務(wù)推廣前期，我們通常不知道這類業(yè)務(wù)的目標(biāo)用戶體量是多少，通常我們會(huì)在隨機(jī)分發(fā)階段確定對(duì)應(yīng)業(yè)務(wù)的目標(biāo)群體，在通過相似用戶的分級(jí)擴(kuò)召的方式進(jìn)行分級(jí)流量分發(fā)。對(duì)該類流量分發(fā)場(chǎng)景，我們一般會(huì)涉及一個(gè)特定的指標(biāo)去平衡分流和擴(kuò)召的量的問題。

3. 模型的普適性

不同場(chǎng)景的核心指標(biāo)是不一樣的，這背后的原因是不同場(chǎng)景的滿足用戶的核心訴求是不一樣的，也會(huì)導(dǎo)致不同場(chǎng)景的用戶目標(biāo)、行為、數(shù)據(jù)指標(biāo)會(huì)有差異，需要根據(jù)不同場(chǎng)景基于經(jīng)驗(yàn)去設(shè)計(jì)不同指標(biāo)。

4. 流量分發(fā)的兩種模式

離線預(yù)估：就是通過離線的歷史數(shù)據(jù)預(yù)估未來的流量分發(fā)結(jié)果，在面對(duì)用戶行為、特征相對(duì)恒定的場(chǎng)景和用戶可以使用。

實(shí)時(shí)計(jì)算：通常實(shí)時(shí)計(jì)算在決策領(lǐng)域是比較常用的做法，通過階段性的分發(fā)數(shù)據(jù)去決定下一個(gè)投放周期的內(nèi)容投流量級(jí)和比例。

5. 價(jià)值最大化的極端問題

在實(shí)際業(yè)務(wù)中，我們常常會(huì)遇到在價(jià)值最大化之后，會(huì)產(chǎn)生平臺(tái)中都是用戶偏好內(nèi)容的結(jié)果。這種情況下，一般會(huì)通過GSB主觀評(píng)估及投中監(jiān)控分析抽樣去平衡。避免極端情況的發(fā)生。

五、總結(jié)

在推薦系統(tǒng)日趨成熟的時(shí)代，隨著業(yè)務(wù)多元化發(fā)展，極致的去使用每個(gè)推薦位的流量使其價(jià)值最大化是推薦系統(tǒng)的終極目標(biāo)，如果將最終指標(biāo)完全交給模型算法去做預(yù)估，1則無法實(shí)現(xiàn)新業(yè)務(wù)的流量需求，2可能會(huì)遇到極端情況的發(fā)生3、也會(huì)面臨實(shí)際業(yè)務(wù)中的一些現(xiàn)實(shí)問題。

即便如今有了多目標(biāo)模型等新的處理方法，但作為策略產(chǎn)品經(jīng)理，能夠結(jié)合業(yè)務(wù)場(chǎng)景和實(shí)際的業(yè)務(wù)分發(fā)需要及對(duì)應(yīng)場(chǎng)景的用戶行為、特征，設(shè)計(jì)不同的場(chǎng)景評(píng)估體系及分發(fā)邏輯，才是策略產(chǎn)品最核心的競(jìng)爭(zhēng)力所在。