保量策略對于視頻內(nèi)容來說,是一種很重要的投放策略。新熱視頻內(nèi)容都需要增加自身的曝光資源來達(dá)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(nèi)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(jù)自身的目標(biāo)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 劇集頻道頁和首頁
為內(nèi)容分配曝光量涉及到關(guān)于曝光和點擊建模問題,以及內(nèi)容的未來點擊量預(yù)測問題。內(nèi)容曝光、點擊和播放等構(gòu)成了一個復(fù)雜的非線性混沌系統(tǒng),不僅取決于內(nèi)容質(zhì)量本身,也取決于內(nèi)容更新時間、更新策略和用戶點擊習(xí)慣等。傳統(tǒng)的統(tǒng)計預(yù)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(zhì)。針對此問題,我們首先通過分析新熱內(nèi)容的歷史曝光點擊日志,使用常微分方程建立了新熱內(nèi)容曝光敏感模型,即pv-click-ctr模型(簡稱P2C模型)。在P2C模型基礎(chǔ)上,結(jié)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(biāo)優(yōu)化保量框架與算法。
圖2 保量策略框架
二 內(nèi)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(nèi)容消費者數(shù)量有限,給同一個消費者針對單一內(nèi)容重復(fù)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(nèi)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(nèi)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(nèi)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(jié)構(gòu)如圖3所示。
商用機器人 Disinfection Robot 展廳機器人 智能垃圾站 輪式機器人底盤 迎賓機器人 移動機器人底盤 講解機器人 紫外線消毒機器人 大屏機器人 霧化消毒機器人 服務(wù)機器人底盤 智能送餐機器人 霧化消毒機 機器人OEM代工廠 消毒機器人排名 智能配送機器人 圖書館機器人 導(dǎo)引機器人 移動消毒機器人 導(dǎo)診機器人 迎賓接待機器人 前臺機器人 導(dǎo)覽機器人 酒店送物機器人 云跡科技潤機器人 云跡酒店機器人 智能導(dǎo)診機器人 |