近兩年各大廣告平臺(tái)都在重點(diǎn)發(fā)展跨渠道全站投放策略，像阿里媽媽的萬(wàn)相臺(tái)，小紅書的全站智投，都是基于此策略衍生發(fā)展的產(chǎn)品線。本文作者以小紅書的全站智投作為案例，對(duì)其背后的策略應(yīng)用等方面進(jìn)行了分析，一起來看一下吧。

今天順時(shí)順勢(shì)介紹一下各大廣告平臺(tái)近兩年都在重點(diǎn)發(fā)展的廣告投放機(jī)制策略方向——跨渠道全站投放策略，目前的重點(diǎn)產(chǎn)品像阿里媽媽的萬(wàn)相臺(tái)、京準(zhǔn)通的京速推、多多廣告的全店托管、巨量千川以及小紅書的全站智投，都是基于此策略衍生發(fā)展的產(chǎn)品線。

我們今天單獨(dú)挑選小紅書的全站智投作為案例來詳細(xì)分析，為什么各家廣告大廠投放平臺(tái)在近2年都熱衷做跨渠道推廣，以及背后有哪些策略應(yīng)用，著重先講講智能預(yù)算策略和智能出價(jià)策略部分。

一、小紅書跨渠道投放策略簡(jiǎn)介

1. 誕生背景

作為一個(gè)生活消費(fèi)決策平臺(tái)，小紅書內(nèi)有多種場(chǎng)景在為消費(fèi)者提供著信息獲取的服務(wù)產(chǎn)品線（有專門投放推薦信息流feed的產(chǎn)品，有專門針對(duì)性投放搜索廣告位的產(chǎn)品），廣告主也可在各個(gè)場(chǎng)景通過廣告觸達(dá)消費(fèi)者。如何跨場(chǎng)景進(jìn)行高效的廣告投放一直是困擾廣告主投放的一道難題，為了給廣告主提供更加友好的廣告投放方式，提升廣告投放效果，小紅書建設(shè)了“全站智投”智能營(yíng)銷工具——跨渠道投放產(chǎn)品工具，為廣告主提供一站式跨場(chǎng)景的智能投放能力。

當(dāng)前廣告投放現(xiàn)狀痛點(diǎn)：

1）運(yùn)營(yíng)成本高

投放搜索結(jié)果頁(yè)面、推薦結(jié)果頁(yè)面需要?jiǎng)?chuàng)建多個(gè)推廣計(jì)劃，并且每個(gè)計(jì)劃都需要設(shè)置對(duì)應(yīng)的預(yù)算、定向（關(guān)鍵詞、人群）、出價(jià)方式以及創(chuàng)意類型等等，人工推廣計(jì)劃實(shí)現(xiàn)的運(yùn)營(yíng)成本過高；

2）預(yù)算效率無(wú)法最大化

計(jì)劃投放的主體、出價(jià)、創(chuàng)意以及定向范圍存在差異最終帶來的結(jié)果就是存在效果的差異，某些計(jì)劃預(yù)算使用率偏低難以花費(fèi)出去，某些計(jì)劃一直在“空耗”未產(chǎn)生任何轉(zhuǎn)化，還有些計(jì)劃效果非常好，廣告主來不及頻繁的進(jìn)行計(jì)劃之間的預(yù)算調(diào)整，發(fā)揮預(yù)算最大價(jià)值。

2. 跨渠道投放產(chǎn)品——全站智投簡(jiǎn)介

小紅書搜索/推薦信息流結(jié)果頁(yè)面

可以看到小紅書在APP內(nèi)有著非常豐富的營(yíng)銷場(chǎng)景資源位從左至右分別是信息流Feeds推薦位，query搜索結(jié)果頁(yè)面的廣告內(nèi)容，多渠道之間的協(xié)同可以更大范圍內(nèi)來觸達(dá)小紅書的用戶群體，充分利用搜索廣告結(jié)果觸達(dá)點(diǎn)擊轉(zhuǎn)化率高，信息流推薦位觸達(dá)新客、潛客范圍更廣的特點(diǎn)優(yōu)勢(shì)，從而達(dá)到多元推廣商品、服務(wù)廣告主的目標(biāo)。

小紅書一站式推廣設(shè)計(jì)架構(gòu)方案

解決方案簡(jiǎn)述：針對(duì)上述說到的兩個(gè)痛點(diǎn)問題，小紅書廣告平臺(tái)配置了一系列智能化算法的能力（智能預(yù)算分配能力、智能出價(jià)能力、智能人群定向以及智能關(guān)鍵詞定向能力）打造了全渠道推廣的營(yíng)銷工具，廣告主在DSP投放平臺(tái)只需要設(shè)置整體的總預(yù)算Budget和目標(biāo)成本CPA即可快速實(shí)現(xiàn)推廣，DSP在底層創(chuàng)建推薦、搜索虛擬計(jì)劃進(jìn)行投放，通過智能化算法達(dá)成商家既定目標(biāo)。

二、智能投放策略拆解

1. 智能預(yù)算分配策略

前面提到全站智投會(huì)在底層創(chuàng)建推薦信息流和搜索的虛擬計(jì)劃，那么就會(huì)涉及到不同計(jì)劃之間的預(yù)算分配，使得預(yù)算同時(shí)在信息流feeds場(chǎng)域和搜索結(jié)果場(chǎng)域消耗，不同場(chǎng)景下的流量?jī)r(jià)格和效果存在明顯的差異，因此高效控制不同場(chǎng)景的花費(fèi)會(huì)對(duì)于投放效果有著非常重要的作用，在實(shí)現(xiàn)策略上主要有兩種核心思路。

智能預(yù)算分配設(shè)計(jì)構(gòu)想

方案一統(tǒng)一出價(jià)方案：統(tǒng)一的智能出價(jià)模塊直接進(jìn)行流量pv粒度出價(jià)（Bid），不同場(chǎng)景提供流量以及流量?jī)r(jià)值預(yù)估分（pValue，之前在Nobid給大家講過pValue的代指，主要是流量的pCVR/CPA_real），如左邊圖所示。該方案優(yōu)點(diǎn)是能實(shí)時(shí)考慮計(jì)劃的整體預(yù)算進(jìn)行調(diào)控，架構(gòu)實(shí)現(xiàn)清晰，缺點(diǎn)就是對(duì)系統(tǒng)要求較高，兩個(gè)場(chǎng)景的投放系統(tǒng)耦合更重，轉(zhuǎn)化率預(yù)估的能力也需要對(duì)齊。

方案二基于預(yù)算分配方案：搜索和推薦場(chǎng)景提前將預(yù)算分配好，場(chǎng)景內(nèi)根據(jù)分配到的預(yù)算各自進(jìn)行智能出價(jià)，如右圖所示。預(yù)算分配的結(jié)果對(duì)最終的投放效果影響很大，一步到位做到最優(yōu)的預(yù)算分配結(jié)果比較難，但系統(tǒng)相對(duì)解耦，魯棒性也更好。

小紅書在搜索推薦上設(shè)置了相對(duì)獨(dú)立的投放系統(tǒng)，召回、預(yù)估模型等模塊都存在差異，如果考慮系統(tǒng)魯棒和迭代高效，都會(huì)選擇基于預(yù)算分配的方案。

預(yù)算分配的目標(biāo)和客戶 投放目標(biāo)一致，即預(yù)算和成本約束下最大化價(jià)值，假設(shè)對(duì)于任意場(chǎng)景，平臺(tái)已知預(yù)算和價(jià)值之間的關(guān)系value = F（Budget），直接最優(yōu)化求解即可得到各個(gè)渠道的最優(yōu)預(yù)算分配。

對(duì)于函數(shù) F 的獲得，業(yè)內(nèi)常用的方案是通過成效預(yù)估技術(shù)來估計(jì)，但是實(shí)際的廣告競(jìng)價(jià)環(huán)境波動(dòng)大，難得到精準(zhǔn)估計(jì)的 F 。因此，小紅書的算法策略團(tuán)隊(duì)采用了一種啟發(fā)式的動(dòng)態(tài)調(diào)整預(yù)算分配的方案，該方案核心思路是基于預(yù)算消耗率和拿量成本調(diào)整場(chǎng)景預(yù)算：

• 計(jì)劃新建時(shí)會(huì)初始化場(chǎng)景預(yù)算分配比例，通過成效預(yù)估技術(shù)（后續(xù)可以單獨(dú)開問進(jìn)行介紹）預(yù)估當(dāng)前計(jì)劃能拿到的流量和消耗水平，提前預(yù)判預(yù)算分配。
• 每隔一定時(shí)間，根據(jù)各個(gè)場(chǎng)景的預(yù)算消耗率、投放成本以及約束超限情況，重新分配預(yù)算，核心還是通過PID控制計(jì)算調(diào)整預(yù)算之間的比例，做到全局效果最優(yōu)，降低計(jì)劃空耗問題。具體可見之前對(duì)于Nobid出價(jià)的介紹中預(yù)算控制部分。

2. 智能出價(jià)策略拆解

小紅書廣告算法團(tuán)隊(duì)為了平衡拿量和目標(biāo)成本（筆記收藏、評(píng)論等）的難題，在跨場(chǎng)景投放提供了全自動(dòng)帶約束的最優(yōu)出價(jià)方案，客戶表達(dá)預(yù)算、目標(biāo)成本，平臺(tái)在推薦feeds域和搜索query域?qū)Ω哔|(zhì)量value的流量應(yīng)拿盡拿，最大化解決廣告投放的效率，提升平臺(tái)的流量利用率。

對(duì)于該問題進(jìn)行問題形式化建模，抽象成為帶約束條件的最優(yōu)化問題，基于線性規(guī)劃的primal-dual方法把之前的問題轉(zhuǎn)化到對(duì)偶空間求解，得到最優(yōu)出價(jià)公式，建模思路如下所示：

成本上限約束下最大化目標(biāo)量建模

通過建模思路我們得到最優(yōu)的出價(jià)公式為：

如形式化內(nèi)容所示，這個(gè)問題明顯是一個(gè)帶線性約束的最優(yōu)化問題，可以直接求得最優(yōu)的流量分配方案（未知數(shù)xi的值）。具體地，嘗試把這個(gè)問題轉(zhuǎn)換到對(duì)偶空間，來找尋客戶出價(jià)和是否競(jìng)得的關(guān)系，最終得到含有一個(gè)超參數(shù)α的最優(yōu)出價(jià)公式。得到了最優(yōu)出價(jià)公式，基于該出價(jià)公式進(jìn)行出價(jià)，就能篩選性價(jià)比最高的流量，保障投放效果最優(yōu)。

智能出價(jià)策略說明

出價(jià)PID控制在廣告系統(tǒng)中的說明

模型會(huì)通過反饋控制（PID控制為代表）來不斷地調(diào)整出價(jià)參數(shù)α的值，讓全天的投放效果在滿足預(yù)算和成本雙約束的前提下，最大化競(jìng)得流量?jī)r(jià)值。每隔一段時(shí)間，MCB的出價(jià)模型就會(huì)從廣告日志系統(tǒng)獲取到歷史投放的效果數(shù)據(jù)（最重要的就是客戶的實(shí)際成本達(dá)成情況、當(dāng)前時(shí)間點(diǎn)以及預(yù)算消耗率情況），結(jié)合當(dāng)前的出價(jià)水位以及未來競(jìng)價(jià)環(huán)境的預(yù)估，對(duì)出價(jià)的動(dòng)態(tài)參數(shù)調(diào)整，保證最后的投放效果達(dá)成客戶的成本，同時(shí)保證當(dāng)天預(yù)算盡可能能夠花光。

三、小結(jié)

跨渠道投放涵蓋的策略非常多，不光是定向、預(yù)算和出價(jià)，還包含很多全渠道的診斷、全渠道歸因助攻效果策略以及創(chuàng)意策略協(xié)同等內(nèi)容。

本文重點(diǎn)體現(xiàn)在智能預(yù)算分配、智能出價(jià)以及智能關(guān)鍵詞和定向方面，整體的設(shè)計(jì)思路其實(shí)就是平臺(tái)黑盒能力更加顯著，從宏觀角度實(shí)現(xiàn)流量利用、預(yù)算利用的調(diào)配，保證廣告主的效益最大化，平臺(tái)收益最大化。下篇我們繼續(xù)分享小紅書全渠道推廣中的智能圈詞策略和智能人群定向策略。