目的

阐述下自己对广告投放算法的理解
尝试用一个量化投资算法来做广告投放

个人的广告投放算法理解

广告投放算法可以对比投资分析算法。

算法目的对比

广告投放算法本质是帮忙平台方通过将有限的用户流量，合理的分配给广告主，在满足广告主投放成本需求的情况下，尽可能的提升平台方投放收益。
投资算法有可以理解为投资者用有限的资本构建投资组合，买入投资标的，实现投资风险尽可能小的同时，获得超额收益。

名词映射

如果屡一下映射关系的话

广告领域	投资领域
广告主	投资标的
用户	资本
平台方	投资者
选择用户曝光给某个广告主	选取资本买入某个标的
用户流量分配	构建投资组合
广告主投放成本	投资标的的投资风险
平台方投放收益	投资组合的超额收益

完全合理合法，有木有。

扩散思路

既然两个领域这么相似，是不是可以尝试将投资算法用在广告投放上？
不妨一试，不过需要注意广告主投资成本和投资风险之间的差异。原则上说，每个广告主平台方都要争取，即使这个广告主在成本上不具备优势。并且为了保证广告主的利益，在广告主的投放成本上要求相对严格，同时还要保证广告主的消耗。也就是说广告投放算法和投资组合算法在风险定义上还是存在很大差异的。
另外，“用户”和“资本”之间也不完全一致，用户会随机出现在任意一个时刻，或者就不出现。并且因为广告主投放的预算存在上限，导致无法通过集中投放于某个广告主来达成平台目的。也就是说用户的出现是随机的，在做流量分配时，需要依据实时的用户分布和广告主实时消耗情况来做适当调整。

差异对比

广告领域	投资领域
每个广告主都要有	可以放弃某些标的
必须控制投放成本	可以依据风险收益比做抉择
广告主存在预算上限	可以选择上限更广的标的
必须满足广告主消耗	可以集中投放某些标的而不管其他的
用户随机分布，被动分配	可以控制资本，主动分配

看起来广告投放算法与投资算法的差异主要体现在各种限定条件上。这些限定条件增加了问题的复杂度，很难用一个简单模型进行拟合。每个限定条件就像是一个评审员，评判模型是否满足需求，并且它们的要求各有差异。其中最麻烦的就是用户随机分布，这要求模型能对未来用户分布有一定预期，使得不至于无法达到各个审判员（广告主）的要求。