广告系统中行业化算法策略-先导篇：天下没有免费的午餐

声明：以下内容是基于工作经验以及网上资料总结形式，难免有错误，随时指正交流；转载请注明出处～
该系列文章内容较多，周期会比较长，欢迎关注订阅～

---

一、背景：为什么写这个系列

广告行业从业十几年，有两段重要的工作经历：

1. 从 0 到 1 构建 oCPX 广告系统——oCPX（Optimized Cost per X，按优化目标计费/出价的统称，如 oCPC、oCPA）是当前主流的智能出价体系，完整走通这条路，意味着从竞价机制、出价模型到效果回收链路都亲手搭建过，这也是理解广告系统中台策略的一个完整样本。
2. 在当前公司深耕广告系统的各个模块——用户画像挖掘、模型预估、机制策略，最近几年专注在行业策略优化

行业策略优化是真实贴近业务并且是非常难的事情，但业界资料相对较少，也和行业多差异化大有关：

• 市面上的搜广推技术文档，绝大多数集中在广告系统架构、推荐模型、机制策略这三个方向，内容已经非常丰富；
• 但行业策略优化几乎是一片空白。少数相关的材料，也大多是运营视角的经验总结，缺少技术原理和理论支撑。

这带来一个问题：想做行业策略的算法工程师，找不到系统的入门路径；做运营和投放的同学，又很难理解中台机制背后的设计逻辑，只能在黑盒外试探。

所以这个系列想做一件事：从广告系统中行业优化的视角出发，系统性地讲清楚行业策略优化的技术体系，同时讲清它与中台策略的差异和博弈关系。

目标读者包括三类：

读者	关注点	阅读建议
行业策略算法工程师	技术原理、方案设计、落地细节	全系列精读，重点看第 x 章
广告行业运营人员	业务价值、投放方法、效果提升	重点看第 x 章
广告投放人员	操作方法、平台规则、避坑经验	重点看第 x 章

---

二、核心概念：什么是广告系统

先给一个统一的定义：

广告系统是一个连接广告主和用户的商业平台，通过智能投放、竞价、定向等机制，在合适的时间、场景下向目标用户展示最相关的广告内容，实现广告收益的最大化。

这个定义里有三个关键词，对应系统的三个核心环节：

• 定向：把广告展示给谁（人群、场景、时机）
• 竞价：多个广告主竞争同一次展示时，谁胜出、付多少钱
• 智能投放：广告主表达诉求（目标、预算、出价）后，系统自动完成投放优化

直观理解：可以把一次广告展示想象成一场"资格赛 + 拍卖会"的组合。定向先做资格赛——把明显不合适的广告主（人群不匹配、预算已耗尽等）筛掉；剩下的广告主进入拍卖会，用竞价决定谁能拿到这次展示、付多少钱；而智能投放，则是替广告主"自动参赛"——广告主只需要说清楚自己想要什么结果（比如"1000 元预算内拿到尽可能多的注册用户"），系统替他决定每一场拍卖该出多少钱、抢哪些场次。

衡量这一切的核心指标是 eCPM（effective Cost Per Mille，每千次展示的期望收益），它由下面这个公式决定：

eCPM=bid×pCTR×pCVR×1000 eCPM = bid \times pCTR \times pCVR \times 1000