Faraday：微博广告分层实验平台架构

策略可能需要不断地尝试，并进行合理地流量均匀分流，经过多轮线上 A/B test 实验迭代，才能形成最终的决策值。另外，广告平台上许许多多的策略，有的相互独立，有的相互影响，如何高效地进行大规模的并行策略实验，是个不小的挑战。

移动互联网广告基于大数据，实现广告的精准人群定向投放和效果评估，并借助于不可胜数的广告策略，控制着广告的实时投放，让数据驱动型的移动互联网广告沿着站方、用户、广告主三者共赢的目标不断前进。

大数据驱动使得效果指标的量化评估成为了可能。为了实现好的广告投放效率，线上运行的每一个广告策略需要相应的实验和效果分析，通过量化分析来评估该广告策略效果的好坏。策略可能需要不断地尝试，并进行合理地流量均匀分流，经过多轮线上 A/B test 实验迭代，才能形成最终的决策值。另外，广告平台上许许多多的策略，有的相互独立，有的相互影响，如何高效地进行大规模的并行策略实验，是个不小的挑战。

在广告为核心业务的移动互联网公司，从 Google，Facebook，到腾讯，阿里，百度，都有着一套支持广告策略快速迭代和支持大规模并行实验的广告实验平台。

近期微博广告正式推出了微博广告法拉第（Faraday）全流量分层实验平台。该实验平台支持大规模广告策略并发实验，提供了多种流量均匀分流模式，全面的广告指标跟踪评估，实验效果实时反馈等。

实验分层模型

该实验平台借鉴了 google 的论文 [备注一] 关于分层实验的设计思想，并结合微博广告平台的应用场景进行了大量的简化。

该分层模型的主要思想为：

• 相关联的策略参数位于同一实验层；
• 相互独立的策略参数分属于不同的实验层；
• 一个实验参数只能在一个实验层中出现；
• 不同实验层间进行独立的流量划分和独立的实验，互不影响。

该分层模式简单明了，可以满足大部分的应用场景。另外，还有明显的好处：

• 该分层模型是面向策略参数的实验分层，不受线上广告系统模块划分的影响，达到最大化可独立进行实验的个数；
• 每一实验层享有 100% 流量，可以避免流