保量策略對于視頻內容來(lái)說(shuō)，是一種很重要的投放策略。新熱視頻內容都需要增加自身的曝光資源來(lái)達到播放量大化，而各場(chǎng)景（頁(yè)、頻道頁(yè)等）的總體資源有限且每個(gè)抽屜坑位的日曝光資源有限，因此各內容的曝光資源分配存在競爭問(wèn)題。另外，不同場(chǎng)景之間相互d立，每個(gè)場(chǎng)景根據自身的目標進(jìn)行效率和體驗上的優(yōu)化，但是場(chǎng)景與場(chǎng)景之間流量協(xié)同無(wú)法通過(guò)優(yōu)化單一場(chǎng)景來(lái)完成。

圖1 劇集頻道頁(yè)和頁(yè)

為內容分配曝光量涉及到關(guān)于曝光和點(diǎn)擊建模問(wèn)題，以及內容的未來(lái)點(diǎn)擊量預測問(wèn)題。內容曝光、點(diǎn)擊和播放等構成了一個(gè)復雜的非線(xiàn)性混沌系統，不僅取決于內容質(zhì)量本身，也取決于內容更新時(shí)間、更新策略和用戶(hù)點(diǎn)擊習慣等。傳統的統計預測模型無(wú)法闡述外部環(huán)境的各種干擾因素以及系統的混沌特性，即無(wú)法從機理上描述系統本質(zhì)。針對此問(wèn)題，我們先通過(guò)分析新熱內容的歷史曝光點(diǎn)擊日志，使用常微分方程建立了新熱內容曝光敏感模型，即pv-click-ctr模型（簡(jiǎn)稱(chēng)P2C模型）。在P2C模型基礎上，結合各場(chǎng)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優(yōu)化保量框架與算法。

 
圖2 保量策略框架

二  內容曝光敏感度模型 

通常情況下，點(diǎn)擊PV（click）隨曝光PV增大而增大，即G曝光帶來(lái)G點(diǎn)擊。但是，內容消費者數量有限，給同一個(gè)消費者針對單一內容重復曝光并不會(huì )帶來(lái)更多的點(diǎn)擊量。這種點(diǎn)擊“飽和”現象可從內容的歷史曝光點(diǎn)擊日志觀(guān)察得到。受此現象啟發(fā)，我們根據內容曝光PV和點(diǎn)擊PV歷史數據特點(diǎn)，建立一種能夠描述內容點(diǎn)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，整體結構如圖3所示。