小紅書社のブランド広告の重要な部分であるオープンスクリーン広告は、多くのブランド顧客にとってターゲット ユーザーにリーチし、ブランド マーケティングの魅力を実現するための強力な後押しとなっています。Xiaohonshu のオープンスクリーン広告の配置戦略は、量と効果に対する顧客の要求を満たすだけでなく、ユーザー エクスペリエンスへの影響も考慮する必要があります。その結果、画面オープン広告トラフィックの形式的最適化からスタートし、最適な配分戦略を導き出し、フィードバック調整に基づいたオンライントラフィック配分を実現する「トラフィック最適化＋動的な意思決定」ソリューションを開発しました。ユーザーの待ち時間を短縮するために、ユーザーエクスペリエンスの要件を満たしながらトラフィックを最適化する動的な意思決定メカニズムを設計しました。
オープンスクリーン広告は、ユーザーが小紅書 APP を開くと全画面で表示され、全画面表示によってもたらされる没入型の視覚体験は、ブランドや製品がユーザーの認知度を高めるのに効果的に役立ちます。豊富なインタラクティブ スタイルとランディング ページ タイプを備えた Xiaohongshu のオープンスクリーン広告は、多くのブランドにとって、新製品の発売やブランド活動などの際にターゲット ユーザーに迅速にリーチするための強力な後押しとなっています。
現在、Xiaohongshuのオープンスクリーン広告は主に契約による販売をサポートしており、顧客がトラフィックを購入する際に、事前に予定露出量をプラットフォームに確認し、リリース当日にプラットフォームが自動的に配置し、露出を保証します。金額は期待に応えます。
近年、商品と効果の融合を背景に、オープンスクリーン広告を出稿する顧客は量の確保に加え、広告効果を最適化できるプラットフォームへの期待も寄せています。実際のビジネス シナリオでは、顧客は主に CTR に基づいて広告のパフォーマンスを評価します。これまでの小紅樹のオープニング広告は、配信効果の最適化を十分に考慮せず、注文量の確保に重点を置いていましたが、今後は注文量の保証を守りながらトラフィックの最適化に広告戦略をアップグレードすることで、オープニング広告の最適化を図っていきたいと考えています。クリック率。
次に、Xiaohongshu のオープニング スクリーン広告戦略を 2 つのパートに分けて紹介します。
● 最初の部分では、理想的な環境下でのトラフィックの最適化を通じて、オープンスクリーン広告の量と効果に対する顧客の要求にどのように応えることができるかを紹介します。私たちは問題の定義と形式化から開始し、トラフィック最適化のための最適な割り当て戦略を導き出し、フィードバック調整に基づいてオンライン トラフィック割り当てを実装しました。
● 第 2 部では、意思決定メカニズムのアップグレードについて紹介します。プロジェクトが実装されたとき、Xiaohongshu のユーザー エクスペリエンスに対する高い要件により、APP の起動時間が非常に短時間に圧縮され、リアルタイムの広告決定を行うことが困難になりました。私たちは非同期の意思決定ソリューションを設計し、これに加えて、オープンスクリーン広告を実装し、ダイナミックローディングメカニズムにより、ユーザーエクスペリエンス要件を満たすことを前提とした画面オープニングトラフィックの最適化を実装しました。
小紅樹のオープンスクリーン広告のトラフィック最適化は、量を確保しながら広告のCTRを可能な限り最適化することです。これは典型的なトラフィック割り当て問題です。この種の問題に対処するための業界の一般的なアプローチは、割り当て問題を形式的にモデル化し、二重解法を通じて問題を変換し、最適なトラフィック割り当て式を求めることです。その後、最適なトラフィック割り当て式に基づいて、割り当て式では、最適なトラフィック フローを実現するためにフィードバック調整が使用されます。この考えに従って、最初に問題の正式なモデリングと解決策を紹介します。
問題の定義と解決策
オープンスクリーンの終日トラフィックセットを 、広告オーダーセットを 、
各オーダー
のボリューム保証目標を と定義します
。これは
トラフィック最適化の結果を表します。
これは、 番目の トラフィックが 番目のオーダー
に割り当てられる ことを意味します
。各トラフィックの割合。特定のビジネス シナリオでは、一部の注文が特に CTR を最適化する必要があることを考慮して、さまざまな注文に対する CTR 最適化の重要性を表すクリック値の重み付けを導入しました。上記のパラメータ定義によれば、トラフィック最適化問題は次のようにモデル化できます。
式 (1) は、各注文が数量保証制約を満たす必要があることを示し、式 (2) は、各トラフィックを最大 1 つの注文にのみ割り当てることができることを示します。
実際の納品では、売れすぎにより数量が保証されない可能性があり、上記の問題は解決策がないため、各注文の不足ペナルティ重量を導入して、問題を次のように変換します。
上記の問題は典型的な線形計画問題であり、双対変換と相補緩和定理の導出により、最適なランキング スコア (ランク スコア) の計算式を得ることができます: , ここで、 は次数次数保存制約の双対 変数
です
。
この最適な式に対応するトラフィック最適化戦略は次のとおりです: 同じトラフィック上のすべてのオーダーは、上記の式に基づいてそれぞれのランク スコアを計算します。オーダーのランク スコアが 0 より大きい場合、ランク スコアが最も大きいオーダーが勝ちます。トラフィック; すべての注文のランクの場合 スコアがすべて 0 未満の場合、トラフィックを獲得する注文は存在せず、今回アプリを起動するときにユーザーにはオープニング画面の広告が表示されません。
オンライン割り当て戦略
問題の形式化と導出を通じて、最適なトラフィック分散戦略を取得しました。終日トラフィックセットが既知であるという前提の下で、各注文の最適化は LP ソリューションを通じて直接取得でき、その後、すべてのトラフィックに対する各注文のランク スコアが計算されて、トラフィック最適化結果が得られます。実際の実装においては、画面上の広告トラフィックは毎日ある程度変動すると考えられ、オンライントラフィックは予測が難しいため、直接的に解決することはできません。業界の一般的な解決策を参照し、LP 問題の解決策をパラメータ制御問題に変換し、フィードバック調整を使用して各次数のパラメータを動的に更新します
。
式 と対応するトラフィック分散戦略によると、ランク スコアが 0 未満の場合、注文は対応するトラフィックをめぐって競合できません。つまり、各注文は要件を満たすトラフィックをめぐってのみ競合できます。パラメーターは
直接
、オーダー
の競合するトラフィック範囲。注文の配信に対するパラメーターの影響をさらに分析します。どの注文でも、実際にトラフィックを割り当てるときに調整が下降すると、
注文によって満たされるトラフィック
が増加し、参加するトラフィックが増加し、全体的なランク スコアが増加します。トラフィックが増えれば配信速度は上がりますが、そうでなければ配信速度は遅くなります。フィードバック調整の考え方は、各注文の配送進捗状況に応じて各注文の配送率を動的に調整し
、数量目標を達成しながら配送効果を最適化することです。
具体的な解決策としては、アルゴリズム戦略により、投資当日のオープンスクリーン広告の累積露出を時々（5分など）ごとに取得すると同時に、異なるボリューム維持目標を組み合わせます。各注文の予想されるエクスポージャを取得するための注文と市場トラフィックの分布。注文ごとに、それぞれの予想エクスポージャと実際のエクスポージャに基づいてフィードバックが更新されます 。実際の配信効果から判断すると、この方法はボリューム目標を達成しながら、オープンスクリーン広告の CTR をより適切に最適化できます。
高いユーザーエクスペリエンス要件
Xiaohongshu のようなコミュニティ プラットフォームでは、大多数のユーザーがプラットフォームの持続可能な発展の基盤であり、Xiaohongshu は常にユーザー エクスペリエンスを重視してきました。オープンスクリーン広告のせいでアプリの起動時にユーザーが長時間待たされ、ユーザー エクスペリエンスが低下したり、ユーザーが失われてしまうことは避けたいため、アプリの起動時間は非常に短く圧縮されています。
それでは、Xiaohongshu の以前のオープニング画面広告はどのようにして起動時間の要件を満たしていたのでしょうか?
初期のXiaohongshuのオンスクリーン広告は、APPの起動時間制限の影響を避けるために、素材の読み込み+事前の意思決定のメカニズムを使用していました。オープニング画面は主に契約販売をサポートするため、その日に掲載する広告は各日の開始前に決まっています。初期の頃は、広告の数が比較的少なかったことを考慮して、すべての素材を事前にユーザーの携帯電話に取り込むことができましたが、他方で、各ユーザーの接触コンテンツは、広告の数に基づいて事前に計算できました。ユーザーの携帯電話上で、各ユーザーがその日に毎回見る広告コンテンツにマークを付けます。
広告露出結果を事前に決定するこの方法は、アプリの起動時間制限の影響を受けませんが、各注文の配送状況に基づいてユーザーに表示される広告コンテンツを動的に調整せず、フィードバック制御に適応できません。トラフィックの最適化: フローの最適化の効果を完全に発揮することは困難です。トラフィックの最適化に適応するために、業界の一般的な慣行は、オープニング シーンの広告コンテンツについてリアルタイムで決定を行うことです。つまり、ユーザーがアプリを開くたびに、クライアントは広告システムにオンラインでの決定を要求します。リアルタイムで結果をクライアントに返して広告を完了します。
ただし、小紅書冒頭シーンでは、アプリの起動時間が短いため、限られた時間では「広告依頼→オンライン意思決定→結果提供」の全プロセスを完了できない場合が多いため、他のプラットフォームと同じようにすることはできません。リアルタイムの意思決定を可能にします。この問題を解決するために、APPの起動時間要件を満たすことを前提として、広告コンテンツの意思決定とトラフィック最適化の効果を解放するための新しい意思決定メカニズムを設計しました。
非同期意思決定メカニズム
前述したように、アプリ起動の実行時間だけでは「この」画面露出の内容を決定できないことが多いため、考え方を変更し、すべての素材を事前に読み込む仕組みは維持しつつ、広告の決定方法を調整しました。 -作り。大多数のユーザーの興味は、連続した 2 回の画面露出の間で大きく変化しないと想定されるため、広告効果をそれほど損なうことなく、「今回」の意思決定から意思決定メカニズムを調整することができます。意思決定のために「次回」公開されるコンテンツ。非同期インタラクションにより、各広告リクエストによって返された結果は、画面を開いたときに次のユーザーの露出に使用されるため、アプリの起動時間に制限されず、オープン画面広告のトラフィックが最適化されます。この非同期意思決定メカニズムの具体的なロジックは、次の図を参照してください。
ユーザーがオープニング スクリーン広告の表示を完了すると、APP は広告リクエストを開始します。広告システムは、トラフィックの最適化に基づいてユーザーの次のオープニング スクリーン広告の表示コンテンツを決定し、それを返します。クライアントは返された結果をローカルにキャッシュします。次回ユーザーが APP を開くとき このとき、APP のローカル キャッシュが読み取られ、対応する広告がユーザーに表示され、露出が完了した後も次の広告コンテンツが要求され続けます。
動的な意思決定メカニズム
非同期の意思決定メカニズムは完全ではなく、非同期メカニズムでは広告リクエストと露出の間に自然な遅れが生じ、これがトラフィック最適化における意思決定の遅れを引き起こし、最適化の効果に影響を与えます。オープンスクリーン広告の決定の適時性を向上させるために、一方では非同期決定のリクエストタイミングを適切に増やし、トラフィック最適化における「リクエスト→露出」の間隔を可能な限り短縮しました。また、起動に時間がかかるアプリもいくつか作成しました。トラフィックでは、広告決定の適時性をさらに向上させるためにリアルタイムのリクエストが実装されています。
具体的な計画としては、アプリの起動の種類に応じて広告トラフィックをホットスタートとコールドスタートに分ける予定で、ホットスタートとは主にアプリがバックグラウンドからフォアグラウンドに切り替わる際に表示されるオープニング画面の広告を指します。 APPの起動処理は非常に短く、既存の非同期判定結果を直接読み込んで今回表示する広告を決定する方法を採用しており、バックグラウンドのない状態からAPPを起動する際のオープニング画面広告をコールドスタートとしています。初期化などの処理があり、起動時間が長くなりますが、リアルタイムリクエストソリューションを利用することで「広告リクエスト→オンライン判定→結果配信」までの一連のプロセスを実行することができます。「ホットスタート＋非同期意思決定」と「コールドスタート＋リアルタイム意思決定」により、Xiaohongshuのオープンスクリーン広告の動的な意思決定メカニズムを実現し、これに基づいてトラフィックの最適化を実装しました。オープンスクリーン広告。
オンライン実践により、当社のソリューションの有効性が確認されました｡ボリューム優先 + 早期意思決定の初期の組み合わせ戦略と比較して、新しいトラフィック優先 + 動的な意思決定ソリューションは、ボリュームを満たしながらオープンスクリーン契約広告のパフォーマンスを大幅に向上させることができます広告のCTR 、業界で一般的なリアルタイム意思決定スキームとは異なり、動的な意思決定スキームは基本的にAPPの起動時間に影響を与えず、ユーザーの待ち時間を可能な限り短縮し、 Xiaohonshu 画面を開くユーザー エクスペリエンスを確保します。
ボリューム保証と配信効果に対する顧客の要求に応えるため、また、Xiaohongshu の画面を開くシーンでのユーザー エクスペリエンスに対する高い要件を考慮して、ビジネス目標を達成するための「トラフィックの最適化 + 動的な意思決定」メカニズムの完全なソリューションを実装しました。 。今後の反復は主に次の方向に分かれます。
1) パラメータ制御に関しては、現在のトラフィック最適化のためのパラメータ制御は、異なる次数に対して独立した更新戦略を採用しており、各次数のパラメータ更新は相互に影響を及ぼしますが、将来的には、RL または MPC に基づくより複雑な制御戦略が採用されるでしょう。上記の問題を解決すると考えられます。
2) 意思決定の遅延については、動的な意思決定の仕組みのもとでは、広告リクエストから露出までの遅延が一般的であり、配信効果に影響を与えるため、今後はユーザーのその後の予測の導入を検討していきます。最適化のためのオンライン意思決定における行動。
3) 素材の読み込みに関しては、オープンスクリーン広告の素材は依然として事前にフル読み込みされますが、広告素材の数が増加すると、システムのパフォーマンスに影響を与え、クライアントのストレージ負荷が増加します。リアルタイムの材料ロードメカニズムにより、不必要な材料の配送が削減されます。
Crayon (Han Zhongxing) Xiaohongshu 情報フロー広告アルゴリズム部
Xiaohongshu メカニズム戦略アルゴリズムエンジニア、中国科学院大学修士課程卒業、エフェクト広告やブランド広告のメカニズム戦略に豊富な経験を持ち、現在は主にブランド広告のメカニズム戦略関連の業務に従事。
Xu Feng (Tian Zengguang) Xiaohongshu ビジネステクノロジーエンジニアリング部
Xiaohongshu 商業バックエンド開発エンジニア、北京郵電大学修士号を取得し、パフォーマンス広告とブランド広告の方向でエンジン アーキテクチャの構築と製品機能の構築に従事してきました。現在は継続的な開発に注力しています。商業ブランド広告の反復。
Qingshan (Xing Zhizhuang) Xiaohonshu 情報フロー広告アルゴリズム部
Xiaohongshu メカニズム戦略アルゴリズム エンジニア、北京郵電大学修士課程卒業、ブランド広告と顧客メカニズムの関連業務に従事、現在はブランド方向の関連研究と探索に注力広告とトラフィックのメカニズム。