息流产品的内容分发方式包括：推荐、投放、push、订阅等，其中的"推荐"是最为主流，也是大家最为熟知的分发方式。但，在实际的信息流产品中，通常是多种分发方式同时并存的，相辅相成，共同打造良好内容生态，共同提升用户体验。 本文将以【投放】为主线，结合我在腾讯信息流推荐领域的多年经验，给出对内容分发场景的一些浅薄思考和理解，欢迎交流/讨论和批评/指正。 - 本文将从：为什么要投放、投放是什么、怎么做投放，三个方面，对一般性的信息流投放系统，展开详细阐述。并结合实践经验，给出个人的所思所想，将包括设计概要、实现细节、挖坑爬坑，等诸多方面。
- 本文尽可能以通俗浅显的语言来描述一些技术问题，以及背后的业务思考，以期让大家通过快速阅读此文，从 0 到 1 到 10，彻底理解投放系统，若能如此，则不胜荣幸(写不出段子的工程师的代码，是没有灵魂的?)
- 如果看完全文，你还是没懂，那一定是我的问题，欢迎线下交流/指正
一 为什么需要投放系统要证明世上没有鬼是很难的，但如果要证明有，却很简单，举例说明即可。同理，要证明为什么需要 xxx，只需要说明：没有 xxx，不行即可。 因此，“为什么要投放”，可转化为：“推荐系统在内容分发场景中有什么不足”，以此来进行具体分析。 1.1 推荐系统的遗留问题推荐系统的一个最大遗留问题是马太效应。一套虚拟系统，就是现实社会的一个映射，因此，在现实社会中存在的问题，在推荐系统同样存在，如上图所示： - 在内容侧，数百万级的内容池中，可能 Top20%的一级分类内容数量占了整个内容池的 80%左右（哦，2/8？3/7？请不用太过纠结，仅随意构造用于示例说明，下同）；
- 在用户消费侧，每天总内容消费量近 xxx 亿级，可能其中 80%消费内容也集中在 Top20%左右的一级分类。
这和 20%的人掌握了全世界 80%以上财富的现象、及原因，本质是一样的。推荐系统，本质也是市场经济体系：供应方(B 侧作者)，消费方(C 侧用户)，市场（推荐平台）。 因此，当该体系(推荐系统)出现“马太效应”这种合理、但并非合适的现象时，作为该体系中的每一方，当然都有逃脱不了的干系。 1.1.1 C 侧用户：人之惰性人，食五谷杂粮者，非要练就金刚不坏之身，确实是有些难为了。我当然知道，我应该看些有思想/有深度的文章/视频，但如果你天天给我推荐大长腿+大胸妹妹，我能不看吗？？ 我看下也就算了，推荐系统还非要认为是我自己想看的，然后继续给我推更长的腿+更大的胸，于是乎，我只能沦陷在此“温柔乡”了。可我知道，这并非我所愿... 1.1.2 B 侧作者：挣钱是硬道理有需求，就杀害：对于作者而言，写诗歌/散文，情怀固然重要，但在现实/钱面前，情怀不过是扯淡。 既然，消费内容的 80%+，都是短/贫/快的无脑娱乐化图文/视频，那么对于真正的优质账号作者自然是致命的：没有生存的环境/土壤，只能是肥的拖瘦，瘦的拖死（要么逃，要么死）。从而使得内容池的 2/8 分化趋势进一步加剧，当然也会加剧消费情况的 2/8 趋势... 1.1.3 推荐平台方：无辜的中间人那么上述的“马太效应”，应该由这场交易的中间方（推荐平台）来背锅吗？当然不能！推荐平台，恰恰只不过是做了它本来该做的事，而已。 既然，推荐系统已经做了它该做的事情，为何结果却并不理想呢？下面从两方面分析：推荐系统是什么？ 推荐系统有什么问题？ 1.1.3.1 推荐系统是什么上图，是一个基本 &通用的推荐系统架构。 - 最简单的描述： 将用户喜欢的内容推荐给用户。
- 详细描述：根据用户的过往行为历史，来尝试识别用户的兴趣，然后从全体内容池中，筛选出和该画像匹配程度最高的内容，推荐给用户，并收集用户对此的反馈数据，来迭代用户的兴趣画像...，如此不断循环迭代...
1.1.3.2 推荐系统有什么问题推荐系统诞生的初衷，是为了解决海量用户 vs 海量内容的信息过载问题，注重规模效应。本质是以人(消费者)找内容，并且侧重为其中的人服务。也即是说，看似公平的中间人，实际是被消费者牵着在走，而忽略了内容生产方。注重开发利用，而忽略生态环境建设 两个关键点： - 推荐系统认为的“用户喜欢”，不一定等于，用户真的喜欢（案例：大长腿+大胸妹）。用户就像你的女朋友：你很难知道她真的喜欢什么，因她自己都不知道，但你又不得不去尝试知道，因为她是你女票：她的错，不是她的错，是你的错。
- 就算用户真的喜欢，那就一定要满足用户需求吗？整个系统，包括多方：供应方(B 侧号主)，消费方(C 侧用户)，市场（推荐平台）。一套系统，是一个利益平衡问题，过度侧重其中一方的利益，必然会损害他方利益，进而影响整个系统的健康发展。
总结： - C 侧：小众用户兴趣难以满足!!
- B 侧：影响内容生态!!
1.2 人工干预的必要性在市场经济体系中，市场当然是至关重要，但市场本身是有缺陷的(贪婪/唯利)，因此人为的宏观调控也是必须的。 同样，在信息流分发体系中，推荐当然是至关重要，但推荐本身是有缺陷的(伪喜欢/唯消费者)，因此人工干预也是必须的。 1.2.1 内部运营干预你隔壁运营组同学的需求： - 比如一些重大新闻，这当然应该成为头条内容
- “xx 巴巴因垄断被罚 182 亿”，这等热点内容，运营同学当然也不会错过
- 对于 BD 耗费人力物力引进的大 V 账号，当然也不能因为用户似乎“不太喜欢”而不给曝光机会 ...
总之，运营需要一个可以人工干预的内容分发渠道，来满足他们的各种日常需求。 1.2.2 B 侧号主干预对于内容生产方的号主，同样有类似上面运营同学的需求。只不过，号主运营的是自己的多篇内容，而运营同学运营的是多个号主的内容。比如： - 号主需要通过购买平台的流量，来扶持自己的账号
- 号主需要相对集中的流量，扶持自己的某一篇文章，以打造爆款
- 号主需要把自己的某一篇文章，定向曝光/投放给满足指定条件的用户群体，比如：一篇深圳健身房的软广，当然不应该曝光给上海的用户 ... 显然，这些需求都是从内容侧发起的，是推荐系统难以解决的需求。
1.3 为什么不是推送 Push 分发以内容找人，粗略等于一个内容发起的 Push 动作（推荐的人找内容，近似用户发起的 Pull 动作）。 Push 分发，在一个产品的初期是很重要的一种分发方式，是拉新的基本手段，比如你常讨厌的红点推送。但由于 Push 操作过于强/硬，影响体验，容易导致用户反弹，因此，不适合长期/大规模发力。 1.4 为什么不是订阅分发订阅分发，如同共产主义，是美好、而不可达到，但可以无限逼近的？如果： - 所有的用户：都能订阅到适量的、真正喜欢的账号
- 所有账号：都能被足够多的，忠诚的粉丝用户所订阅
那么：什么推荐、投放、push...都不再需要了？大同时代已经到来！ 但，目前确实还没到来... 二 投放系统是什么相对于我们耳熟能详的推荐系统，投放系统似乎更为陌生？其实，并不然。可以通过下图直观感受下投放的含义： 2.1 生活中的投放投放的字面意思：把某物品投掷出去， 并放置于某处。 三方：商家(外卖) -> 快递小哥 -> 前台妹子(消费者)其中，连接中介是快递小哥，连接的是商家和消费者 三方：作者(小视频) -> 投放系统 -> 前台妹子(消费者)其中，连接中介是投放系统，连接的是文章背后的作者和消费者 一个关键点：不管是射箭的妹子，还是骑手小哥，还是传书飞鸽，他们的起点/出发点都是物品侧。 2.2 广告投放在互联网领域，最早的、最常见的就是广告投放了。电梯、公交、地铁、移动 App...，无处不在，无孔不入，所以我们无时无刻不是消费者，无时无刻不是在被消费。 广告投放的本质，是将平台流量，售卖 给有广告需求的商家。当然，在具体实施时，是一个反向过程：将商家的广告，投放给平台流量(消费者)。 所以，在这场活动中，投放平台方，服务的是商家(广告主)，而 C 侧用户只是可以售卖交易的流量而已。 2.3 信息流投放信息流投放，本质上和广告投放是一致的。只是投放的物品有所区别而已，信息流投放的物品，包括图文、视频、广告等多种形态。 在具体实施过程中，也是以内容找人，和推荐系统的以人找内容相反。投放强调的是：从 B 侧->C 侧的过程，和推荐系统以 C 侧需求为出发点相反。更加关注底层的内容生态健康，而非一切为 C 侧消费者服务。 当然，在产品/业务的发展初期，处于快速跑马圈地阶段，我们往往忽略（应该是来不及关注？）生态的健康问题。但，随着产品/业务逐步发展壮大时，曾经重要但不紧急的生态问题，就会变得重要而急迫了，因为这通常会关系到产品的生死存亡。比如随着市场经济迅猛发展的阿里粑粑，一不小心就可能被宏观调控了。 这也是为什么在信息流产品的生命周期里，一开始就必须要一套强大的推荐系统，而投放系统通常在中期阶段才出现的一大原因。 三 如何设计与实现投放系统到此，终于将为什么，是什么，这两个基本的 &&重要的背景问题讲完了。名正，则言顺，因此接下来的不过是具体实施细节，也就变得相对简单了。 3.1 投放系统架构如前所述，投放是连接 B 侧作者，和 C 侧用户的中介。因此，一套广义/完整的投放系统，至少/主要包括以下几部分： - 需求方平台(DSP): 投放主要是为 B 侧服务，因此，DSP 平台是对接内部运营和外部号主的一个需求管理平台。
- 投放中介(TFX)：这部分是 DSP 与 SSP 的连接中介，是完成 DSP 投放需求和确保投放效果的核心模块，也是狭义上的投放系统。
- 供应方平台(SSP)：投放通过 DSP，将流量售卖给作者。因此，供应，指的是平台流量，即 C 侧用户。这部分主要是对接 C 侧用户请求，为投放提供流量输入。
-
| 
公安网备