一、流量预测   展示量合约售卖的是某特定人群上的广告曝光次数， 而人群不同于确定的广告位，因此必须在合约中约定投放的量。于是在产品策略上就产生了流量预测（traffic forecasting）这一问题。流量预测在广告产品中包括以下三个主要用途。   1 售前指导。在展示量合约广告中，由于要约定曝光总数，事先尽可能准确地预测各人群标签的流量变得非常关键。如果流量严重低估，会出现资源售卖量不足的情形；如果流量严重高估，则会出现一部分合约不能达成的状况。这都会直接影响整个系统的收入。   2 在线流量分配。同样是在展示量合约广告中，由于合约之间在人群选择上会有很多交集，当一次曝光同时满足两个以上合约的要求时，怎样决策将它分配给哪个合约以达到整体满足所有合约的目的， 这是下文将要讨论的在线分配问题。各种在线分配算法都要依赖流量预估的结果，以达到高效和准确的目标。   3 出价指导。在竞价广告中，由于没有量的保证，广告主往往需要根据自己预计的出价先了解一下可能获得多少流量，以判断自己的出价是否合理。与前面的应用不太一样，这里的流量预测还多了出价这样一个因素。   综上所述，广告里一般的流量预测问题，可以描述成对流量 $t(u,b)$ 函数的估计，其中第一个参数 $u$ 是给定的人群标签或人群标签的组合，第二个参数 $b$ 是出价。在展示量合约中，由于没有竞价， 可以看成是上述问题在 $b arr∞$ 情形下的特例。 二、流量塑形   流量预测对于展示量合约非常重要，不过在本质上还是被动地统计流量情况。在有些情形下可以主动地影响流量，以利于合约的达成。这一产品策略问题称为流量塑形（traffic shaping）。流量塑形的典型场景是综合性门户网站上售卖的展示量合约广告。门户网站各子频道的流量严重依赖于首页关键位置链接的导流。假如在车展期间，汽车频道上的展示广告需求旺盛，那么首页上的链接应该更多地给汽车频道导流以利于收入的增加。这样的想法相当直接，在实践中也被广泛使用。不过从商业产品的要求来看，要系统化、高效率的达到流量塑形的目标，需要用户产品与广告产品的需求情况打通，然后按照一定的准则， 在不伤害用户体验的情形下，尽可能提高商业变现的效率。值得注意的是， 流量塑形问题已经涉及用户产品与商业产品的内在联系， 这与原生广告有千丝万缕的联系。 三、分配策略   展示量合约这种保量合约都面临一个问题：各个合约要求的人群很可能大量交叠，如何设计分配策略，使得各个合约都尽可能被满足。为了描述这一策略问题，我们将其简化为一个二部图（bipartite graph）匹配的问题。二部图的一方是表示广告库存的供给节点，每个节点代表的是所有人群标签都相同的广告流量集合；二部图的另一方是表示广告合约的需求节点，每个节点代表的是一个广告合约的人群标签条件。
在线分配二部图   供给节点、需求节点和在线分配二部图如上图所示。在图中，左边的的 6个节点为供给节点，而右边三个节点为需求节点。如果某供给节点的受众标签能够满足某需求节点的要求，我们就在相应的两个节点间建立一条连接边。供给节点中的各个条件之间都是“与”的关系，因此各个供给节点之间的流量是无重合的；需求节点中的各个条件也是“与”的关系。（如果广告投放中设置的是“或”的关系，则可以转化为多个需求节点） 显然，需求节点之间可能会抢夺同一个供给节点的流量。如果系统允许在一天结束后才分配今天的流量，我们可以很容易地设计策略：根据每个供给节点的流量和各需求节点的约束，解上面的分配问题，得到每个供给节点应该分配多少比例的流量给某个需求节点。不过在实际情况中，我们不可能等到流量情况全部已知后再做决策，而是需要在每一次曝光时实时做出分配决策，因此，这一策略问题称为在线分配。在线分配需要根据历史数据和某种策略离线得到一个分配方案，线上则照此方案执行。如果可选的标签数量很少，比如只开放年龄和性别，那么供给节点的数量就不多；如果合约的数量也不太多，那么需求节点的数量也不多。在这种情形下，我们仍然可以借鉴上面的离线方法进行在线分配：根据流量预测的结果得到代替实际流量，再解上面的分配问题，得到每个供给节点应该分配多少比例的流量给某个需求节点，而线上的系统则根据解得的分配比例来执行。不过，实际的在线分配技术比这个要复杂很多。随着标签数量的增加，供给节点的数量会以指数速度上升，而每一个供给节点的流量当然也就迅速收缩。当节点的流量过小时，对其进行相对准确的预测就变得相当困难，这时上面所说的方案就会变得完全不可行。因此，展示量合约这类广告产品在人群标签非常丰富和精准时是无法有效地运作的，而这正是竞价广告产品的原动力之一。

参考文档
1 《计算广告学》
2 直播平台流量分配测试
3 合约广告流量分配问题