电商中的流量决策系统

在电商业务中，用户就是流量，流量可以变现。算法给用户推荐商品，也是给商品介绍用户，这就是流量分发。流量发得准，生意就做得稳。

本文讲一讲流量分发场景下的决策技术。

流量分发

给用户推荐商品，要根据用户的喜好。算法猜得越准，越容易成交，用户体验就越好。

但是呢，商家和平台不一定高兴。比如说，用户喜欢便宜的东西。那么商家为了流量，最直接的办法是降价，价格低了就有流量。但流量是有限的，这就导致价格战。这样一来，商家赚不到钱，平台也赚不到钱。

理想情况是，推荐高利润的商品。商家有得赚，平台才有提成。但这样也有问题，利润高意味着价格贵，价格贵买的人少，那么用户就会流失，平台也活不下去。

总的来说，既要保用户体验，又要有商业利润，这是流量分发的难点。

业务问题

具体来说，可能有下面这些问题。

第一，商品过度曝光。当商品库存不足时，应该减少推荐量。否则容易缺货，导致有曝光量，却没有成交量，这是流量的浪费。

第二，新品欠曝光。有些新品虽然有潜力，但培养用户需要时间。如果前期曝光不足，可能错失成长机会。新品起不来，用户也会逐渐流失。

第三，流量分布不合理。受欢迎的商品，会吸引流量，并形成头部商品。这可能导致强者越强，挤压腰尾品的生存空间。商品种类变少，用户体验也会变差。

第四，流量如何定价。流量变现可以通过竞价，但竞价有两个问题，一是有技术门槛，对中小商家不友好；二是价格不可控，如果竞争激烈，流量价格就高，最终伤害的是商家和用户。

另一个办法是对流量定价。具体来说，平台向商家承诺销售目标，然后给出报价，最后要达成目标。要实现这个方案，就需要对流量进行精准地调控。

决策系统

为了解决上述问题，需要一套流量决策系统，具备流量分发、促活、切分和决策能力。整体架构如下图所示。

分发

流量分发就是人货匹配，其中搜索技术实现人找货，推荐技术实现货找人。还要具备调控能力，比如给定流量值，搜推算法能恰好满足需求，尽量做到不多也不少。

简单的做法是，调整商品的排序。流量多了就往后排，反之往前排。

促活

促活就是吸引老用户回购，实现流量的稳定和增长。常见的办法是发福利，比如红包和优惠券。然后推送消息或者发短信送达用户，或者投放广告，比如开机广告、信息流广告。

值得注意的是，发短信和投广告有成本。消息推送虽然免费，但影响用户体验。促活的难点在于平衡成本、收益和用户体验。

切分

切分流量主要有三个场景，一个是AB测试，把流量分成两个或多个组，来验证算法的效果；二是灰度能力，验证算法的功能，保障算法的质量；三是切分流量池，满足新品扶持、重点品推广等业务需求。

常见的办法是随机分组，或者按用户属性划分，例如用户名、性别、手机号、年龄等等。

决策

用算法模型分配流量，或者促活流量。本文只讲流量分配，促活可以参考《用户触达场景下的智能化实践》。

流量决策主要包含两个部分，一是预测模型，分析流量的变化；二是决策模型，用来分配流量。预测模型是为决策模型提供输入，预测结果越准确，决策的效果越好。

由于篇幅有限，预测模型和决策模型不具体展开。这并不妨碍我们理解这套系统。接下来介绍决策问题，可以把它们理解成这个系统的决策能力。

决策问题

简单来说，就是如何给商品分配流量。有两个概念需要说明。

第一，这里说的商品，是有流量需求的主体。它可以是 SKU、SPU 或者某个类目，还可以是商家或者品牌。

第二，流量的来源称为渠道，比如推荐页面、搜索页面、购物车页等等。不同渠道的转化率不同，或者说流量价值不同，因此要区别对待。

下面介绍三个问题，分别是流量预估、流量分配和流量定价。

流量预估

给定商品在某个时段的销售目标，要估计它们在每个渠道的流量需求，使得销售目标尽可能达成。时段可以是任意的，例如日、周、年等等。

流量可以分两个部分：一是自然流量，比如用户的精确搜索，或者转发分享。这部分流量，一般不要去干预，否则影响用户体验；二是可调流量，用来达成目标。由于不同商品的转化率有差异，计算这部分流量时，还要从全局考虑，最大化整体的销售额。

流量分配

由于流量是有限的，很多时候无法满足所有商品的需求，因此要考虑如何分配流量。

具体来说，已知商品在每个渠道的流量需求，以及各渠道的总流量，给商品分配每个渠道的流量。需要满足一些约束条件，比如商品流量之和不超过渠道总流量，以及公平性要求。

流量定价

给定商品的销售目标，可以用流量预估模型和流量分配模型，计算出各渠道的目标流量和分配到的流量。通过这种方式，我们可以对其中的可调流量（非自然流量）进行定价。

具体来说，输入是商品在每个渠道的销售目标，输出是价格和销售目标的达成率（预估）。流量价格可以根据渠道、商品、日期等多个因素综合考虑。比如说，大促期间与平销期间、高利润商品与低利润商品等，会有价格差异。

问题定义好之后，接下来是建模和求解。在实际应用中，问题往往更复杂，约束条件更多，需要根据实际情况进行建模。

应用

利用流量预估模型和流量分配模型，只要改变商品的销售目标，就可以调控流量。利用这个调控工具，可以尝试解决过曝、欠曝和流量分布不合理等问题。再结合流量定价模型，可以实现流量的变现，而且价格可控，对商家和用户相对友好。

从供应链的视角来看，商品的流量可控，意味着销量预测更准。这样就可以打通需求端到计划端，也就是采销联动，可以降低库存周转，并且减少缺货。

在内容分发场景中，主要是做人与内容的匹配，比如音乐、短视频、信息流等。它与人货匹配有相似性，因此可以应用流量决策技术。主要区别在于决策问题不同，但解决思路是相通的。比如说，内容分发不涉及库存和销售目标，但是要考虑用户的活跃度和使用时长。