预算分配启发式在在线广告中的表现：节奏启发式的性能比较与优化

本研究针对在线广告中预算分配节奏启发式的性能问题，系统比较了Even Pacing (EP)、Modified Even Pacing (MEP)、Waterlevel Pacing (WP)和Profit-Maximizing Pacing (PMP)等常用启发式。通过反事实研究和模拟实验，研究发现默认设置EP表现最差，而WP在不确定条件下表现优异。研究人员还开发了Adaptive-Waterlevel Pacing (AWP)新启发式，在利润目标下表现最佳。该研究为广告主根据具体目标选择合适节奏启发式提供了重要指导，对提升在线广告投放效率具有重要意义。

　　

随着数字广告支出的持续增长，程序化广告特别是实时竞价(Real-Time Bidding, RTB)已成为在线广告的主流形式。到2028年，美国在线广告支出预计将达到4604.6亿美元，占整个广告市场的85%以上。与此同时，程序化广告的占比也在不断提升，预计2026年将有90%的在线展示广告预算通过程序化方式完成。在这种背景下，广告主面临着如何有效分配有限广告预算的重要挑战。

RTB市场运作机制复杂：当用户访问发布商网站时，发布商将包含用户信息的竞价请求传递给广告交易平台，然后通过需求方平台(Demand-Side Platforms, DSPs)代表广告主参与竞价。整个流程平均仅需100毫秒。在这种高速竞价环境中，广告主需要做出多项关键决策，包括广告活动时长、定向条件、预算规模以及最重要的——如何随时间分配预算。

预算分配问题在RTB环境中尤为特殊，因为实际支出可能因竞价结果而偏离预定预算。为此，DSPs采用预算节奏控制机制来防止预算短缺或过剩。当前主流的广告活动管理系统（如Google、Meta、Microsoft等）为广告主提供了多种现成的节奏启发式选项，包括As Soon As Possible (ASAP)、Ahead、Even Pacing (EP)和Modified Even Pacing (MEP)。其中EP作为默认设置被广泛使用，但其效果一直缺乏系统评估。

研究人员通过行业专家访谈发现，EP是当前最常用的节奏启发式，许多广告主在分配日活动预算时都采用这种方法。管理者经常将EP与分时段投放结合使用，即排除夜间时段或优先在黄金时段投放，这种方法被称为MEP。此外，访谈还揭示了一种不太知名但可能更有效的替代方案——Waterlevel Pacing (WP)，这种基于流量模式的节奏启发式试图在流量增加时更快地消耗预算。

尽管预算节奏策略在实践中非常重要，但现有研究存在明显不足：缺乏对主要节奏启发式的全面性能比较，特别是基于利润的比较；对预测准确性如何影响不同启发式盈利能力理解不足；对用户行为模式影响的考察不充分；缺乏为管理者提供清晰的选择指南。这些研究空白促使研究人员开展本次系统性研究。

本研究旨在回答两个核心问题：常见行业节奏启发式(EP、MEP、WP)在现实条件下与利润最大化方法(PMP)相比表现如何？哪种启发式在什么条件下最优？为了回答这些问题，研究人员采用了反事实研究和模拟实验相结合的方法。

研究团队首先进行了反事实分析，使用三个真实RTB广告活动数据集（在线约会、直销银行和工业品行业），比较了EP、MEP、WP与PMP的盈利能力。基于反事实研究的发现，他们开发了一种新的节奏启发式——Adaptive-Waterlevel Pacing (AWP)，该启发式在WP的基础上融入了点击率和转化率的时序变化。

在模拟研究中，研究人员系统性地改变了可能影响节奏启发式性能的因素，特别考虑了广告主的不同活动目标（覆盖度、利润或两者混合）。他们通过128种不同场景的模拟，考察了预测准确性和用户行为模式波动对节奏启发式性能的影响。

研究采用的关键技术方法包括数学建模优化、反事实因果推断、多场景模拟实验设计以及预测误差敏感性分析。反事实研究基于三个真实行业数据集，包含详细的竞价层级信息和用户行为指标。模拟实验则通过控制变量法系统测试了不同条件下各启发式的性能表现。

研究结果

节奏启发式的现实表现评估

反事实研究结果显示，EP作为默认设置表现最差，其利润偏离PMP Oracle达到-28.0%至-60.6%。MEP略有改善，但依然显著落后于WP和PMP。令人惊讶的是，WP在多个数据集上都表现出色，在在线约会和直销银行行业分别仅比PMP Oracle低-20.3%和-16.5%。WP甚至在某些条件下超越了PMP Uncertainty，这表明在预测不完美的现实条件下，简单的启发式可能比复杂的优化模型更有效。

新型启发式AWP的开发与验证

基于WP的良好表现但仍存在改进空间的研究发现，研究人员开发了AWP。与WP仅基于流量分配预算不同，AWP综合考虑了点击率(CTR)和转化率(CR)的时序变化，按照转化潜力比例分配预算。模拟研究显示，AWP在利润最大化目标下表现最优，在87.5%的不完美预测场景中获胜，平均利润比PMP高9%。

预测准确性对启发式性能的影响

模拟研究深入分析了预测误差对节奏启发式性能的影响。结果显示，预测准确性是决定启发式性能的关键因素。在完美预测条件下，PMP自然表现最优，但随着预测误差的增加，AWP和WP的相对优势逐渐显现。AWP在预测不完美时表现尤为稳健，这得益于其基于比例分配的简单规则对预测误差相对不敏感。

用户行为模式波动的影响

研究发现，用户行为指标的时序波动模式显著影响不同节奏启发式的性能。当流量分布陡峭（即流量集中在少数时段）时，WP表现优异，因为它能将更多预算分配到高流量时段。而当点击率和转化率波动较大时，AWP的优势更加明显，因为它能识别并优先投资于高转化潜力时段。

不同广告目标下的启发式选择

研究还考察了不同广告目标下各启发式的表现。对于纯覆盖度目标，WP是最佳选择，平均比PMP多产生15%的展示次数。对于利润目标，AWP表现最优。对于混合目标，AWP在预测准确时表现最好，而WP在预测不准确时更可靠。

研究结论与意义

本研究系统评估了在线广告中主要预算分配节奏启发式的性能，填补了该领域的重要研究空白。研究结果表明，行业默认的EP设置远非最优选择，广告主通过转向更先进的启发式如WP或AWP，可以显著提升广告效果。

研究的主要理论贡献在于首次对主要行业节奏启发式进行了基于利润的全面比较，深入分析了预测准确性和用户行为模式对启发式性能的影响，并开发了新的高效启发式AWP。实践上，研究为广告主根据具体条件选择合适节奏启发式提供了明确指导，为广告平台改进其节奏启发式提供了重要依据。

值得注意的是，研究显示在预测不完美的现实条件下，简单稳健的启发式可能比复杂优化模型表现更好。这一发现对资源有限的中小广告主尤其重要，因为他们可能无法实现高度准确的预测。对于这类广告主，WP和AWP提供了接近最优的实用解决方案。

研究结果呼吁广告技术平台重新考虑其节奏启发式的默认设置和选项提供。当前平台普遍将EP作为默认设置，但本研究表明确实存在更优的替代方案。将WP和AWP纳入平台标准选项，将有助于提升整体广告生态系统的效率。

该研究发表在《INTERNATIONAL JOURNAL OF RESEARCH IN MARKETING》上，为在线广告预算分配研究提供了重要基准，也为从业者提供了实用的决策框架。未来研究可以进一步探索在更复杂场景下节奏启发式的性能，以及如何将用户异质性更有效地纳入预算分配决策中。