网络上有很多企业家的分享，他们爱讲一些宏观的东西，商业概念、组织理念、竞争准则，大家也很爱听，很多人花了不少钱去学习这些内容，想要打磨自己的底层逻辑。

但事实上，要把他们所说的抽象内容落实到业务里去，往往是一个很具体的过程。我们就以「效率与体验」为主题，通过商业化的案例来深入理解。

“企业到底是追求效率，还是追求体验”？这个问题在众多老板口中是哲学一般的存在，你肯定听过某某大佬提到：“只要坚持为用户创造价值，就一定能实现商业上的成功。”阿里价值观认为「客户第一，股东第三」，同样表达了这种观点。

总之，在老板视角往往是“两手都要抓，两手都要硬。”

前Facebook工程师宋一松定义了两者的区别：“推荐系统和计算广告是不同维度上的概念。推荐系统是一种技术，广告是一项业务。个性化推荐可以用在广告中，更可以用在别的产品层面。同时，个性化推荐只是计算广告的一个环节，一个完整的广告系统还需要其他很多重要的技术组件。”

这是一种非常准确的解释。

【个性化推荐】的核心目标是用户体验。基于大量历史数据尝试推荐用户最感兴趣的内容，包括广告。其中，用户体验的正向行为有“完播、点赞、评论、关注、分享、下载、打赏”等，抖音每日活跃6亿+用户，每个人刷出来的视频排序大概率都是不一样的，这与用户偏好、属性、实时热点都有关系。

从每个独立用户视角所看到的视频排序，一般都会经历【内容召回→内容粗排→内容精排】的过程，利用协同过滤、机器学习、深度学习等算法/策略来确保推荐的精准度。

由于平台不可能直接把数千万条视频、直播与用户的兴趣进行匹配、排序，所以先通过多种策略做内容召回（比如：兴趣标签、相似用户、热门内容等），先召回有限的候选集，再进行内容排序。

谷歌DNN模型的目标就是在给定YouTube用户历史行为与上下文的情况下，学习 user embedding 向量u，作为输入送到 Softmax分类器，用以生成初步候选集作为视频的召回结果。

谷歌论文：《Deep Neural Networks for YouTube Recommendations》

召回完成后，内容排序有很多种算法模型这里就不展开了，因为我也看不太懂。总之，老板那句“两手都要抓，两手都要硬”，并不是想象中那么简单。

最终，服务器向用户手机返回了排好顺序的视频，用户依次向下滑动，他的点赞、评论、观看时长等行为将被记录下来，用于未来模型训练，提升预测的准确度。以亿为单位海量的兴趣数据经过训练不断反哺到内容推荐与广告业务中去，呈现飞轮式增长。

计算广告如何更「高效」

刚才也提到，【计算广告】作为一项业务，其核心目标是「平衡」用户、平台、广告主三方的利益：

• 平台利益：Max(eCPM【千次广告展示收益】)，代表单位流量售价最高，如果抖音Q2平均1000次广告展示获得的广告费是40元，环比Q1上涨10元，那说明Q2的变现效率提高了。
• 广告主利益：Max(ROI)，ROI=收益/CPM【千次广告展示成本】，这里的“收益”指广告主支付广告费获得的收益水平。例如：阿里在抖音投放1000次广告需要支付20元，平均可以获取1个新用户，1个用户1年只能为阿里带来10元的综合收益（ROI=0.5），那20元的广告费就是不划算的。
• 用户利益：尽量少看广告（抖音的Ad load），即使看也是看自己感兴趣的内容。

我们模拟一轮简化的广告分发场景：“用户看了广告主A和C的素材后都没有点击，而用户B不仅点击了广告主B的素材，并且注册成为B产品的客户。”

这一轮广告展示中，广告主A和C需要根据广告展示次数向平台付费（CPM），但他们获得客户的利益点没有得到满足，这就出现了客户收益与平台成本不匹配的问题，长期没有改善广告主自然就会停止投放。

所以，想要满足客户的投放目标（如：合理的获客成本），就需要提高广告的点击/转化水平（CTR/CVR），这就回到了前文所说的「个性化推荐」在计算广告的应用，尽量匹配用户感兴趣的广告。例：给饭圈粉丝推荐Idol代言产品。

如何持续改善广告点击/转化率（CTR/CVR）呢？

以【京东】的广告排序模型为例，用户在【搜索商品的场景】，广告点击的概率（CTR）可以描述为依赖于4个不同类型输入的函数：

• Query：描述用户搜索意图。
• user(用户侧特征)：描述用户的兴趣、偏好。
• item(商品侧特征)：描述这个商品是否优质。
• Context(文本特征)：描述用户搜索时属于怎样的场景，是上班的时候搜的还是周末搜的，此时是否有活动。

来源：刘鹄，《CSCNN：新一代京东电商广告排序模型》

通过构建特征工程并确定目标函数（贪心算法（局部最优）/长期回报），利用Online-Learning大量数据训练后得到CTR优化结果。

在推送1次广告时，平台到底从海量的广告主中推哪一个，核心考量因素是eCPM（平台每千次展示的收入） = 预估点击率（p-CTR） *预估转化率（p-CVR）* 预估出价（p-Bid）。根据每个广告的eCPM进行排序，选出值最大的那个进行展示，如果涉及i个不同的客户则，取所有客户∑eCPM求和最大化的解。

来源：刘鹄，《CSCNN：新一代京东电商广告排序模型》

从产品实现的角度，平台在广告排序时需要前置预估点击率（p-CTR）、转化率（p-CVR）和出价（p-Bid），所以预估准确度决定了最终平台的收益是否真的能实现最大化。

• 预估点击率（p-CTR）与转化率（p-CTR）很好理解，就是广告实际下发前，平台并不知道推给用户后有多少人会点击、转化，只能用模型估算，广告下发后再基于实际数据返回模型学习，不断提高预估准确度。
• 预估出价（p-Bid）主要是因为广告平台通常采用GSP（广义第二价格）模式，即：广告被展示后，广告主所需支付的价格并非自己出具的价格，而是为下一位出价者的价格+Δ（字节为0.01元）。这里就涉及到广告系统需要预估最终的bid price，并在产生实际值后带回模型进行学习。

字节跳动巨量引擎oCPM的GSP计费介绍

直观感受，采用GSP（第二价格）计费增加了系统预估的参数量（p-Bid），会让预估变得更难，为什么不直接使用广告竞得者的出价（第一价格）？

这里主要考虑了使用“第一价格”带来的出价波动问题，如果广告竞得者支付他的竞价价格，则广告主为了获得展现，他会不断提高价格，在获得广告展现后，他又会开始不断减少出价以降低成本，这个博弈过程，容易使得出价不稳定，影响eCPM的预估准确度。谷歌2002年开始将GSP引入搜索引擎，并成为主流的在线广告计费模式。

字节跳动的天花板与挑战

毫无疑问，字节跳动已经成为比肩阿里、腾讯的顶级互联网企业，单纯从商业化的角度，它的想象力也是独角兽里最大的。

2020年中美主要的互联网企业里：

• 阿里、Amazon为代表的电商公司，广告是重要的收入来源，尤其阿里依靠电商广告成为中国第一大在线广告媒体，年收入超过2000亿+。【简称「电商广告」】
• Google、Facebook主要营收同样来自广告业务（年收入800~1500亿美金），他们的广告主要是将流量导给APP、网站等广告主，用户在点击广告后进入广告主的产品体系，成为其用户；后续的付费、活跃数据就与Google、Facebook无关了。【简称「非电商广告」】
  

「电商广告」与「非电商广告」主要区别在于“用户被广告转化后，核心数据是否留在广告平台”，包括在广告主侧的行为数据、付费数据、偏好数据等等。

以天猫为例，Skechers旗舰店在天猫投放“运动鞋”的搜索词广告，其投放目标ROI=用户的成交金额（GMV）*利润率/广告成本。当用户被搜索广告影响进入Skechers店铺，并发生了关注店铺、购买商品（GMV）等行为时，相关数据均被天猫APP记录，广告全流程实现了数据闭环，阿里可以利用这些数据更高效地优化模型，提高商家的变现效率。

而非电商广告，例如Facebook推广游戏【皇室战争】，其投放目标ROI=用户在皇室战争的付费金额/广告成本。但当用户下载皇室战争APP之后，其注册、付费行为Facebook是无法掌握的，只能通过与Facebook的回传机制（oCPM）让广告主告诉平台谁注册了、谁的付费水平更高，平台基于回传数据进行模型学习，持续优化广告主的ROI。

字节跳动巨量引擎APP转化回传对接方案

考虑到用户付费很可能是长周期的行为，并且回传模式难以监测更多维的用户特征，使得非电商广告受制于数据隔离问题，很难像电商广告系统那样实时+全量化地将用户转化数据用于广告系统的训练，有效提高电商广告主的ROI。

但字节跳动强就强在，同时兼具了【电商广告】与【非电商广告】两大业务（内容+电商），这在过去所有中美互联网巨头里都是没有过的。

抖音非电商广告年收入已经做到了1000~2000亿；而抖音电商2021年GMV目标是1万亿，按3%的货币化率计算，电商广告有机会做到300亿以上。随着直播带货大趋势的推动，未来抖音电商还有成倍的增长空间，字节跳动的商业化天花板远没有见顶。

当然，字节也在面对很多新的挑战。在过往的电商广告、Feeds广告都是向用户推送「广告素材（视频、图文）」，广告主可以使用大量差异化的素材/投放人群做AB测试，找到最优人群和素材。但直播电商的实时性很强，罗永浩周日18:00~21:00点直播，广告系统也只能调度相关时段的流量，并且直播过程也是难以预测的，这也给广告系统提出了更高的要求。

9月24日抖音电商在杭州举办了2021抖音电商达人峰会

「流量产权」的博弈场

有些观点认为，电商平台做大后拥有了对合作商户收费的权力，这是一种“征税权”。在反垄断的大背景下，赋予“征税”标签更有利于突出平台的强势与商户的弱势。

但冷静下来思考，天猫作为线上的万达广场，其向商户收费（包括：店铺租金、广告费）的前提是天猫能够为商户带来持续的生意。为此平台也付出了很多的努力，包括在物流端做重（菜鸟网络）保障用户的购买体验，提供丰富的金融服务（蚂蚁金服+网商银行）支持小微商家经营。

阿里每年还要去外部媒体采买流量以支撑更大的交易规模，2020年在抖音阿里就花了200亿的广告费，这些努力的目的则是构建平台流量的持续性和竞争力，这和万达付出高价抢拍市中心的土地资源是一个道理。

相比于“征税”的强制性，电商平台投入大量资本为建设更有商业价值的经营环境，并向商户收取的租金、广告费的行为，可以视作【流量产权】（主要是经营权）的商业变现。

谈到产权，意味着经营权、收入分配权、使用权与转让权。它的威力我们并不陌生，1979年安徽省凤阳县小岗村，18位农民签下一份“生死状”，开启了包产到户的农村改革序幕（即：生产者获得经营权），包产到户后第1年的产量就相当于实行人民公社25年产量的总和。

该“生死状”现藏于中国国家博物馆

小岗村农田的经营权价值由产量决定，四十年后虚拟世界的【流量产权】，它的价值又由什么决定呢？回到天猫的例子，归根结底还是由商户在这里的变现能力决定的。如果天猫如同城郊荒野的老旧小区底商一般，商户们不会沉迷在“淘宝直通车”的氪金游戏里。

脱离电商语境，我们把本文前半部分提到的【广告业务】与【短视频/直播业务】联系在一起，抖音就像一个线上的旅游度假区，这里有好看的妹子表演节目，也有跳伞、赶海、自驾等项目，也有不断扩建的大型购物商场（抖音电商），6亿用户每天都愿意来这里娱乐消遣，这里的广告位自然有人愿意买单。

“只要流量大就能轻松变现吗?”这个问题的关键在于【流量产权】在谁的手上。我们对比微信生态电商（优衣库小程序商城）与传统电商平台（天猫优衣库旗舰店），同样是在线商场，两者的【流量产权】逻辑仍有很大的不同。

在微信生态下，你很难说腾讯拥有了流量产权，因为流量匹配由用户与商家的【关注关系】决定，腾讯也几乎不干预（当然也没挣到广告费）。这就衍生出了以【关注关系】为中心的私域营销理论（社群、裂变等），以完美日记为例，其通过大量社群反复触达消费者，拉动品牌产品的售卖。

当然，微信将【流量产权】的变现能力让渡给商家，和其产品战略也有很大的关系，作为中国人的社会连接器，微信专注于赋能一个个微小的个体，在商业化上一直都比较克制。你去观察成都从成华大道去往二仙桥的路上，免费公园的人明显更多。这种选择也让微信长期保持了简洁、高效的产品体验，成为唯一十亿级的国民APP。

这座超级流量池，无形中为腾讯游戏、核心生态伙伴“美团、滴滴、京东、拼多多”输送了大量的流量，以全面遏制阿里的发展，实现了体验（微信的用户体验）与效率（生态的经营效率）的最佳实践。

B站也是非常典型的以【关注关系】为中心的社区，大家关注自己喜爱的UP主，UP主持续创作优质的内容获取更多忠实粉丝和稳定的流量，并最终通过广告变现。此时，【流量产权】成为KOL的核心资产。

也不排除未来的某一天，B站迫于压力急于变现，也许会像YouTube那样，用户每看几分钟就强行插入一个广告。强制插入广告的行为，意味着即使KOL利用【关注关系】和粉丝建立了强的连接，但流量控制权仍然掌握在平台手中。

当平台开始加速商业化时，往往就是【流量产权】再博弈过程，一个健康的内容平台，可以支撑更多的创作者在必要的规则约束下得到良好发展，这类平台在博弈中就能掌握更大的话语权。想想也是，你去迪士尼乐园里卖烤串，当然会自觉遵守园区的抽佣规则。

但如果平台把过多精力放在变现上，则大概率会稀释内容质量与用户体验，百度多年来依赖医疗广告成瘾不能戒除，导致其长期承受舆论的讨伐。抖音即使在广告分发领域找到了【个性化推荐】的良药，也无法无节制地提高广告加载率，并且伴随着抖音电商内容的激增，娱乐内容占比进一步下降，消费者的口袋终会捉襟见肘。即使是这样，算法的上帝视角仍有机会根据不同用户对商业内容忍耐度的差异，千人千面地调整娱乐与消费的内容比例，最终把人困在系统里，成为欲望的囚徒。

总体来看，在未来的日子里，「体验与效率」仍然是一个老板口中“都要硬”，但执行起来却非常困难的事情。但相信市场经济的力量总是能用“无形的手”将商业活动推向更有效率的真实世界。就像我每天在抖音只看1小时「井川里予纯欲天花板舞蹈」，字节跳动就可以赚到2000个亿，相信我们都会拥有光明的未来。