在 2013 年，美團一直靠資本推動拉新，到 2015 年，爲了達到收支平衡，美團開始考慮商業變現。從 2016 年初到 2017 年，美團針對商業變現做了兩套廣告系統，並上線投入使用。本文由美團外賣商業技術負責人王興星與大家分享外賣業務合理變現系統的設計過程及相關經驗。
美團的外賣業務特點
外賣與團購的區別
提到美團，大家接觸更多的是團購，以下是外賣與團購兩大業務之間的對比：
用戶需求。團購的出發點是追求性價比，價格會便宜一些。而外賣，前期商家用第一單免費的方式吸引用戶，後期在解決一部分用戶剛需的同時更加方便快捷，所以用戶的消費頻次較高。
支付方式。兩個都是線上支付，外賣業務平臺也會有一部分，但流量不是很多。
就餐地點。就餐形式上團購需要到店消費，而外賣是需要把物品送到消費者手中，背後需要配送團隊的支撐。
消費頻率。兩者差異比較大，團購消費時間集中在月底，而外賣的重度用戶，一週點單可達到十次以上。
外賣業務的特點
除了以上這些對比，相對傳統的互聯網產品，外賣業務有移動化、場景化、本地化三大特點：
移動化。美團絕大部分訂餐都是在移動端進行，日誌採集相比 PC 端複雜很多。
場景化。用戶訂餐時間相對集中，系統高峯在早餐、晚餐、夜宵等時段，流量是其他時間的 N 倍。
本地化。傳統業務的供給範圍是整個互聯網，團購面向的是城市粒度，而外賣面向的是商圈粒度。這些會在技術實現方案上體現差異化。
O2O 廣告和傳統廣告的區別
O2O 廣告不僅需要考慮外賣店鋪、外賣用戶以及外賣平臺三方，還要儘可能做到多方的共贏:
幫助外賣店鋪獲得更多的訂單量、拉來新用戶並留存用戶
讓外賣用戶有更多機會嘗試新店，獲得更多優惠
外賣平臺可進行流量變現
O2O 廣告與傳統廣告有很多不同之處，主要介紹以下 6 點：
中小廣告主。O2O 廣告服務對象更多的是中小廣告主。
行業信息化程度。服務對象相對信息化程度比較低，對互聯網及商業變現接觸較少，這對業務提出較高的挑戰。
形式更加原生。廣告前期採取較爲簡單直接的方案，以天爲時間單位、針對配送區域、按固定的價格來售賣，可見即可得，廣告主更容易接受。
經過一段時間，待市場對廣告主的教育成熟之後，廣告逐步推行按點擊的售賣方式。
強地域限制。這由業務性質決定，相比傳統廣告，O2O 廣告主地域性特別強。
全鏈條數據。因交易類型產品所獨具的特性，從瀏覽、點擊、到成單形成全鏈條數據。
交易類&信息類。這兩類產品存在很多不同點，變現方式也存在差異。
美團外賣 O2O 廣告佈設實踐
第一：針對行業信息化程度低的特點，佈設廣告需要從運營和產品兩個層面出發，有針對性的進行佈設。
運營層面：
市場教育：通過對廣告主的訪談，瞭解真正的需求。通過線下地推，把廣告的意圖，告知到商家。
廣告主拉新、促活：通過給用戶發紅包的形態，促使 C 端在 B 端使用，廣告主第一單投放可以打些折扣等方式。
精細化運營：從廣告產品來看涉及多個城市，多個商圈，可做一套精細化運營的系統，助力運營或幫助地推做精細化運營。
產品層面：
廣告的變現模式：由簡單向複雜逐步衍化，從按天逐漸過渡到點擊售賣，逐漸影響廣告主的認知。
功能“傻瓜”化：功能方面儘量智能化和傻瓜化，如廣告主並不知道出多少價格合適，變現系統的職責就是預估在當前情況下，收穫多少訂單、用戶等。
如把部分較爲簡單、效果明顯提升的廣告推送給廣告主，同時把複雜部分包裝隱藏在算法中，從而避免困擾廣告主，這稱之爲“白+黑”解決方案。
第二：針對本地化、強地域限制的特點，美團推出“配送區”的概念。
一般來說，用戶點外賣時都很餓，不會選擇太遠的商家，同時商家也不願意配送太遠，這樣的現象稱之爲“配送區”。
如上圖，藍色部分就是配送區，只有用戶定位在這個區域，纔會展示這個店鋪，這樣的業務邏輯需要技術來實現，設計一個專門模塊來做，用戶通過搜索來獲取附近的店鋪列表。在業務模式下，對於廣告來說存在非常強的地域定向，對檢索架構的影響也很大。
第三：原生廣告佈設，如位置選擇、選擇優化和效果提升。
位置選擇，固定 OR 浮動，避免廣告主找不到廣告粉絲。
體驗優化，廣告會對用戶體驗產生影響，所以採用監控機制，從監控出發去優化用戶體驗。
效果提升，讓廣告主只花幾十塊錢就能感受到好的效果，交易類做 ROI 優化更直接。同時，系統會把投放產出比作爲數據下發給商家。
CPT(按時長付費)的框架及策略
CPT 的技術框架。如下圖，是商業變現系統 CPT 技術的分層圖，分爲負責廣告投放、流量管控的投放端，供廣告主管理賬戶使用的業務端和做區域劃分、定價的離線挖掘三層。
CPT 技術框架
這種按照時間來計費的廣告很直接，商家的接受程度較高。
CPT 的策略。涉及到廣告區的劃分、定價以及線下迭代這三方面問題：
廣告區劃分。廣告主在廣告區投放廣告，最直接的影響是假設商家一天只能接 100 單，但廣告效應導致一下爆單，會嚴重影響商家和用戶的體驗。
因此美團提出“廣告區“的概念，用技術手段來控制展現的數據量，幫商家做庫存的管理。同時也能根據冷熱地域進行廣告定價。
廣告區定價。廣告區域劃分之後，流量、用戶等都需要預估，通過算法模型實現動態定價。
線下迭代。判斷定價策略好不好，這裏要做售賣率預估，提前知道劃分和定價後整體的售賣率情況。
CPC(按點擊付費)的架構與策略優化
1.CPC 線上整體架構
CPT 的售賣方式上線之後存在一些問題，如容量限制，當某城市需要買廣告的商戶可能近百近千時，會導致商戶使用的留存受到影響。通過商戶調研，系統發現它們對 CPT 產品接受度很高。因此，進一步上線一套更加複雜的系統 - CPC。
CPC 線上整體架構
如上圖，是 CPC 線上整體架構，業務端爲商戶提供一個打理廣告的系統，同時會同步到 ToC 系統，也就是投放端，之後把對應的結果從後端發到前端，美團外賣或團購 APP。
用戶發生點擊時發送到計費端，會對廣告主計費。廣告主的錢花超，系統會發出告警，做下線操作。
2.CPC 線上架構的優化
高性能。從性能的角度，投放端是 ToC 的產品，性能方面的提升是必要的。方法如下：
各模塊異步化：可達到立即執行的目的。
優化核心算法：對線上、線下的核心計算邏輯進行優化。系統可以做線下預計算，如分詞，挖掘算法等，提升線上效率。
數據高一致。美團整個數據跨很多端，如何保證數據在流動過程中不出錯?方法如下：
跨端同步。在數據跨端同步的過程中，通過 MQ 來解耦，進行失敗重試、冪等操作。
超播。遇高點擊率，超播會比較嚴重，這時需要引入 Pacing 機制。
監控。針對數據流做災備和全量機制。跨端做數據監控，出現問題及時警告。
高可用。美團也遇到一些流量方面的問題，解決方法如下：
流量異常。因爲一些爬蟲原因，會對系統運行造成影響，不處理會導致服務不可用，這裏會做反爬蟲機制。
流量突增。針對流量突增，線下做全鏈路的壓測，監控。線上針對不同渠道做流量流控，針對不同流量做降級措施。同時，線上針對一些不是很重要的模塊進行降級操作。
技術組件。基礎組件部分，會針對存儲做一些跨機房解決方案，還有全公司使用統一中間件。應用服務部分，要有一些服務治理組件，當 Web 混合比較多時，需要做超時設置，並且針對 Web 服務做一些降級方案。
3.CPC 架構之策略優化
除上述支撐整個美團數據量上漲的架構層面，還有很多業務層面的功能需要優化。一般來說，業務都有幾個核心指標。在外賣廣告裏，核心指標是平臺收入、商戶投入產出比和用戶體驗度。
平臺、商戶和用戶之間存在着矛盾關係，優化商戶 ROI，平臺收入就會下降。重視廣告收入時，用戶數會下降。多方利益如何抉擇?方法如下：
保證返購率。以用戶體驗爲限制，在 1% 的情況下儘可能提升平臺的收入，提升廣告主的體驗。
提升廣告主體驗。從效果和功能角度提升商業產品體驗，做到”品效合一”，質&量，PV&ROI 等效果。
4.CPC架構之受衆定向
廣告定向。從定向出發，把合適的流量給適合的廣告主，實際上是個流量篩選的方式，達到 ROI 與消耗的平衡，摸清流量和廣告度的關係。
白+黑解決方案。把簡單且剛需的功能，如地理位置、時間等這些簡單功能做定向，稱之爲白盒。如用戶近百標籤，給到廣告主，大部分都玩不轉。這時就需要通過算法進行包裝，把複雜內容包裝到系統，助力廣告主去做智能投放，這稱之爲黑盒。
5.CPC架構之排序
數據質量決定了模型的質量，特別是去年美團爬蟲流量比較多時，就需清洗爬蟲相關數據，還有清洗用戶行爲的噪聲。解決方法如下：
這裏涉及到的主要特徵，稱之爲 AUC，這三個之間還會有一些組合，如非線性模型+單特徵、線性模型+單特徵+組合特徵等。其中，在特徵選擇方面分爲特徵維度和有效減少提取次數的特徵組維度。
6.CPC 架構之用戶行爲建模
統一的用戶建模方案。用戶行爲存在多樣性，如購買，點擊、曝光、加載，和廣告、搜索、推薦、分享等，這時候，如何把多種行爲匯聚到一起，做統一的用戶建模方案?
其實每一個行爲都是代表用戶背後的行爲強度，如購買會比搜索強，搜索會比點擊強，點擊會比瀏覽強，這些都屬於信號強度概念，通過這樣的關係把所有的行爲對應的興趣綜合在一起，最後得到用戶統一的興趣方案。
統一用戶建模方案之時效性。用戶行爲時效性分爲長時、短時、即時，這三者如何融合?
解決方案是把行爲與時間長度，都通過信號強度綜合在一起，通過手動設置一些參數，也可通過把這些參數自動的選出。
結語
前幾年，外賣平臺的市場競爭異常激烈，依託資本的大力度補貼，搶佔市場爭奪用戶。美團經歷了萌芽、成長、擴張等環節，如今外賣平臺進入成熟期，對流量的使用已經變成核心競爭力之一。
外賣平臺連接衆多商家與海量用戶，廣告是滿足商家營銷及平臺商業化訴求的一種常見有效的手段。在此背景下，針對外賣業務特性設計一套合理變現系統就顯得尤爲重要。
以上內容由編輯王雪燕根據王興星老師在 WOTA2017 “大數據應用創新”專場的演講內容整理。
王興星
美團高級技術專家，外賣商業技術負責人
曾在搜狗、百度等公司供職，前搜狗 PC 和無線聯盟的算法負責人，所研發的訓練系統應用於搜狗聯盟、DSP 等多個產品線，多次獲得公司最佳個人、技術部犀牛、MVP 等獎項。也是數據挖掘愛好者，曾獲百度電影推薦大賽全國第一名、品友互動 RTB 算法競賽線下/線上第一名，KDDCUP2012 全球第三名等獎項。
以上內容根據王興星老師在 WOTA2017 “大數據應用創新”專場的演講內容整理。
