目录
1，什么是超播？
另一种中文说法是超投。在英文里面叫做Over delivery。
Over delivery: The dollar amount we delivered to a campaign beyond its daily budget as a percentage of total revenue.
与之相对的是under delivery，表示的是没达量。
两种场景理解含义：
（1）从曝光量上讲，在GD（合约式保量广告中），一般广告主要求一笔预算需要达到多少的曝光量，那么over delivery表示的是平台最终投出去的广告曝光量大于广告主合约中规定的曝光量。那么超出的部分怎么办呢？只能平台自己消化，别人只让你曝光量这么多，你现在投多了那是你自己的问题。
（2）从预算角度上讲，平台投放出去的广告过多，实际消耗超出了广告主设定的预算（假设以点击来算，那么就是广告投多了，导致点击偏多，如果按照真实点击量计算，那么平台实际应该收取的费用超出了广告主设定的预算）
2，超播发生的原理
2.1 广告上下线
在了解超播发生的原理之前，我们先从系统整体角度看看广告系统是怎么投广告，怎么算钱的。
图片
上图参考自网上（文末有说明来源），如有侵权，联系笔者删除
系统设计的关键点：
（1）实时反馈（Real-Time FeedBack）。分为几个部分：广告召回的实时性、计费打点的实时性。
（2）预下线。需要做的就是消耗的预测，可以参考pinterest做的一个消耗实时预估的系统。
2.2 从不同视角看超播
2.2.1 按照计费类型
CPC和CPM容易发生超播，但是CPT是不存在超播的情况的，因为它是按照时间计费的，时间一到就下线。
重要的一个点：点击计费和曝光计费两种不同方式的计费方式，产生的超播严重程度也是不一致的，从用户行为的操作路径来看，点击操作是比曝光操作滞后的，带来的一个问题就是，前一秒还有可用预算，广告投出去了，但是用户不点击，过了一段时间，用户再回去点击，但是这个时候可能广告主预算可能已经花完了，那么这种因为用户行为的滞后性导致的超播是一种不可避免的正常超播，所以无论怎样降低超播程度，都不可能把超播降为0。
2.2.2 按照站内和站外角度来看
站外超播高于站内超播，因为站外因素不可控，超播程度不仅取决于我们平台自身，也取决于所对接的外部平台的防超播的能力。
2.2.3 从成本来看
超播分为两种类型的超播：
（1）有成本超播。就是平台超播的这部分的广告需要花费一定成本，这种主要存在于联盟广告中。平台要向外部媒体花钱采买流量，如果平台超播了，那么超播的部分就需要花费额外的成本了。
（2）无成本超播。无成本超播就是不用买单的那部分超播。这部分超播会由外部平台独自承担掉。
3，什么场景下会发生超播
3.1 从商家作弊的角度上看
（1）商家可以反复调低然后调高预算。
（2）商家反复在账户刚没钱的时候，往账户充一点钱，账户可以反复将广告先下线再上线。
（3）账号转退款的时候也可能出现超播的情况，因为账号侧需要将资金变动的消息发送给计费侧，数据同步造成的延迟导致投放不能及时下线，因而产生超播。
3.2 从平台的角度上看
（1）广告上下线的实时性。这部分就涉及多个系统间的交互了，每个涉及到广告投放的状态及时更新的地方都有可能导致超播的发生。一般主要发生在引擎和计费侧，以及c端打点的回传的及时性。
（2）预算平滑分配的能力。比如如果广告投放速度过快，在该停止投放的时候，没有及时踩刹车，可能导致超播严重。
4，如何防止超播？
4.1 提高实时性
（1）降低延时。广告预算消耗、账户余额、广告投放状态等实时感知，力求达到实时反馈。
（2）广告提前下线。主要依赖消耗预测准确度，具体可以参考pinterest的消耗预测做法。
4.2 流量控制
目的是：减少下线指令发出前广告被检索的数量。这样广告投出去的量变少，相当于水管变小，精细化控流，从而达到广告超投的影响变小。
4.2.1 PID
Pid算法，是比例Proportion、积分Integral、导数微分Derivative首字母的简称。pid算法是一种非常经典的且应用广泛的控制算法，最早被应用在自动化控制领用，从对一个小元件的温度控制，到对一架无人机的飞行路径、飞行速度的设计，pid算法都可以发挥作用。
Pid算法的原理，主要是依据实时的投放反馈数据，来动态运用比例、积分、微分手段及胜率的预测，控制投放速度的均匀稳定。PID控制的基础是比例控制；积分控制可消除稳态误差，但可能会增加超调；微分控制可加快大惯性系统响应速度及减弱超调趋势。运用“傅立叶变换”将流量波动波形及投放进度波形进行数学拟合的基础上来做预测。
优点：引入Pid算法后，对广告消耗速度的控制更加的细腻，不会出现到临界点突然展示机会瞬间大幅度变化的情况。对广告超投有非常大的帮助，可以拉长广告的投放时间，帮助广告预算在投放时间内，根据需求均匀的消耗掉预算，减少流量过大广告预算极端时间内就被消耗殆尽的情况。
缺点：需要比较强大的算法团队和大数据团队。无法根据流量的变化动态调整投放速度，有可能使高价的广告主过早的退出竞价市场，不利于平台整体收入的最大化
4.2.2 Budget pacing
Pacing算法简单的说，是根据历史流量占比预估预算分配，使广告覆盖的有效用户尽可能的多。具体做法是在算法中引进广告排序参数，参与传递率PTR，通过rt 智能步调调整消耗速度，使消耗根据流量的变化同比消耗。目标是使消耗分布曲线无限接近流量分布。
算法的主要思想是：根据整体的流量及交易情况分配展示。旨在一天时间内平均分配每个广告投放的展示次数。
①对于每个广告系列，我们都可以获得白天可见的曝光流量模式的预测，根据预测，我们可以确定一个预算分配计划。此分配计划是根据投放的预算与预测的可靠流量根据比例确定的。
②在运行时，我们会密切监控每个广告系列的广告投放量，如果这个投放的消耗比分配快，我们将调低他们的展示概率，不允许他们参与某些竞价。
Budget Pacing的两种策略：
（1）Bid modification（调整出价）
（2）probabilistic throttling（调整竞价的概率）
4.2.3 概率控制
概率算法是一种比较简单的算法，由广告策略产品经理制定，根据实际消耗占目标消耗（限额）的比例，确定广告被检索的概率。当实际消耗快逐渐接近目标消耗时，广告被检索的概率逐步降低。以此减少下线指令发出前广告被检索的数量。
优点：对算法的要求相对简单，人员成本较低，小公司也可以实现，并且有相当有效的作用。可以在很大程度上减少超投现象
缺点：控制过程粒度较大，容易造成广告预算不够平滑，前期消耗很快，后期消耗很慢。只能解决超投的问题，但是无法帮助广告主优化投放效果。
4.3 广告预下线
4.3.1 方式一：设定阈值buffer
预估广告的消耗，然后设定一个预算余量的buffer，如果快要达到下线的阈值，就需要做提前下线。比如：如果设定了到达预算的80%为要下线的buffer，那么当消耗到达了这个值的时候就把广告下线。这个时候尽管发出了下线的通知，但是其实可能还在继续投。
4.3.2 方式二：广告消耗预估
这种方式就依赖于消耗计算的实时性以及消耗预估的准确程度。在预计某些计划快要达到预算上限的时候，应降低它们的投放速度，从而使计划平滑地到达预算上限。
需要注意的是：因为已经投放出去的广告会停留在用户界面上，用户依然可以对它进行操作。这种行为的滞后性会让短时间内的广告消耗难以准确地衡量。而这种自然延迟是不可避免的，我们唯一能确信的只有广告投放事件。
5，业界对于超播的常规做法
5.1 广告主投放后台的角度
最小预算不能低于一个数值，比如50。因为预算越小，算法可以发挥的调节作用就越小；
那么有个问题就是，就是这里的防止商户作弊的最小预算和预算门槛之间的关系是什么？各个行业也肯定不同，所以如果要建立这么一个标准在的话，应该如何划分这个标准？
建议广告主不要频繁修改出价和预算。不仅会破坏算法的训练过程，而且在出价和预算的过程中会造成算法调整的一段盲区，导致超投。
当广告主调小预算时，设置一个限制，比如，如果即时生效，则调整的预算下限需要大于消耗金额的某个值。或者直接调小金额第二天生效。
5.2 从广告工程及算法侧的角度
该图参考自LinkedIn的论文（见文末的参考文献说明）
Reference：
1，《Smart Pacing for Effective Online Ad Campaign Optimization》
2，《Budget Pacing for Targeted Online Advertisements at LinkedIn》
3，http://www.woshipm.com/pd/2095328.html
