小红书广告投放价格，纳米AI搜索，新一代智能答案引擎

一、小红书广告投放机制的各个环节 （一）投放渠道 小红书的广告投放有多种渠道，例如“发现feed”、“搜索feed”等渠道。在这些不同渠道中进行广告投放，可以更大范围、更高概率地触达潜在用户，从而达到推广商品、服务消费者的目的，但不同渠道也有各自特点，需要不同的投放策略与配置。 （二）投放策略配置 1. 预算：商家需要明确总的广告投放预算。例如在全站智投中，商家给定整体预算（如1000元）以及目标成本（如互动成本2元）即可开展推广，并且这个预算会同时在发现feed和搜索feed场景被消耗，不同场景的流量价格和效果存在差异，所以合理的预算分配很关键。 2. 关键词：在“搜索feed”场景下，关键词决定了广告是否被触发以及投放效果。如果关键词选择过于宽泛，搜索结果不精准，投放效果不好；若过于精准又拿量不够，所以关键词的圈选是一个难点。 3. 定向：在“发现feed”场景中，人群定向的选择是影响投放效果的重要因素。定向不准确会使广告投放不能精准地触达目标人群，导致广告效果不佳。 4. 出价方式：不同的出价方式影响拿量和成本。例如传统的点击出价方式往往难以平衡拿量和目标成本。 二、小红书现有算法在广告投放中的作用 （一）智能圈词算法（针对搜索feed中的关键词选择） 1. 工作原理 - 采用“召回 + 优选”两段式架构。召回阶段主要通过内容理解和用户行为建模两种方式结合挖掘潜在关键词。内容理解方面，对广告物料内容深入分析，利用核心词提取、语义理解、多模态表示学习等技术，提升物料信息抽取有效性来挖掘高精准关键词；用户行为建模方面，借助图神经网络特征提取和关系推理能力，利用平台内用户行为信息，挖掘更具意图扩展性的关键词。优选阶段将其建模成E&E（&）问题，保证所有候选关键词都有概率被圈选，根据投放反馈调整圈选概率，在保证广告投放效果的同时，降低客户投放门槛。 （二）智能定向算法（针对发现feed中的人群定向） 1. 采用（LTR）方式 - 从客户视角，让客户逼近全流量参竞，为智能出价留出更大优化流量的空间，提升广告投放效果。从流量视角，提高竞价链路的顺畅度，提升流量分配效率。具体在召回阶段根据广告最终排序采用LTR 建模，将复杂排序问题化简为下发率（pSend）预估问题；模型设计采用经典双塔结构，在满足召回性能要求的同时，优化模型预估的准确率。 （三）全自动带约束的最优化出价方案（MCB） 1. 作用 - 商家给定优化目标、预算和目标成本，平台就可在流量粒度上实现高效出价，实时考虑计划的整体预算进行调控，确保广告投放成本效益最大化，解决传统点击出价方式难以平衡拿量和目标成本的问题。 （四）智能预算分配算法 1. 根据场景调整预算 - 根据各场景（如发现feed和搜索feed）的预算消耗率和投放成本，动态调整预算分配比例，在预算和成本约束下最大化投放价值，提高广告投放整体效果。 三、基于算法构建全站自动化投放的框架 （一）运用全站智投工具启动自动化投放 1. 输入基础信息 - 商家只需给定整体预算以及目标成本，例如设定总共1000元预算，希望互动成本为2元，平台基于这些输入作为启动自动化投放的基础参数2()。 （二）各算法协同工作 1. 智能圈词 - 在搜索feed场景下，智能圈词算法基于物料内容理解、用户行为分析、E&E优选等技术，自动为广告物料圈选优质关键词，为搜索场景下的广告触发提供精准关键词保障2()。 2. 智能定向 - 在发现feed场景下，智能定向算法采用（LTR）的方式，优选符合目标人群的流量进行参竞，提高展示投放精准度2()。 3. 智能出价 - 通过全自动带约束的最优化出价方案（MCB），平台在流量粒度上实现高效出价，根据商家设定的优化目标、预算和目标成本，平衡拿量和成本，实现成本效益最大化。 4. 智能预算分配 - 智能预算分配算法根据各场景（如发现feed和搜索feed）预算消耗率和投放成本，动态调整预算分配比例，确保整体预算合理分配并最大化投放价值。 四、实现全站自动化投放过程中可能遇到的挑战及解决方案 （一）挑战 1. 算法优化持续依赖大数据 - 小红书的智能算法依赖大量用户数据进行持续优化。如果数据的数量或质量不达标，可能影响算法的准确性和有效性。例如，若新开启的小众品类广告投放，可能初期因为数据少而导致算法效果没有那么理想。 2. 平台内容和用户兴趣多变 - 小红书平台内容生态丰富，用户兴趣变化频繁。智能算法可能会面临跟不上用户兴趣快速转移的风险，导致投放定向或关键词的选取不能及时满足用户需求。比如某个热门话题突然爆火，如果算法未能及时识别相关内容与广告的关联，可能会错过流量红利。 3. 流量成本波动影响预算分配 - 不同场景的流量价格和效果存在差异，流量成本并非恒定不变。当流量成本出现大幅波动时，如何让智能预算分配算法快速适应并合理分配预算，满足投放成本和效果的双重需求是一个挑战。 （二）解决方案 1. 强化数据收集与管理 - 不断扩大数据来源，包括新用户注册数据、新的用户行为数据、更多样的广告物料数据等。加强数据清洗和筛选，提高数据质量，如剔除无效的浏览数据、异常的点击行为数据等，为算法提供更准确的数据基础，适应不同投放品类需求。 2. 实时关注内容与用户反馈 - 算法研发团队设定对平台热门话题和新兴趋势的监测机制，基于热门话题挖掘关键词变体以及相关联的人群定向趋势，及时更新算法中的关键词库和定向模型，以适应平台内容和用户兴趣变化。同时，积极收集用户对广告的反馈（如赞、评论、举报等）来调整算法优化方向。 3. 灵活预算调控策略 - 为智能预算分配算法设置动态调整系数，根据流量成本波动的历史数据以及实时监测信息，快速重新计算每个场景的预算分配比例。例如，如果发现某场景流量成本突然上升且效果不佳，可以更快地减少该场景的预算投入比例。

云衔科技是一家专注于企业数字化广告营销解决方案的服务商。公司凭借深厚的行业经验和专业技术能力，致力于为企业客户提供全方位、更高效的数字化广告营销与运营服务。