广告里的程序化交易，到底在交易什么？
很多人第一次听到“程序化交易”这个词，是在股票或者期货市场。电脑自动下单，毫秒级买卖，人不用盯着屏幕。广告行业也有程序化交易，它买卖的不是股票，也不是螺纹钢，而是你打开手机App时那个一闪而过的广告位。
把这件事拆开看就简单了。你刷短视频，App会向广告交易平台发一个信号：这里有个用户，正在看美食视频，位置在北京，用的手机是iPhone。广告交易平台把这个信号丢给一堆广告主，广告主背后有算法自动出价，谁出价高，谁的广告就展示给你。整个过程在100毫秒内完成，你还没反应过来，广告已经出现在屏幕上了。
这就是广告程序化交易的核心：用机器自动买卖广告展示机会。每一次展示都是一个独立商品，价格实时浮动，买卖双方都是算法在决策。
它和股票期货的程序化交易像不像？
像，而且底层逻辑几乎一样。股票程序化交易是算法根据行情数据自动发单，广告程序化交易是算法根据用户数据自动出价。两者都依赖低延迟系统，都做实时竞价，都用历史数据训练模型来预测下一步。
不一样的地方在于交易标的。股票期货交易的是标准化合约，一手就是一手，价格公开透明。广告交易的是“展示机会”，每一次展示的质量千差万别。同一个人，早上看新闻和晚上刷娱乐视频，广告价值完全不同。同一条广告，给男性看和给女性看，转化率能差好几倍。
股票程序化交易赚的是价差，广告程序化交易赚的是转化。股票交易者关心买完能不能更高价卖出，广告主关心买完这个展示能不能带来点击或者下单。所以广告算法要预测的不是价格走势，而是点击率、转化率。
实时竞价是怎么跑起来的
拿一个具体场景走一遍。你打开一个新闻App，页面还没加载完，App已经向广告交易平台发了一个竞价请求。请求里带着你的设备信息、地理位置、正在看的文章分类。
广告交易平台把这个请求转发给多个需求方平台。每个需求方平台代表一群广告主。这些平台上的算法在几毫秒内判断：这个用户值多少钱。判断依据是历史数据——类似用户以前点过什么广告，买过什么东西。
算法给出一个出价，比如0.5元。所有需求方平台把出价报回广告交易平台。价高者得。赢家把广告素材发过来，App展示出来。从你点开文章到广告出现，全程不到200毫秒。
这个链条里，股票期货交易者熟悉的术语全都能对应上。广告交易平台就是交易所，需求方平台就是券商，广告主就是交易员，算法就是交易策略。区别在于股票交易所有统一规则，广告交易平台有几十家，规则各不相同。
为什么广告主愿意用程序化交易
手工买广告是什么样？媒介采购人员跟媒体谈好一个价格，包下一段时间的广告位。比如首页横幅包一周，价格固定。这种方式的问题是，你不知道这一周里到底哪些人看到了广告。可能一半展示给了一辈子不会买你东西的人。
程序化交易把这个问题解决了。算法可以只对特定人群出价。卖母婴用品的广告主，只对最近搜索过奶粉的用户出高价，对其他用户出低价甚至不出价。同样的预算，花在更可能转化的人身上。
数据能说明问题。手工投放的广告，转化率通常在千分之一到千分之三。程序化投放加上精准定向，转化率能提高到百分之一以上。对于每天花几十万广告费的电商，这个差距就是生死线。
股票期货交易者能从中借鉴什么
做股票期货程序化交易的人，看广告程序化交易会觉得很亲切。两者都在解决同一个问题：在极短时间内，根据不完整的信息做出最优决策。
广告算法面临的信息更嘈杂。股票行情数据是结构化的，价格、成交量、时间戳，清清楚楚。广告数据里混着大量噪声，用户误点击、机器刷量、数据延迟。广告算法必须学会在脏数据里找信号。
股票期货程序化交易有回测，广告程序化交易也有回测。区别在于广告回测的样本偏差更大。股票历史行情不会变，广告的历史用户行为会变。昨天有效的定向策略，今天可能就失效了。所以广告算法迭代速度比股票算法快得多，很多模型每天都要重新训练。
风控逻辑也相通。股票程序化交易有最大回撤限制，广告程序化交易有预算消耗上限。算法不能因为一个看起来很好的机会就无限出价，必须设置单次出价上限和每日预算上限。这跟期货交易里设置止损是一个道理。
普通人需要关心这件事吗
你每一次刷手机看到的广告，背后都有这套系统在运转。它决定了你看到什么广告，也决定了广告主花多少钱。理解这件事，至少有两个好处。
第一，你知道自己的注意力是怎么被定价的。广告算法根据你的行为数据判断你值多少钱。你越频繁地点击某类广告，这类广告对你的出价就越高。反过来，你如果从来不理某类广告，算法会降低出价，这类广告就慢慢消失了。
第二，如果你做股票期货程序化交易，广告程序化交易提供了一个不同的视角。股票算法追求的是预测价格，广告算法追求的是预测行为。预测行为比预测价格更容易，因为人的行为有惯性。这个思路可以反过来用在股票上——不是预测股价，而是预测市场参与者的行为。
广告程序化交易不是什么黑魔法，它就是一套自动买卖系统，跟股票期货的程序化交易同宗同源。交易标的从合约变成了展示机会，决策依据从行情数据变成了用户数据，核心逻辑没变：用算法在极短时间内做出比人更好的决策。
