如何看待平台的流量集中？
最初的列表排序主要依據的是直播間的使用者數及留存等因素，加上一些運營策略，諸如置頂，pgc內容優先等，上線後基本可以滿足挑選出質量較高主播的目標。但隨著使用者量的增長，頭部集中的問題就慢慢顯現出來了，大部分使用者集中在少數幾個人的直播間裡，其它的直播很難被看到，也就是大家常說的「馬太效應」。如下圖所示，人數多的直播間都在靠前位置。
rpm (revenue per mille impressions，千次**收益)利用rpm來作為主播**價值的衡量指標。然後根據流量集中的直播間在這個資料上的表現，來判斷出目前平台中流量集中的好壞。
據此，我們看了下平台排序top直播間的rpm，特別是一些置頂直播間的rpm，結果發現遠遠低於平台均值。這就說明了，我們的頭部主播已經被過度**了，我們給他的**沒能換回相應的收益。由此可以判斷，流量集中已經給我們的平台帶來了問題，我們的流量沒有得到最有效率的利用。
如何解決流量集中？
通過前面的分析，我們知道我們的頭部主播的rpm是低於平台均值的。這也從側面說明了我們的使用者對於頭部主播的喜愛沒有我們預想中的那麼理想，於此同時使用者的人均進房間數也在增長，說明，很多使用者在不停的尋找主播，我們的頭部主播可能已經讓他們感到膩了。基於此，一方面修改之前的運營策略，盡量控制置頂行為，取消pgc內容優先的規則等；另一方面在產品邏輯上我們能自然想到的辦法就是:
控制頭部主播的**，增加中尾部主播的**實現這個辦法的策略有很多。最初我們採用了特別粗暴簡單的一種：隨機抽取。我們將平台的主播按照已有的評分進行排序，之前的排序策略是所有人都會看到這個排序中所有的主播，當然這種情況下，大部分人都只會看到排名比較靠前的主播。因此，我們將這個排序分成若干段，從定義上將主播分為了大主播，中主播，中小主播，小主播等幾個級別。然後從這幾個級別的主播中隨機抽取部分組成乙個使用者的列表。這樣達到的狀態是每個人都會增大機率看到各種型別的主播，特別是本來很靠後的主播；同時又因為從每一種主播中隨機抽取，從而使的本來被所有人都能看到的大主播，變成了只有部分人可以看到，這就起到了限制大主播**的作用。我們可以定義幾個衡量這種流量分散效果的指標
第乙個人進直播間的平均耗時
怎麼才能更合理？
這樣粗暴的流量分散後，的確解決了頭部過度集中的問題，但是我們的目標不是把流量分開，這只是手段，目標還是優化千次**的收益（rpm），去盡可能的提高整體rpm均值。讓流量分配的更為合理。
為此，我們覺得所有的主播都應該存在乙個合理**的值，這個合理的**正好保證他所能帶來的rpm是最大的，和現實社會中對應上就是，范冰冰這樣的大明星就該擁有較大的**，因為她能hold住，乙個小網紅可能就會少一點，然後乙個普通鄰家小妹子可能有幾個附近的**就可以了。因此，我們可以建立乙個主播所對應的合理**量，那麼問題就轉化為如何確定乙個主播的合理**量。
對於主播合理**量的確定，可以採用增量測試的辦法，所有來平台開播的主播都給予乙個基礎的流量**，然後可以得到乙個考核的指標，就像考試一樣，給乙個分數，如果分數不錯，那麼就再增加**，如果依然表現不錯就繼續增量**，如果表現一般或不行後就停止流量的增加。以此來動態確定乙個主播的合理**量。
乙個主播的合理**量確定後，就需要合適的辦法去達到這樣的**，方法可以有很多種，這裡簡單介紹一種思路，學過控制理論的人都知道，閉環控制最基礎的是得到乙個反饋量，有了反饋後才能通過控制演算法確定控制輸出。在這裡可以簡單套用這種反饋的思路。如下圖所示，
合理的**量為u,y為實際已有的**量，e為實際**和合理**的差值，我們可以把這個差值融入到直播間在列表排序的分值中去，這樣，沒達到合理**量的直播間差值e就會很大，該直播間在排序中就會靠前，如果達到了合理**量，甚至超過了，那麼誤差e為零或負值，就會降低原有的排序值，降低排序，從而減少了**。
總結&後記
上述主要解釋了如何判斷流量集中的好壞，以及在流量集中造成不好影響時，如何進行流量的分散以及如何合理的分配流量。具體可操作的方式有很多，至於何種好，還是看其對流量最核心優化目標rpm的提公升，在具體操作中，也需要通過不停的灰度試驗去調節相關的引數。而且上述的所有思路都是在沒有考慮個性推薦，假設所有流量是無差別的基礎下做的。想必到這，大家也會覺得，個性推薦是提公升rpm，合理分配流量的下一步。的確，個性推薦就引出了下乙個話題，如何精準的實現流量分配。在這裡就不多說了，具體的後面再總結。
《計算廣告學》
移動直播app軟體直播平台怎麼建立
一 研究背景 二 概念界定 二 移動學習 移動學習 mobile learning 是一種在移動計算裝置幫助下的能夠在任何時間 任何地點發生的學習，移動學習所使用的移動計算裝置必須能夠有效地呈現學習內容並且提供教師與學習者之間的雙向交流。移動學習的特點是 移動性 情境性 及時性 跨時空性 互動性 普...
移動直播元年 內容單一，80 流量靠網紅主播
2016年被譽為 移動直播元年 中國的網路直播使用者已經超過3億，巨頭攜資本入場 相關企業接踵轉型 幾百家創業平台湧入 然而這一領域在搶盡風光的同時也爭議最大，大部分內容以網紅為主形式單一，真正能夠創造價值的內容數量寥寥無幾。雖然不少平台開始嘗試新聞直播 綜藝直播 財經直播等內容的打造，也未帶來顯著...
Linux平台下程式記憶體的分配
程式記憶體分配 1.棧區 stack 由編譯器自動分配釋放，存放為執行函式而分配的區域性變數，函式引數，返回引數，返回位址。其操作方式類似於資料結構中的棧。2.堆區 heap 一般由程式設計師分配釋放，若程式設計師不釋放，程式結束時可能由os 分配方式類似於鍊錶。3.全域性資料區 存放全域性變數，靜...