VIOOH是一个**良好的数字户外(OOH)市场。其平台于2018年推出，总部设在伦敦，它旨在为高端市场上的买家和卖家建立联系，使户外广告更*推进。

                                             VIOOH是一家良好的户外广告*

在数字户外和程序化技术*团队的**下，VIOOH正在**户外领域的转型，它通过编程能力和数据的使用，在增强全渠道数字活动方面发挥着重要作用。VIOOH目前已经在15个市场进行程序化交易，未来还会有更多。

问题

VIOOH通过授权媒体为其客户创建户外营销活动。这些媒体所有者拥有大量的广告位库存，他们希望有效地管理这些库存，同时尽可能地满足客户的业务需求。

简单地说，要解决的问题是为每个满足要求的新活动匹配传统“静态”和/或数字面板（库存）的子集。

如何找到较优面板分配是我们需要解决的问题

我们可以把它看作数学中的一个组合问题。面板有很多种组合，但我们想要一个较适合业务目标的选择。然而，要满足所有的目标是非常复杂的。

例如，以下是一个典型的客户需求列表:

在100个面板上播放广告

这个活动需要至少被200**看到

较大预算:10万英镑

地理位置划分:

其中50%的广告面板在伦敦

30%在曼彻斯特

20%在布里斯托尔

近距离定位:至少80%的广告面板在快餐店500米半径范围内

覆盖24-34岁人群的影响较大化

为了满足上述这些要求，我们需要将问题转换为优化程序。需求要么被定义为要较大化的目标，要么被定义为要遵守的限制条件。由于媒体所有者需要不断地模拟活动，并期望在几秒钟内得到解决方案，所以运算速度是我们的主要挑战之一。

优化程序

目标

目标可以是明确的，也可以是隐性的

明确的目标是媒体所有者或其客户要求的数量。例如，广告面板的数量是一个我们试图尽可能接近的数量。这些量是可衡量的，也是我们可以很*地评估运算结果的质量。

另一方面，隐性目标没有可量化的目标。例如地域传播。我们需要尽量将广告面板分布在一个区域内。

约束条件

我们可能遇到两种约束条件：

有些是“软”约束，即允许违反它们以避免不可行的问题，媒体所有者将评估解决方案并决定是否接受。

反之“硬”约束是必须遵守的。例如，户外广告有非常严格的禁止规则。其中一个例子学校旁边不允许有酒类广告。另一个问题是，我们不能在同一个展板上出现两个相互竞争的客户(数字展板通常可以在同一个1小时内轮流播放多达6个广告)。这些限制比任何目标都具有更高的**级，我们可以适当降低目标来满足它们。

乍一看，该程序由23个集合、46个参数、18块变量和29块方程组成。每个问题的大小取决于媒体所有者的库存和要分配的活动数量。

VIOOH技术栈

VIOOH平台由微服务组成。UI和后端应用程序使用一种通用语言(Javascript和Java)。优化程序被封装在Python API中。API以JSON格式从前端应用程序接收所有活动数据(持续时间、合格库存等)。GDX文件的数据准备和创建是使用GAMS Python API执行的。优化程序嵌入在GAMS文件中。

优化解决方案实现为GAMS模型，并与自定义前端通信

结论

一种更简单的方法是使用“greedy algorithm”来解决分配问题。这种方法意味着并不是所有可能的解决方案都要经过评估，而是可以根据目标对小组进行排名，然后根据这个顺序逐一选择，从而找到一个相对不错的解决方案。然而，随着活动的复杂性随着时间的推移而增加，这种算法不可能平衡所有目标，并在所有情况下找到高质量的解决方案。我们的优化程序是一个真正的游戏规则改变者，有了这个，VIOOH能够及时解决非常复杂的营销需求。

北京天演融智软件有限公司（科学软件网）是GAMS软件在中国的授权经销商，为中国的软件用户提供优质的软件销售和培训服务。