市场营销系学术讲座系列2026年第3讲

来源：市场营销系

主  题：线性规划在赞助广告排序中的作用: 来自大规模实地实验的证据

主讲人：朱玉婷（新加坡国立大学商学院助理教授）

时  间：2026年5月18日（周一）上午9:00

地  点：中关村校区明德商学楼1007室

语  言：中文

讲座摘要：

赞助商品广告是在线市场平台的主要收入来源之一。这类系统中的一个关键运营挑战是赞助列表排序（Sponsored Listings Ranking, SLR）问题，即如何决定展示哪些商品以及如何对其进行排序，以在短期收入与长期相关性和用户体验之间取得平衡。当前行业实践主要依赖基于评分（score-based）的算法，通过构建启发式的综合评分对商品进行排序，从而在严格的实时延迟约束下实现高效决策。然而，这类方法对不同目标之间的权衡缺乏精细控制，也难以灵活纳入额外的运营约束。本文提出并评估了一种基于线性规划（Linear Programming, LP）的算法，作为基于评分方法的一种原理性替代方案。我们首先将 SLR 问题形式化为一个带约束的混合整数规划（Mixed Integer Programming, MIP）模型，并开发了一种基于对偶的算法，能够在 0.1 秒内近似求解其线性规划松弛（LP relaxation），从而满足生产系统对实时延迟的要求。在与一家领先在线市场平台合作的背景下，我们开展了一项为期 19 天的现场实验，覆盖约 3.29 亿次展示（impressions）。实验结果表明，与行业标准基准算法相比，基于 LP 的算法在关键市场指标上表现显著更优，同时实现了更高的收入并保持了广告相关性。机制分析进一步发现，当收入与相关性之间的权衡更为显著时，该算法带来的性能提升最为明显。此外，我们提出的框架还能够推广到包含库存约束、销售约束或公平性约束的场景，为在线广告排序提供了一种灵活且可部署的优化范式。LP 排序算法已于 2023 年 1 月在合作平台的生产系统中正式上线，成为现实在线广告系统中少见的大规模数学优化驱动排序算法的落地应用案例。

主讲人简介：

朱玉婷，新加坡国立大学商学院量化营销学助理教授，同时兼任新加坡国立大学人工智能研究中心客座教授、运筹学与分析研究所客座教授、全球亚洲研究院研究项目负责人，以及新加坡国立大学重庆研究院研究员。她获得麻省理工学院斯隆商学院的量化营销学博士学位、罗切斯特大学的经济学硕士学位、中国人民大学经济学和应用数学双学士学位。朱玉婷当前的研究运用多种定量方法，包括因果推断、现场实验、博弈论、机器学习和优化方法，以在人工智能与大数据时代为当代营销与销售挑战开发商业解决方案。研究成果发表在Management Science，Marketing Science，Marketing Letters等全球顶级期刊上，并多次荣获行业大奖。其中包括2024 年Gary L. Lilien ISMS（国际市场科学学会）营销科学实践大奖。坚持产学研协同创新，推动学术成果向产业实践转化。她担任Marketing Science期刊的编委评审委员会成员。

• 上一篇：市场营销系学术讲座系列2026年第2讲
• 下一篇：没有了