多臂Bandit

多臂Bandit（Multi-armed Bandit，MAB）是用户增长与营销优化方法论中用于多目标优化的算法框架，特别适用于在用户增长-实战技巧中提到的多目标优化场景。

基本概念

多臂Bandit源自赌场中”单臂老虎机”的概念，核心问题是：

• 面对多个选择（臂），每个选择有未知的收益分布
• 需要在”探索”（尝试不同选择以了解其收益）和”利用”（选择已知收益最高的选择）之间取得平衡
• 目标是最大化总体收益，而不仅仅是找到最优选择

与传统A/B测试的区别

多臂Bandit	传统A/B测试
动态分配流量	固定分配流量
探索与利用并行	先探索后利用
可处理多个策略	通常比较两个策略
更快收敛到最优策略	实验周期较长
更适合短期目标优化	更适合验证长期效果

常用算法

1. ε-贪心算法

   • 以ε的概率随机探索，1-ε的概率选择最优臂
   • 简单易实现，但探索策略较为粗糙

2. Thompson Sampling

   • 基于贝叶斯推断，对每个臂的收益分布建模
   • 根据后验分布采样来选择行动
   • 性能优秀，理论保障好

3. UCB（Upper Confidence Bound）

   • 考虑估计值的不确定性，选择上置信区间最高的臂
   • 平衡探索与利用，有良好的理论保证

在营销中的应用

多臂Bandit在用户增长与营销优化方法论中的应用：

1. 营销策略优化

   • 同时测试多种文案/创意/渠道
   • 自动将更多流量分配给效果好的策略

2. 用户分群与干预组合

   • 探索”最优人群-干预”组合
   • 解决Top-K排序与灰度精准投放中的多策略问题

3. 实时优化

   • 在AB回流闭环与迭代优化中提供更快速的反馈
   • 减少对低效策略的资源浪费

实施建议

1. 上下文Bandit

   • 考虑用户特征（上下文）信息
   • 为不同用户提供个性化的最优策略

2. 分层Bandit

   • 先优化大方向策略
   • 再优化具体执行参数

3. 与Uplift结合

   • 将Uplift建模的结果作为Bandit的先验
   • 加速收敛到最优策略

多臂Bandit是实现精细化、自动化营销优化的强大工具，能够显著提高资源分配效率和营销ROI。