KNOWECON WIKI

ARTICLE

广义第二价格拍卖

广义第二价格拍卖 (Generalized Second-Price Auction, GSP) 广义第二价格拍卖（Generalized Second-Price Auction，简称 GSP）是一种在互联网搜索引擎竞价排名广告中广泛使用的多物品拍卖机制。在该机制中，广告主对搜索关键词的广告位进行投标，按出价高低排序获得不同位置的广告展示机会，但每个胜出者

浏览 0 更新 2025-10-29

广义第二价格拍卖 (Generalized Second-Price Auction, GSP)

广义第二价格拍卖（Generalized Second-Price Auction，简称 GSP）是一种在互联网搜索引擎竞价排名广告中广泛使用的多物品拍卖机制。在该机制中，广告主对搜索关键词的广告位进行投标，按出价高低排序获得不同位置的广告展示机会，但每个胜出者支付的不是自己的出价，而是排在其后一位广告主的出价。GSP 机制由谷歌于 2002 年率先引入 AdWords 系统，替代了此前效率低下的第一价格拍卖，至今仍是全球搜索引擎广告市场（年规模超 2000 亿美元）的核心定价机制。

机制描述

GSP 拍卖运行于多个广告位和多个投标人环境。设有 KK 个广告位，位置 k=1,2,…,Kk = 1, 2, \ldots, K 的点击率（Click-Through Rate, CTR）为 αk\alpha_k，通常 α1>α2>⋯>αK\alpha_1 > \alpha_2 > \cdots > \alpha_K，反映高位广告获得的关注递减。每个广告主 ii 对单次点击的私密估值为 viv_i（即愿意为一次点击支付的最高价格），并提交出价 bib_i。

拍卖过程分为两步：排序——将所有出价从高到低排序，出价最高的 KK 名广告主按顺序获得广告位 11 至 KK；定价——位置 kk 的获胜者每次点击支付排在其后一位（即位置 k+1k+1）获胜者的出价 b(k+1)b_{(k+1)}，最末位获胜者支付保留价格（reserve price）rr。因此，位置 kk 获胜者的单次点击支付为：

pk=max⁡{b(k+1),r}p_k = \max\{b_{(k+1)}, r\}

其中 b(k)b_{(k)} 为第 kk 高出价，rr 为搜索引擎设定的最低价格。

这一命名源于其与经典维克里拍卖（Vickrey Auction）的类比：维克里拍卖中单一物品的胜者支付第二高出价，而 GSP 将这一"支付次高出价"的逻辑推广到多个物品和多个差异化位置。

与维克里-克拉克-格罗夫斯机制的对比

GSP 并非VCG机制（Vickrey-Clarke-Groves），这一区分至关重要。在 VCG 机制下，位置 kk 的获胜者应支付其占用该位置对其他投标人造成的外部性总和，即：

pkVCG=∑j=k+1K+1b(j)(αj−1−αj)/αkp_k^{VCG} = \sum_{j=k+1}^{K+1} b_{(j)}(\alpha_{j-1} - \alpha_j) / \alpha_k

其中 αK+1=0\alpha_{K+1} = 0。VCG 支付反映了位置 kk 的广告主将第 k+1k+1 至 KK 名广告主分别向上推移一个位置所导致的总点击损失价值。

GSP 与 VCG 的核心差异在于：GSP 中每个位置的支付仅取决于下一个出价，而 VCG 中的支付是多个出价的加权和。这意味着在 GSP 下，真实出价并非占优策略——广告主有动机策略性地调整出价以获取更高的净剩余。这与维克里拍卖中"说真话"是占优策略的性质截然不同。

均衡分析

尽管 GSP 不满足真实出价占优，Edelman、Ostrovsky 和 Schwarz（2007）以及 Varian（2007）的开创性研究证明，GSP 存在一组局部无嫉妒均衡（Locally Envy-Free Equilibrium, LEFE）。在该均衡中，没有广告主愿意与相邻位置的广告主交换位置并支付其对应的价格。形式化地，对任意相邻位置 kk 和 k+1k+1 的获胜者 ii 和 jj，满足：

αk(vi−pk)≥αk+1(vi−pk+1)\alpha_k (v_i - p_k) \geq \alpha_{k+1} (v_i - p_{k+1})
αk+1(vj−pk+1)≥αk(vj−pk)\alpha_{k+1} (v_j - p_{k+1}) \geq \alpha_k (v_j - p_k)

在此类均衡中，GSP 产生的收入与 VCG 收入完全等价——搜索引擎从 GSP 获得的总收入等于从相同出价下 VCG 机制获得的总收入。这一"收益等价"结果（Revenue Equivalence）为 GSP 在实际应用中的成功提供了坚实的理论基础，因为搜索引擎关心的收入结果与理论上最优的 VCG 机制一致。

然而，GSP 存在多重均衡问题。除了无嫉妒均衡，还存在低效均衡，其中广告主通过反复博弈形成"轮换"（bid rotation）或"边缘出价"（edgeworth cycle）模式，类似寡头市场中的默契合谋，这可能降低搜索引擎收入和分配效率。

实践中的 GSP

Google AdWords 的实践中，GSP 机制经过了重要修正，演化出质量分（Quality Score）加权规则。广告排名不再仅由出价决定，而是由出价与质量分的乘积（即广告评级 = 出价 × 质量分）决定。质量分综合评估广告相关性、预期点击率和落地页体验。这一改进将 GSP 从纯价格竞争转变为多维竞争：低质量广告主需要大幅提高出价才能获得好位置，从而激励广告主提升广告质量，改善用户体验。

中国搜索引擎百度的竞价排名体系在实践中也采用了类似 GSP 的加权机制，但由于早期缺乏质量分而仅按出价排名，曾引发关于医疗广告误导消费者的广泛争议。这一对比凸显了 GSP 机制设计中质量权重的重要性。

理论局限与扩展

GSP 的理论局限包括：首先，局部无嫉妒均衡依赖于广告主估值独立且对称的假设，当广告主对不同位置有异质性偏好时均衡特征更为复杂；其次，GSP 假设广告主完全理性且完全信息，但实践中的频繁出价调整和 A/B 测试行为表明学习动态至关重要；第三，GSP 未考虑广告主预算约束——引入预算后竞价策略变得更加复杂，可能出现"预算节奏"策略以在一天内均匀消耗预算。

后续研究将 GSP 扩展至多关键词拍卖、动态博弈和机器学习驱动的自动竞价环境，其中强化学习算法间的策略互动构成了新兴的理论前沿。尽管存在这些复杂性，GSP 依然是信息经济学与产业组织理论交叉领域的经典案例——一个看似不完美的机制，在正确的均衡选择下实现了与完美理论等价的实际结果。