WordPress站内搜索代码,如何在eclipse上做网站,新建门户网站的建设自查,微信小程序网站建设推广文 | 申探社本文已获作者授权#xff0c;禁止二次转载一. 导读互联网广告中的出价模式发展经历了许多变迁。从一开始的CPM#xff0c;到CPC出价模式#xff0c;随着Facebook的oCPX (如oCPM/oCPC) 成为了网红#xff0c;之后的双出价#xff0c;激活且付费#xff0c;Face… 文 | 申探社本文已获作者授权禁止二次转载一. 导读互联网广告中的出价模式发展经历了许多变迁。从一开始的CPM到CPC出价模式随着Facebook的oCPX (如oCPM/oCPC) 成为了网红之后的双出价激活且付费Facebook的AEO及VO等等新一代的出价模式也层出不穷。本系列文章会介绍并使用一个较为通用的“四点三率两控制一加强”分析框架对各个出价模式进行解析。相信大家阅读完本系列文章后会对当前最流行的出价模式建立较为全面的理解。本文会先简单介绍CPM/CPC/CPA等基础出价模式的具体商业逻辑随后会介绍“四点三率两控制一加强”中的“四点三率”并引出oCPX。然后会讨论“四点三率两控制一加强”中的“两控制一加强”并分析oCPX激活且付费AEO/VO等智能出价模式。最后分析在联盟RTB和RTA广告中各方利益关系与在大媒体投放平台中的差异。 本系列文章中也会探讨以下几个问题 1) 从CPM到CPC媒体平台和广告主的博弈关系发生了怎么样的变化2) 什么情况下可以使用CPA出价模型3) 为什么有时候广告主反而希望降低点击率4) 在oCPX出价模式中广告主是否应该回传真实的行为数据5) 为什么国内的很多oCPX出价模式会有超成本赔付机制6) 为什么国内的媒体平台对oCPX出价模式的超成本赔付要求广告积累的行为数(例如激活数达到一定的数量才开始赔付?7) 为什么某条自有流量要从oCPC模式转为oCPM8) 双出价是怎么样一种出价方式9) 为什么需要有智能出价产品10) 为什么某条自有流量只有oCPM而某山甲仍旧保留oCPC模式可以选择11) DSP盈利模式有几种每种模式下三方的利益关系发什么了什么变化二. 大媒体广告平台Facebook谷歌等大媒体通常自己建立广告投放平台对自有流量进行变现。这时候媒体同时又是投放平台本文中简称“媒体平台”。1.基础知识 一条互联网广告通常会经过以下的几个过程以信息流为例当用户打开APP时有时会浏览到一条广告广告展现, 缩写为m用户可能会点击这条广告下方的“查看详情”广告点击, 缩写为c在详情页面中用户可能会继续点击“马上下载”广告下载缩写为i之后通过app store或者安卓应用商店下载这个游戏并打开激活, 缩写为a玩了一段时间后可能会花钱买道具付费缩写为p以及后续可能还有更深度的用户行为。CPM广告Cost Per Mille), 是按照广告展现的次数来收费因为每次展现的费用数字很小所以大家约定乘以1000即千次广告展现的费用。如果广告主A的一条广告CPM出价为每千次10元广告主B的一条广告CPM出价为每千次12元那么媒体平台就根据CPM出价进行排序取第一名的广告即广告主B的广告进行展现为了表述清晰假设该广告位只出一条广告后面的讨论也基于这个设定。附CPM里的m其实是千次的意思但是后续发展的CPCCPA等模式里的c点击和a行为都是一种行为的类型所以后来大家后来也习惯用m来表示展现。 CPC广告Cost Per Click), 是按照广告被点击的次数来收费因为单个点击的费用通常已经足够大不用乘以1000了。如果广告主A的一条广告CPC出价为0.3元广告主B的一条广告CPC出价为0.4元这个时候媒体平台并不是直接出CPC出价更高的广告主B的广告因为两个广告的点击率可能并不相同。这个时候媒体平台通常会用点击率预估模型预估每个广告分别的点击率CTR即从m到c的概率p(m-c)再用eCPMCTR*CPC*1000需要乘以1000是因为CPM是1000次展现的价格分别计算得到两条广告的eCPM (estimated CPM)。假设广告主A的点击率CTR_A预估为0.03广告主B的广告CTR_B为0.02那么计算得到eCPM_A 0.03 *0.3 * 1000 9元eCPM_B 0.02 *0.4 * 1000 8元再根据eCPM排序出最高的广告主A的广告。值得注意的是虽然排序按eCPM排但不是按照eCPM来计费的还是按照CPC来计费。也就是说如果这条广告被用户点击了媒体平台会收广告主0.3元。如果没有被用户点击媒体平台不收广告主钱。 行为价格换算公式从m-c-i-a-p的过程中每个行为A的价格等于后续行为B的价格乘以行为A到行为B的比率。例如CPMp(m-c) *CPC * 1000(唯独CPM要多乘以1000CPCp(c-a) *CPA这个是做广告算法最经常用到的公式之一可以将不同行为的价格进行换算后面也会经常用到请熟知。2.“四点三率两控制一加强”里的“四点”竞价点其实不管是CPMCPC还是后续的CPAOCPMoCPC双出价等所有出价模式绝大多数媒体平台最终都是根据换算公式将出价换算成eCPM再对eCPM排序后选择eCPM最高的广告进行展现。这样媒体每个展现机会的收益可以很直接地被度量也能最大化自身的利益。在本文中我们讨论的“竞价点”都在m展现。 计费点即媒体平台最后是按什么的个数来收广告主的钱。例如CPM中是按照展现次数来收费那么计费点就是m。而在CPC广告中虽然按照eCPM排序来决定出哪个广告但是对于出的广告是按照点击次数来收费这时计费点是c。 出价点即广告主在媒体平台的投放后台里填写的是什么价格。在CPM和CPC广告中出价点和计费点是在同一个行为CPM的出价点也是m填写的是千次展现价格, 而CPC广告出价点是c填写的是每个点击的价格。而在oCPX中出价点和计费点是分离的。 考核点在广告投放中广告主真正想要出价的可能不是展现或者点击甚至也不是下载和付费想要的是LTVLife Time Value)即这个用户在使用广告主产品的生命周期内给广告主带来的所有价值。在完美的世界里广告主可以为每1元的LTV出价例如出价0.8元。那么广告主的ROI就是1/0.81.251广告主就可以躺着数钱了。可惜LTV通常很难核算出来也很难量化例如用户即使不付费买道具也可能发挥陪玩玩家的价值。所以广告主在投放的时候通常会找一个在链路中更前置的更好量化的指标来考核投放优化师的工作。例如考核一个付费用户的成本或者七日ROI之类的我们把这个点叫做考核点。后面的分析中我们假设考核点为付费缩写为p实际中可以是别的点但是不影响我们讨论的结论。 如图所示在CPM出价模式下竞价点/计费点/出价点都是m考核点假设在p。而对于CPC出价模式竞价点在m计费点/出价点在c考核点假设在p。对应着四个点的就是三个比率p(竞价点-计费点), p(计费点-出价点), p(出价点-考核点)。CPM/CPC以及本文后续所讨论的所有出价模式其中很大的区别就在于这四个关键点在不同位置。我们只要把这四个关键点和他们之间的三个比率对于三方的利益影响分析清楚了那么就能推广到所有的出价模式。接下来我们逐步引出每个比率以及分析对三方利益的影响。 另外用户网民其实也是一个参与的角色但各媒体对用户的诉求用户体验考虑的程度不一样考虑的方法也不尽相同所以在本文的讨论中只讨论媒体平台广告主三方的博弈。3. “三率”之p(出价点-考核点我们看看在CPM和CPC下广告主是如何设定出价点的出价的 CPM出价模式假设我们在推广一款游戏通过核算得到一个付费用户的获取成本在80元以下就能有钱赚。也就是说广告主或者投放优化师内心有个隐含的付费用户出价即隐含CPP80元后续简称为付费出价。那么广告主会根据之前的投放数据估计一个从p(m-p)的概率假设估计点击率CTR p(m-c)大概0.03p(c-i)大概0.1p(i-a)大概0.4p(a-p)大概0.1那么整个p(m-p)就是0.03*0.1*0.4*0.10.00012,所以有cpm p(m-p)* 隐含付费出价 *1000cpm 0.00012 *80 * 1000 9.6元所以广告主的CPM出价就设为9.6元。 有些投过广告的读者可能会说了“我投放的时候可从来没这么算过”。对实际操作中广告主并不都是显式地这么干他们通常是先设置一个经验CPM然后看报表的付费用户成本付费成本高于80就调低价格如果低于80就调高价格。最后实际上达成的效果和上面描述的是一个意思: 即在广告主的出价中会隐式地包含一个用固定值预估的p(出价点-考核点在CPM中为p(m-p)从而将考核点的出价付费出价换算得到出价点的出价即CPM出价。CPC出价模式也是类似的广告主的CPC出价中会隐式地包含一个用固定值预估的p(出价点-考核点在CPC中为p(c-p)从而将考核点的出价付费出价换算得到出价点的出价即CPC出价 我们发现在CPM和CPC中其实对于其他出价模式也一样适用都会设计到p(出价点-考核点这个比率即出价点CPM的m, CPC的c) 到考核点p) 这一段的比率。接下来我们看看这个比率的真实值的高低和预估值的准确度分别对博弈双方即媒体平台和广告主都有什么利益影响。先放结论再一个一个分析。p(出价点-考核点) 比率真实值高低对媒体和广告主的影响提高p(出价点-考核点)这一段比率的真实值对于求量的广告主在同样付费用户成本下可以换算得到更高的出价点的价格。例如CPM模式中的CPM价格因为cpm p(m-p)* 付费出价 *1000。从而赢得更多的原本不能赢得的展现机会拿到更多的量因此媒体平台的收入也会增加。而对于预算有限不求量的广告主保持出价点的出价不变的情况下获得更多的付费用户ROI提升。 所以在提高p(出价点-考核点)的真实值上媒体平台和广告主是完全利益相同的例如CPM模式下媒体平台会通过优化广告位位置从而提高点击率来提升p(出价点-考核点)。因为利益一致广告主在方面可以信任媒体平台提供的建议和工具。 p(出价点-考核点) 比率预估值准确度对媒体和广告主的影响对于任何一个用户广告主都是显式或者隐式地用固定的一个值虽然会调整但是同一时刻对于不同流量是固定的来预估p(出价点-考核点)从而把付费出价转化成出价点出价。显然事实上每个用户的这个比率是不一样的。因此这个预估值有时候会偏高造成出价点出价过高广告主ROI下降对于媒体平台来说收入增加有时候偏低造成竞价点的CPM值偏低竞价不利不能获得足够的量对于媒体平台来说收入下降。由广告主用固定值预估的p(出价点-考核点)偏高偏低都会让广告主自身利益受损因此广告主有动力通过调整出价来调整这个预估值提高准确度。 4.“三率”之p(竞价点-计费点对于CPC来说和CPM不一样的地方在于计费点和出价点都在c了而竞价点一直在m。因此会有一个p(竞价点-计费点)的率。接下我们探讨这个比率真实值的高低和预估值的准确度对博弈双方即媒体平台和广告主都有什么利益影响。先放结论再一个一个分析。 p(竞价点-计费点)比率真实值高低对媒体和广告主的影响提高从竞价点m到计费点例如在CPC出价模式中是c)这段的真实值对于求量的广告主在同样的付费点出价上可以换算得到更高的CPM。例如在CPC出价模式中CPMCTR*CPC*1000赢得更多的原本不能赢得的展现机会拿到更多的量。因为CPM提高了媒体也获得了更多的收入。 但是对于不求量的广告主不一定是这样了。不求量的广告主在本文中的是指在获得一定的量之后不再追求继续扩大采买量的广告主。这时候有的朋友可能会问只要实际付费用户成本小于根据用户LTV估算出来的可以接受的最高付费用户成本广告主应该是量越大越好才对这样总的利润会更高。为什么会有不求量的广告主呢 比较典型的有两类广告主他们对量的需求到了一定程度就不再增加了一类是小代理或者CP自己。通过广告投出去的钱不能在短时间内收回的需要一个周期例如重度游戏可能需要几个月休闲游戏可能需要几周。对于资金实力不够的小代理公司或者自己投广告的CP自己即使ROI在大于1的情况下预算也是有限制的。二类是服务能力有限的广告主。当采买的量大了之后自己的服务能力更不上。不过在互联网行业因为增加服务能力的边际成本很低通常这种情况较为少见。 为什么有时候广告主反而希望降低点击率那么对于不求量的广告主为什么提高p(竞价点-计费点的真实值对他们没有好处呢一个很容易想到的原因是广告是按照计费点处行为的个数来计费的例如计费点在点击c处没有点击是不收广告主钱的。广告平台从100个展现里带来2个点击还是从10个展现里带来2个点击对于广告主来说都是花一样多的钱带来一样多的点击点击率的提高并没有直接给广告主带来好处。而且在有些情况下p(竞价点-计费点的比率越低反而对不求量广告主来说更好。我们来看一个非广告行业的案例就更清楚了—电信诈骗。 类比问题为什么有些诈骗短信的内容那么拙劣某电信诈骗公司先广撒网群发诈骗短信如果有上钩的回复短信或者电话联系再通过专员的一整套话术进行诈骗。群发短信的成本很低基本上可以忽略类比CPC模式下的展示m而通过专员沟通进一步诈骗则需要占用专员的时间和精力类比CPC模式下的点击c是需要付出成本的。而诈骗公司的人力是有限的需要专员“服务”的人的量必须是有限的多了电话打不过来。因此在这个类比下诈骗公司就是不求量的广告主。 如果诈骗短信太有欺骗性“点击率”很高一些其实不太容易上当的人一时没反应过来也给专员打电话做咨询在专员有限的人力下比如一天接1000个电话最后能“转化”的用户是比较少的。而如果短信像图中这么拙劣“点击率”很低那么只有非常容易上当的人才会给专员打电话那么专员同样是接1000个电话能“转化”的用户机会比较多。 回到互联网广告行业类似地在一些情况下p(竞价点-计费点是和p(计费点-考核点是负相关的。这就是为什么对于不求量的广告主提高p(竞价点-计费点对他们来说不一定有好处甚至可能有坏处的原因。作为媒体平台因为互联网的边际服务成本很低求量的广告主一般占多数所以影响一般不是很大。 p(竞价点-计费点)比率预估值准确度对媒体和广告主的影响和CPM不一样从m到c这一段也就是p(竞价点-计费点这一段的预估是由媒体平台通过机器学习来预估的。每一个用户每一个广告在不同的上下文context)的预估值通常都是不一样的。 如果对某一条广告的预估值偏高那么该广告在竞价点的CPM会比较高因为CPMp(竞价点-计费点* p(计费点-出价点* 出价点的出价抢占了其他广告的展现机会但是实际发生的计费数又少广告平台的收入就降低了。对于广告主来说计费数少计费也会成比例少最终ROI没有明显变化。 如果对某一条广告的预估值偏低那么该广告在竞价点的CPM会比较低竞价队列里不是最优的广告会排到更前面导致广告平台的收入也降低。对于广告主来说拿到的量就少了。 所以我们看到媒体平台对于p(竞价点-计费点的预估越准确收入越高。对于广告主来说主要就是影响拿量的多少相对来说影响较小。 从CPM到CPC媒体平台和广告主的博弈关系发生了什么变化从CPM到CPC对广告主的影响如果考核点在c以及c之后从CPM到CPC广告主的利益得到了很大的保证。原来广告主用固定值预估p(m-c)会非常不准而且不管偏高还是偏低都会广告主的ROI或者量有负面影响。而在CPC中p(m-c)属于竞价点-计费点这一段。这个值点击率由掌握用户特征和label(即c)的媒体平台用机器学习模型预估会比广告主用固定值预估准得多而且如果预估偏高广告主的ROI也不会受到明显影响。所以广告主用CPC比CPM几乎只有好处没有坏处。 对于某些只考核m不考核c的品牌广告主考核点就在m上述分析都不适用了这类广告主不会使用也没有必要使用CPC。 在CPM到CPC对媒体平台的影响如果广告主考核点在c以及c之后从CPM到CPC对媒体来说也是利大于弊的。CPM中p(m-c)是由广告主用一个固定值来预估所有广告的p(m-c)假设广告主预估非常准即用所有广告的均值来当做这个固定值。那么会有近一半的广告高估一半的低估。在一段时间之后广告主会发现预估偏低的很多竞价失败而偏高的容易竞价成功。所以在看报表时投放出去的广告的平均成本是要明显高于出价的。这个时候广告主要达到目标成本就必须要降低这个用来预估的固定值也就是降低出价点的出价,导致大部分的预估都是偏低的也就是媒体平台的收入主要是降低的。而在CPC模式的实际投放数据表明虽然媒体平台承担了p(m-c)预估不准的带来的后果因为不管偏高还是偏低都由媒体平台买单但是因为预估准太多了损失比在CPM中由于广告主预估值明显偏低带来的媒体平台收入下降带来的损失更小。所以综合来看媒体平台在CPC模式下收入也是增加的。 另外比率真实值部分CPC模式下预算有限的广告主在是否提升m-c这一段比例的诉求利益和媒体平台不一致了。还好这一部分影响相对比较小实际投放中CPC对于媒体平台来说还是明显利大于弊。 什么情况下可以使用CPA模型 CPC的成功让人不禁思考一个问题是否可以如法炮制把计费点和出价点移动到a这也就是CPA的模式。 如果a行为的数据也是媒体平台能完全控制完整收集的那么没有问题CPA模式也是成立的。例如媒体平台是淘宝广告主推广自己在淘宝的产品那么淘宝可以完全掌控a的行为那么做CPA甚至CPS是可以的。 如果a行为的数据是由广告主收集的再由广告主自己回传给媒体平台那么把计费点移动到a就会有问题。比如广告主出价是80块一个a行为那么广告主就有动力一直不回传a行为的数据或者克扣部分a行为的数据给媒体平台从而让媒体平台少收了广告主的钱。 所以我们可以得到一个准则 付费点通常不能超过媒体平台完全控制的行为点不能到达由广告主收集的行为点。 5.“三率”之p(计费点-出价点)按上面的分析如果a行为由广告主负责收集那么我们就不能直接按CPA出价和计费p(c-a)这一段的预估还是只能由广告主用固定值来预估根据上面的分析对于广告主和媒体平台都是不利的。p(c-a)这个比率预估的特征数据用户特征和广告特征在媒体平台手里但是label是在广告主手里。所以如果要预估p(c-a)必须有一方让步把数据给另外一方。 通常媒体平台比各个广告主具有更好的数据分析能力广告主把label数据给了媒体平台下面会分析为什么广告主有动力这么做由媒体平台进行p(c-a)来预估。这时候FB创新的oCPX就出现了它把出价点和计费点分离了计费点在m(或c)而出价点在a。 我们可以这么来理解oCPXoCPX计费点和出价点分离连续竞价下的智能出价控制即广告主把行为数据主动给媒体平台由媒体平台免费为广告主提供把出价点价格转化成计费点价格的出价转换服务通过预估p(c-a)的方式。另外媒体平台提供在连续竞价下的智能出价控制服务。连续竞价下的智能出价控制服务后面会详细讨论。 p(计费点-出价点) 比率真实值高低对媒体和广告主的影响p(计费点-出价点越高根据广告主出价点的出价换算到计费点出价再换算到竞价点的CPM出价也会越高广告平台收入提升。对于求量广告主来说这个比率越高换算的CPM出价也越高越容易拿到量。对于不求量的广告主保持付费点出价不变的情况下获得更多的出价点行为ROI得到提升。我们可以发现在提高 p(计费点-出价点比率的真实值上媒体平台和广告主的利益也是一致的。p(计费点-出价点) 比率预估值准确度对媒体和广告主的影响对于由媒体平台用模型预估的预估值如果偏高的话广告主在计费点的出价就会偏高导致ROI下降。如果偏低的话导致换算到竞价点的CPM偏低拿不到量。对于媒体平台来说预估值偏高会换算得到更高的计费点出价和竞价点CPM出价收入增加。而预估偏低的话从出价点换算得到的CPM就比较低了广告队列竞争激烈程度不够媒体平台收入下降。这里我们会发现一个问题由媒体平台预估的p(计费点-出价点)在预估偏高时媒体平台自己是受益的而对广告主不利的。媒体平台短期有动力高估这个比率这个问题怎么解决呢我们会在下一篇文章里详细说明。至此大媒体平台中四个关键点直接的三个比率对博弈双方的影响都已经完整分析过了。各种各样的基础以及智能出价模式其中很大的区别就在于这四个关键点在不同位置。理解这些出价模式的关键之一是把这四个关键点和他们之间的三个比率对于三方的利益影响分析清楚。6.“两控制”连续竞价下的智能出价控制 上面关于“四点三率”的讨论都是基于单独看待每一次竞价而言的分析。在最常用的GSP竞价机制下对于单次竞价广告主只需要出自己能接受的最高价格就是利益最大化的。比如说广告主核算后发现最高可以承受800块1个付费用户按照激活到付费的历史经验大约是0.1那么激活出价就应该填写80元。 但因为投放是一个连续的多次拍卖行为一方面广告主给出的价格是多次竞价的平均价格前期拍卖的结果会对广告主后续能接受的最高价格有影响例如前期买便宜了后面出价可以出高点。另一方面有的广告主也有预算限制。因为这两个原因所以有必要根据过去拍卖的结果对每次的出价进行调整。每个原因对应一种控制。 连续竞价下的成本控制仍旧假设广告主激活出价为80元如果早期通过投放购买到的100个激活只花了每个50元那么其实可以在后面的出价出得更高一些只要最后综合的成本不超过80元就可以提高出价还可以买到更多的量。同理如果之前投放的平均成本到达了120元那么就需要限制出价让最后的综合平均成本降到80元左右。oCPX通常就意味着媒体平台对出价点的出价进行连续竞价下的成本控制让最后的平均成本接近广告主设定的值。 连续竞价下的预算控制这种控制是针对广告主有单日或者周预算限制的情况。例如一天的预算为1万元并且在上午就已经花掉了5000元。那么在后面的竞价里就应该降低出价防止预算太早花完。如果过早花完预算那么晚些时候一些很便宜的流量就没有预算进行购买了没有最小化平均成本。在有限预算下要降低每个行为的平均成本例如激活的平均成本就必须让预算以合理的节奏花掉。不是说绝对的平均花费每个小时花1/24而是让花费和流量的分布差不多一致例如晚上流量高的时候多买点。想做得更好的话可以在流量更便宜的时候多买一些贵的时候少买一些。这就是体现技术实力的地方了。值得注意的是在有些出价产品中当设置了预算控制时广告主无需在投放后台填写出价点的出价而是完全由媒体平台根据预算来设定和调整。 这两个就是我们“四点三率两控制一加强”中的两控制。 现在基本上所有媒体平台的出价模式只要带上“智能出价”smart bidding类似字眼的就意味着至少有这两个控制中的一个。值得一吹的是2014年笔者在一家创业公司做国内第一家移动DSP平台的时候做了出价点和计费点分离也创新地用PID控制实现了这两个智能出价控制功能在出价产品上领先很多大公司虽然这些产品没有被多少人用到过...) 值得注意的一点是在oCPC这个名字里是看不出出价点在哪里的。因此不能唯一确认一个出价模式。在本文中我们可以约定在最后加一个出价点的字母来唯一标示一个出价模式。例如oCPC-A, oCPM-I等等。不过为什么媒体平台都没有这么命名呢因为媒体平台其实没有办法保证广告主回传的是a还是别的什么行为。假设媒体平台想用oCPC-A模式但是广告主其实可以回传不是a而是付费p, 同时在出价里填上一个付费的出价就可以了原本应该填一个激活的出价。这个时候oCPC-A就变为oCPC-P了。 在oCPX出价模式中广告主是否应该回传真实的行为数据 按照上面的讨论出价点的行为数据是广告主自己回传的广告主可以有几种方式不按照媒体平台要求的回传所有的出价点数据我们依次来讨论下对广告主是否有利。 (1) 广告主只回传部分出价点的数据, 例如只回传50% 这种情况下对于该广告主的p(计费点-出价点) 预估会偏小接近1半导致广告主的出价偏低拿不到量。要拿到一样的量就得把出价提升为原来的2倍。这样一抵消在计费点的出价是不变的媒体的收入并没有降低反倒是因为少了一半样本p(计费点-出价点)的预估变得更不准了损害了广告主自己的ROI。国内是由广告主自己归因有些广告主以为归因媒体平台的时候尽量保守对自己会有好处其实是不对的。(2) 广告主回传更深度(或者更浅的数据而不是出价点的数据例如回传付费数据或者下载而不是原来约定的激活数据 这种情况下广告主如果在出价里也填入的是付费出价或者下载那么对于这个广告主而言oCPC-A就变成了oCPC-P或者oCPC-I。遗憾的是如果其他大部分广告主还是回传的激活数那么因为媒体平台在训练p(计费点-出价点模型的时候并不是只用该广告主自己的数据而是也受到其他广告主数据的影响那么这样做会因为训练目标的类型不一致让这个广告主的p计费点-出价点的预估准确度受到负面影响对广告主投放不利。 所以在oCPX出价中广告主按照约定完整回传约定的行为数据其实是对自身最有利的行为。 为什么国内的很多oCPX会有超成本赔付机制 这个问题要从CPC vs oCPC的比较我们用“四点三率”来对照他们的差异。对比CPC和oCPC, 我们只发现一个区别就是谁来预估p(c-a)的区别。但是这也会带来一个很不一样的地方就是在CPC中p(c-a)由广告主预估预估得偏高或者偏低广告主利益都受损。但是在oCPC中p(c-a)由媒体平台预估如果预估偏高媒体平台的收入是增加的偏低则媒体平台收入下降。那么理论上媒体平台就有动机在短期内故意预估偏高不会长期偏高是因为广告ROI下降后会减少投放最终损害媒体平台利益这也是上篇末尾抛出的问题。 因此在国内如某音某手等广告平台在oCPC或者oCPM原理一样都会有超成本赔付机制来自我制约弥补这个机制上的问题。例如广告主用激活出价80元一个转化如果因为媒体平台故意短期内预估偏高导致广告主激活成本超过80元媒体平台都会进行赔付。而在国外FB和Google的广告产品并没有这个赔付笔者个人认为是因为国外的信任机制比较好广告主相信大的媒体平台会考虑更长远的利益即使偶尔会有超成本但是也相信是技术上的原因是投放成本的一部分。而国内因为历史原因比较难建立这样的信任机制所以需要媒体平台自缚双手以示清白。 为什么国内的媒体平台对oCPX的超成本赔付要求广告积累的行为数(例如激活数达到一定的数量才开始赔付? 某音的oCPM赔付要求该广告单元积累10个行为数例如激活数某手也是类似的要求。为什么不能只要超成本就赔付呢 有两个原因 第一个原因是如果没有行为数以下以激活数为例门槛那么广告主有可能会隐藏激活数不上报最后要求媒体平台进行全额赔付因为一个激活都没有。虽然因为广告主不上报激活数媒体的模型会将这个广告单元的预估得越来越低最终为0也就是媒体平台给这个广告主的量越来越少最终完全不给量。但是在早期广告主仍旧能获得不少点击或者激活但是没上报给媒体平台。如果媒体平台不设置激活数门槛而全额赔付就会一直被广告主薅羊毛。而一旦设置了激活数门槛相当于广告主至少需要支付激活出价*激活数门槛的费用。因此只要媒体平台做完全停止给广告主量的时候成本小于上述的广告主最小支付成本那么媒体平台的利益就不会受到损伤。 第二个原因是因为模型学习需要一定数量的样本在没有积累到足够的激活数之前模型预估偏高偏低都是很难避免的这并不是媒体平台刻意为之的行为不应该由媒体平台来单方面承担这部分成本。 为什么某条自有流量要从oCPC模式转为oCPM 某条自有流量的售卖一开始是oCPC模式后来转为了只有oCPM。 我们用“四点三率”的差异来看看oCPC vs oCPM有什么区别我们可以看到从oCPC到oCPM有两点变化: 第一个变化在比率绝对值上不求量广告主原来有动机不提高p竞价点-计费点的比率在oCPM模式下两方动机一致了是一个改进。 第二个变化原来在oCPC模式下原来媒体平台不管预估偏高偏低都会收入下降但是在oCPM下有动机预估偏高了而且会损害广告主ROI但是通过赔付机制可以弥补这个问题。 所以综合来看从oCPC过度到oCPM对广告主没有什么利益损伤对媒体平台来说可以避免不求量广告主主动降低p(竞价点-计费点的问题虽然这个问题在充分竞争的流量上影响很小。这可能是某条从oCPC转向oCPM的其中一个原因。另外某条的产品很多有文字广告图片广告视频广告所以转化链条也很多样有的按点击收费有的按播放3秒收费有的按播放完收费如果统一用m计费也有利于统一管理。但是FB和Google的广告产品还是可以让广告主自行选择oCPM还是oCPC这两者的差异其实并不太大。 双出价是怎么样一种出价方式如图以激活付费双出价为例该出价模式有两个不同的出价点广告主把这两个行为数据都给媒体平台让媒体平台提供免费的出价转化服务。最终转化到计费点的时候也会有两个计费点价格。这两个价格是有冲突的得从这两个价格合并得到一个最终的价格。具体实现就看各家媒体自己的设计了。不过可以确定的是各家媒体平台都会力求保证激活和付费的成本都不超过设定的激活和付费出价。那么这种方式和单按付费出价并保付费成本例如某条的“激活且付费”出价模式有什么区别呢我们来分析一下。如果一批流量激活成本达标付费成本也达标那么这批流量双出价和单付费出价都能拿到。如果一批流量激活成本达标付费成本不达标。那么这批流量双出价和单付费出价都拿不到。如果一批流量激活成本不达标付费成本也不达标那么这批流量双出价和单付费出价都拿不到。如果一批流量激活成本不达标付费成本达标那么这批流量双出价拿不到而单付费出价能拿到。所以激活付费双出价和单付费出价的差异就在于是否要“激活成本不达标付费成本达标”这部分流量。广告主更在意的是付费成本“激活成本不达标付费成本达标”这部分流量广告主是需要的那么为什么还需要有双出价笔者认为原因在于前期付费数据较少付费成本在收敛到付费出价之前会经历较大的波动某个时刻甚至会远超付费出价导致学习期失败或广告主受不了自己关停。而双出价通过放弃了“激活成本不达标付费成本达标”这部分流量实际上是放弃了“激活成本不达标”的所有流量因为早期无法把“激活成本不达标付费成本达标”的流量从“激活成本不达标付费成本也不达标”的流量中区分开来只好一股脑全放弃了来达到降低前期付费成本波动的效果最后可能学习得更稳成功率更高全时间段的综合成本更低。但是到了后期付费数据已经积累够多有能力把“激活成本不达标付费成本达标”的流量和“激活成本不达标付费成本也不达标”的流量区分开了。那么再放弃“激活成本不达标付费成本达标”的流量就会限制广告主能买到的量了。因此对于已经积累到较多付费数据和前期付费成本波动较小的广告可能用单付费出价是更合适的选择。7. “一加强”“四点三率两控制”都讨论完了就剩下一个“一加强”。我们以Facebook的一个产品为例来介绍。 在Facebook应用推广的投放设置页面我们可以看到计费点可以选择为impression出价点可以选择为转化例如可以是激活a, 还可以选择针对某个应用内事件优化Optimiaztion for Ad Delivery App Events这个优化可以是激活后的某个行为例如付费p。那么投放系统会在oCPM-A的基础上尽量优化获得更高的付费数。我们姑且把这个命名为oCPM-A-enhancedP模式。这么一来就在出价点和考核点之间加了一个新的点加强点。假设出价点在a, 激活点在p。那么问题来了为什么媒体平台不直接让广告主在更后端的加强点p出价然后通过预估p(a-p)和其他几个率把加强点p的价格换算成eCPM? 如果是这样就相当于出价点在p, 没有加强点的情况。为什么不这么做呢 回顾一下前面的内容出价点与计费点分离且更靠近链路后端能带来更好的效果前提是媒体平台对p(计费点-出价点)要比广告主隐含地用固定值预估的p(计费点-出价点)要更准才行。但有时候因为数据较少或者其他原因对于p(a-p)这个比率媒体平台用数据预估的比率比广告主隐含地用固定值预估的值更加不准确。那么这一段就不能放到计费点-出价点了。这也就是为什么不能把出价点后移到加强点的原因。 但是媒体平台的数据也不能浪费了可以用来对广告主隐含地用固定值预估的值进行加强enhance即p_adj(出价点-加强点) p_广告主预估(出价点-加强点) * adj(x) ---式1其中x为广告的特征向量。 直观理解媒体平台根据数据判断该广告的p(出价点-加强点)较一般广告高就把出价再调高一些如果p(出价点-加强点)较一般广告低一些就把出价再调低一些。这个价格的再次调整通常会有个范围例如某条的“自动优化”在公开文档上写明是控制在-30%到30%之间即adj(x)的范围在0.7到1.3之间。只要p_adj(出价点-加强点)的准确率大于p_广告主预估(出价点-加强点)那么添加这个加强点就有收益。 媒体平台是无法直接获得p_广告主预估(出价点-加强点)这个值的因为这个值是隐含到出价里的。不过还好也没有必要我们把针对加强点调整后的ecpm记为ecpm_adj则有:ecpm_adj p(竞价点-出价点)*p_adj(出价点-加强点)*加强点出价将式1和 加强点出价出价点出价/ p_广告主预估(出价点-加强点)代入上面ecpm_adj的式子则有 ecpm_adj p(竞价点-出价点)* p_广告主预估(出价点-加强点)*adj(x) *(出价点出价/ p_广告主预估(出价点-加强点))约去后有ecpm_adj p(竞价点-出价点)*adj(x)*出价点出价用这个值作为竞价点排序的ecpm就可以了。从这里我们也知道为什么式1中是把adj(x)简单地乘到p_广告主预估(出价点-加强点)上了因为如果是更复杂的函数上面的推导就不一定成立了。 除了FacebookGoogle的enhanced CPC从文档描述上看也是这类产品另外某条的“自动优化”功能也是将付费作为了加强点的产品。8.“四点三率两控制一加强”总结经过分析会发现绝大多数出价模式都由“四点三率两控制一加强”这几个部分组成当遇到一个新的出价策略我们可以将他们按这几个部分的不同进行拆分方便理解。我们通过分析几个市面上主流公司的出价模式来进行总结。因为考核点对于每个广告主来说不一样和投放平台关系不大没有列出。下表信息均来源于公开的各投放平台后台或者帮助文档中表中app events可以是下载安装激活付费等各种app事件但不能是回收金额。Facebook的计费点中的v表示视频观看完10s或者看完。另外在Facebook的产品中当app events选择不同行为时计费点加强点的选择是有限制的不是都可以选择。Google计费点的m/c这个并没有实锤是我猜测的。腾讯用oCPA来表示出价点在a计费点在m或c的出价模式命名方式不一样和其他公司的模式容易混淆起来注意区分。另外表中所有有预算控制的出价模式广告主都无需在投放后台填写出价点的出价而是完全由媒体平台根据预算来设定和调整。在尽量花完预算的同时最小化出价点的成本。在各家的产品中每个模式还可以配搭几种不同的消耗速度例如某条有均衡投放、优先跑量、优先低成本每家的具体策略不一样我猜测是在成本控制和预算控制的具体实现上匹配了不同的pacing策略和参数。FacebookGoogle也有两档的消耗速度可以选standard和accelerated)快手有两档标准投放均衡投放腾讯两档标准投放加速投放百度有三档标准匀速加速。 表中回收金额表示某段时间内例如一周通过内购或广告的形式产生的广告主收入。当出价点为回收金额时表示每回收1元钱所需要出的价格也就是ROI出价。例如广告主可以对一周内的1元回收金额出价为0.4元则对应的ROI目标就是0.4。Facebook中的ROI优化产品就是大家了解的VOvalue optimization, 根据成本/预算控制的区别对应两个出价模式Value optimisation with min. ROAS和highest value。优化app events的产品就是AEOappevents optimization根据成本/预算控制的区别对应两个出价模式lowest cost其实还有一个target cost控制上稍微有些不一样和cost cap。三. 广告联盟在大媒体平台中媒体和平台是在同一个利益共同体。大媒体平台的内部我们可以认为分为大媒体广告位流量聚合和投放平台三块。但不是所有的媒体都有技术能力来做投放平台也不是所有媒体都有销售能力来对接众多广告主这些小媒体需要共享一套广告投放平台也就是广告联盟。广告联盟的投放平台上也可以实现前面介绍的各种出价模式“四点三率两控制一加强”同样适用。从图中我们可以看到广告联盟平台与大媒体平台最大的差异在于媒体从与投放平台及流量聚合的利益共同体中分离出来了媒体和投放平台之间的利益不再完全绑定那么会因此带来什么变化呢我们来看看“三率”表中发生了什么变化。在表中我们把广告联盟简称为“平台”。所有与大媒体平台对应的表有差异的地方都用黄框圈了出来。因为联盟按一定比例给媒体进行分成所以媒体和平台的利益基本是一致的虽然在分成比例上双方要根据自己的筹码博弈所以上表其实和大媒体平台中的表基本一致主要是“媒体平台”变成了“媒体平台”另外p(竞价点-计费点)和p(计费点-出价点都原来是由“媒体平台”预估现在变成了由“平台”预估。因为联盟平台没有了大媒体里用户的所有行为数据用户的广告行为数据和非广告行为数据只有众多小媒体中用户的广告行为数据没有了非广告行为数据能否比大媒体的投放系统预估得更准就要看这两种数据哪个更加有信息量了。那这么说媒体和平台在联盟模式下利益没有冲突也不是的。为什么某条自有流量只有oCPM而某山甲仍旧保留oCPC模式可以选择 在某量平台上选择投放到某条自由流量时只能选择oCPM模式。但是选择投放到某山甲某条的广告联盟时可以选择oCPM或者oCPC。为什么不干脆统一一下只保留oCPM呢联盟模式下有一个不一样的地方在于p(计费点-出价点偏高时是由平台进行赔付广告主的因为看到是广告主多次竞价后的总体成本例如激活成本是否超过广告主出价的成本所以平台无法把赔付归因到具体的媒体。另外平台要考虑长期收益更没有动力将p(计费点-出价点预估偏高。但是单个媒体不用赔付也可以不考虑长期收益就有动力主动让平台对p(计费点-出价点的预估偏高例如在oCPM模式中通过增加大量的虚假展现平台的模型一时没有反应过来就会短期对该媒体的p(计费点-出价点预估偏高。(长期模型会学习到这个媒体的p(计费点-出价点)偏低从而降低出价)。而赔付又不一定会归因到这个媒体就会导致该媒体因为虚假展现带来了很多作弊收益。 但是如果在oCPC下媒体能控制的m-c变为了p(竞价点-计费点)该比率预估偏高偏低都会影响单个媒体的收入因此单个媒体就不会有动机制造虚假展现了。遗憾的是从c-出价点媒体仍然能通过制造虚假点击比制造虚假展现困难一些来达到使p(计费点-出价点)偏高的效果从而获得作弊收益。所以如我们能观测到的那样联盟上的流量质量会稍差一些。四. RTB广告 前面说到广告联盟是将媒体从与投放平台及流量聚合的整体利益共同体中分离出来了那么RTB模式就是将投放平台从与流量聚合的利益共同体中分离出来使得投放平台更多地和广告主的利益结合在一起。具体的利益结合方式主要有三种对应DSP的三种盈利模式套利模式服务费模式消耗分成模式。后面会一一介绍。这样做的出发点是为了让广告主有更好的选择。打个比方以前所有的食材媒体流量只供给给一家餐厅要吃饭只能去这一家餐厅吃一个投放平台服务地再不好也得忍。现在食材同时供给给好多家餐厅多个DSP可以选择服务地最好的餐厅吃餐厅因为有竞争也会更加站在消费者的角度为消费者考虑。如果觉得餐厅都不合自己的口味还可以买回厨房自己做着吃广告主自营DSP)。DSP之所以叫Demand Side Platform就是以为它是更站在需求方这一边的平台更加代表需求方广告主的利益也让部分广告主更加放心把自己的数据上传并用于投放。DSP盈利模式有几种每种模式下三方的利益关系发什么了什么变化 DSP的盈利模式大概有三种 1. 套利模式 广告主和DSP签订某个行为数的购买价格例如每个点击1元钱。然后由DSP通过ADX采买流量DSP会通过技术手段将每个点击控制在例如0.8元钱这时候DSP就可以赚0.2元的差价。DSP的技术越强相同的量的情况下就可以以更低的成本从ADX里购买到点击例如降低到0.6元那么就可以获得更高的利润。因为激活或者其它更深度的行为数据通常由广告主收集DSP并不能防止广告主隐瞒激活。所以通常广告主和DSP约定的结算行为和大媒体平台里的计费点类似需要在DSP能完全控制的范围之内。 广告主和DSP以点击数或者展现结算但是也可以实现和大媒体平台类似的oCPX模式即广告主在DSP平台上也可以按激活或者付费来出价。例如广告主和DSP以一个点击1元钱结算但是同时对每个激活出价60元。和之前介绍的oCPX一样DSP会根据预估的p(c-a)将激活出价转换到点击出价再根据p(m-c)转化到eCPM。同时通过成本控制将点击成本控制在比如说0.8元那么DSP就可以每个点击赚0.2元这也为什么叫套利的原因。DSP对点击率预估地越准就可以用越低的成本买到同样质量的点击从而盈利也越高。另外也需要将广告主的激活成本控制在60元以下。笔者14年在国内首家移动DSP设计竞价策略时就是采用这个模式广告主按CPA出价DSP用技术手段保证点击成本低于和广告主的结算成本保证利润空间。在套利模式下因为DSP的获益方式和原来联盟以及大媒体都不一样了因此“三率”的表格也发生了改变。在这个表格里我们将DSP称之为平台ADX及聚合的媒体流量称之为媒体。和联盟不一样的只在p(竞价点-计费点预估偏高这一项。因为DSP从竞价点到计费点的预估如果偏高了媒体的收入是提高了因为出价偏高了但是因为广告主和DSP是按计费点的数目结算所以并不影响ROI这部分损失由平台也就是DSP承担了。 2. 广告主自营DSP/服务费模式 有些行业的广告主比如电商广告主如某东某宁因为用户数据的价值太大导致他们不能把自己的详情页到达或者用户购买商品等广告主端收集的数据回传给平台不管是大媒体广告联盟或者DSP。所以他们不能用oCPX等产品但是他们又不甘心只用CPC来购买流量这样后链路完全没有优化。这个时候自营DSP就是一种相对适合他们的解决方案。 还有些DSP采用固定服务费的方式即广告主交一笔钱DSP就专心为广告主服务DSP的利润和任何行为数都没有直接关系。这种方式从利益关系的角度非常接近广告主自建DSP的模式只是和其他模式一样不一定能用上广告主所有的私有数据。 因为不管是广告主自营DSP还是DSP收取固定服务费的方式广告主和平台的利益都完全一致了也就没有了平台和广告主之分所以上表中直接用“广告主”代表了双方的共同利益。另外因为广告主和平台不存在计费行为因此4个关键点中的计费点消失了关键比率也从3个变成了2个。因为p(计费点-出价点也就是p(竞价点-出价点由广告主自己用模型预估所以效果的好坏和广告主自己拥有的数据有非常直接的关系。所以这个模式只适合自己拥有丰富数据的广告主例如自己同时也是大媒体的广告主例如某东某条后面会详细分析。 3. 消耗分成模式还有的DSP采取消耗分成的模式即帮广告主花了多少预算按一个约定的比例分成。因为广告主和平台之间不存在按行为数计费的行为因此同样地4个关键点中的计费点消失了关键比率也从3个变成了2个。 在消耗分成模式下DSP的收入和广告主的消耗成正比也就是和媒体的收入成正比让DSP的利益反而和媒体绑定了。不过这种模式仍然存在是因为这张表分析的只是短期的利益关系长期而言如果广告主ROI下降就会终止和DSP的合作换其他的DSP。而DSP作为比联盟更需要代表广告主的角色不太会做短期伤害广告主利益的事情。五. RTA前面介绍广告主自营DSP的时候说到有些广告主因为自身用户数据的价值太大导致他们不能把自己的详情页到达或者用户购买商品等广告主端收集的数据回传给平台不管是大媒体平台联盟或者DSP所以他们建立了自营DSP这样就可以放心地将自己的数据用来训练模型了。那么在大媒体平台或者联盟买量的广告主是不是也可以不回传数据给平台而是像广告主自营DSP那样自己来搭建投放系统呢。答案是肯定的。这种方式在某条和某手都叫RTA广告。可以认为在RTB模式下的广告主自营DSP也是一种特殊的RTA广告。下图展示了在大媒体平台联盟和RTB下也就是自营DSP的RTA广告示意图。图中橙色部分都是投放系统的一部分都会用模型来预估各种比率。我们能看到在大媒体平台和联盟中投放系统被拆成了两部分一部分在大媒体或者联盟平台中一部分在广告主自己的RTA投放系统里。那么不难理解如果大媒体平台或者联盟能完全收集到的行为是点击的话那么p(m-c)是由大媒体或者联盟平台的投放系统来预估而p(c-出价点是由广告主自己的RTA投放系统来预估。这个切分不是按计费点来切分的所以有时候大媒体或者联盟平台预估的是p(竞价点-计费点如oCPC)有时候也可能是p计费点-出价点如oCPM)的一部分而广告主RTA系统预估的都是p(计费点-出价点的全部或者一部分。这样对于广告主来说就有六个广告模式了3个普通的加3个RTA这六个模式哪个投放效果更好呢模型和算法的实现就看各家的技术功底了我们来看看从数据源上这六个模式有什么本质差异。上表中假设大媒体平台或者联盟能完全收集到的行为是点击那么就有两个模型需要预估一个是p(m-c)一个是p(c-出价点)。每个模型的数据来源又分为了特征和label。只有特征数据和label数据都比较好最后的模型才能预估得更好。另外蓝色底色表示这个模型由大媒体联盟或者非自营DSP来预估橙色底色表示这个模型由广告主自己的RTA投放系统或者自营DSP来预估。另外上表中所有参与方都可以购买第三方数据因此表中不再单列第三方数据。大媒体 vs 联盟: 联盟能拿到的数据局限在用户的广告行为但是有来自更多媒体的数据所以如果联盟不够大媒体数量的优势无法弥补种类的缺失那么两个模型的预估就会不如大媒体准确。DSP vs 联盟: 首先ADX只会把局部的请求发送给DSP所以在特征维度上DSP只能拿到部分小媒体的用户广告行为。另外对于p(m-c)模型DSP只能拿到竞价成功的那些展现后续是否被点击的反馈因此label上也比联盟差不少。因此如果DSP要发挥自己的优势必须靠广告主愿意给自己传更多的深度数据例如激活付费等要么就是自己就是广告主自营DSP)要么自己同时是大媒体例如某度的DSP某讯的DSP)。没有数据的第三方DSP很难维持。“大媒体和联盟” vs “大媒体RTA和联盟RTA”在RTA广告中大媒体和联盟给广告主的RTA投放系统传用户的特征都是纯自愿的传多传少广告主也控制不了有些大媒体或者联盟也完全不传特征数据。虽然在p(c-出价点的模型上label数据对RTA来说占有绝对优势但是如果广告主没有大量的自有用户特征这个模型也是训练不出来的。广告主有当前用户的特征就意味着这个用户已经是广告主旗下某产品的用户了。所以RTA不适合于买新用户而更适合对广告主旗下某产品A的用户投放旗下其他产品B的广告。所以RTA特别适合电商广告因为大部分用户其实都在电商广告主那里买过东西电商广告主已经有了这些用户的特征数据可以对这些用户推荐他们没有买过的新的商品的广告。而RTA就不太适合游戏类广告因为游戏类广告主通常需要买旗下所有游戏都没用过的新用户对于这些新用户广告主一点特征数据也没有。小结数据积累非常多的有对用户重复推荐旗下不同产品的广告主例如电商广告主或者因为某些特殊考虑绝对不可以把数据传给平台的广告主可以考虑用RTA的方式从大媒体或者联盟中买量或者自营DSP的方式从ADX中买量。事实上目前市面上也是电商类如某东对这两种方式用得比较多。而对于其他广告主可能最好还是把数据回传给大媒体或者联盟进行买量。六. 总结本文介绍了“四点三率两控制一加强”分析模型对大媒体联盟三种不同DSP盈利模式下的RTB广告及RTA下多方的利益关系进行了分析。也用这个分析模型对市面上主流的出价模式进行了分析。文章内容比较长对有耐心看完的真心热爱计算广告的读者表示感谢。此文也得到几位朋友帮忙审稿再次感谢。还有些读者加微信发来反馈和肯定在此一并谢过。后台回复关键词【入群】加入卖萌屋NLP/IR/Rec与求职讨论群后台回复关键词【顶会】获取ACL、CIKM等各大顶会论文集
