在近两年来广告技术不断演进的过程中，于头部广告平台里，广告
出价
这一概念逐渐被弱化，优化师在出价策略方面所需剖析的转化链路也显著缩短。不管是 Google 的 UAC，Facebook 的 AAA 还是巨量引擎的自动出价，此类功能的研发均在一定程度上降低了广告投放的难度。
对于广告主来讲，所追求的是广告效果的极致优化，简单来讲就是实现投资回报率的最大化。然而对于流量方来说，他们期望的是流量变现的最优解，即在对用户体验造成最小影响的前提下，提升流量的价格。这当中就牵涉到广告平台里的多方博弈，涵盖了用户、流量主、广告平台以及广告主。对于一名优化师而言，我们在日常工作中接触最多的便是广告平台，所以明晰平台的运作机制就显得格外关键。
作为衡量媒体收益的关键指标 ecpm 是一个时常被提及的概念，在深入了解此概念之前，我们先简要探究一下互联网广告是如何从合约发展至竞价的。
一、从合约广告到 OCPX
在互联网发展的初期阶段，门户网站拥有大量用户，借鉴传统媒体的广告牌售卖模式，广告主与流量主通过合约的形式进行交易，即在某一网站的特定位置，于特定时间段内仅展示该广告主的广告。不过很快，流量方察觉到这种售卖方式无法实现自身收益的最大化，例如某一广告主与自己达成协议，购买一周甚至更久的时间，但在此期间倘若流量剧增，这就意味着尽管流量增多了，然而变现收益却并未增加。此时便出现了展示合约广告，流量主依据每一千次曝光向广告主收费。在广告机制尚不完善之时，流量主为获取更高收益，完全有可能通过造假来达成目的，例如众多的强制弹窗、虚假 IP，这一现象从 cpm 时代一直延续到 ocpx 阶段都存在。流量主的收益增加了，可广告主的效益却未得到更优的改善，这时广告主在流量效果和筛选方面提出了更高的要求。
线上广告在数据层面相较于线下具备更多优势，这为广告技术的发展奠定了基础，从反作弊到用户受众的定向，逐步形成了当下广告竞价的雏形。广告主的需求从最初的曝光，到点击转化，再到后续的各种 cpx，以及当下的后端数据 roi 优化。而作为广告平台，为获取更高的变现收益，一方面要满足广告主的需求以获取更多订单，另一方面还需设法提升自身的流量变现效率。
二、媒体的预期收益 ECPM
此刻我们来探讨 ecpm，其本义是指每一千次展示能够获取的预期广告收入，这是一个期望值，在竞价过程中，机器算法要使媒体收益最大化，就需要对广告的 ecpm 进行排序，ecpm 越高，获得展示的几率就越大，从公式层面来看，可以如此计算：
ECPM = 收入/展示次数×1000
收入 = 广告单价×点击次数=广告单价×点击率×展示次数
ECPM = 广告单价×点击率×1000
然而随着出价方式的改变，到了 ocpx 时代，计算方式稍有变动：
收入 = 转化单价×转化数=转化单价×转化率×点击量
ECPM=转化率×转化单价×点击率×1000
作为一个期望值，广告平台通过算法优化转化率以及点击率来提升 ecpm，以确保自身的预期收益最大化，唯一可能失控的环节就在于出价部分，这属于广告主的主观行为。
对于广告主而言，若想获取收益，首要的便是让自身的广告得以曝光，也就是想办法提高广告的 ecpm 表现。当期望以更低价格获取更多曝光时，对于广告转化率以及点击率的优化就显得尤为重要。但素材定向这一内容对于转化率以及点击率的影响和分析都属于后置行为，在没有数据呈现之前，广告主很难依据这些内容做出事前的判断，此时优先测试的内容便是出价。
三、广告竞价原理
我们清楚，在广告平台中参与广告活动的广告主数量往往众多，每个广告主的广告目标和策略均存在差异。平台为了从宏观层面调控并配置广告资源，采用了竞价拍卖的方式来出售广告位。谈到拍卖，多数人或许在电视中见过，拍卖师公布起拍价和最小加价幅度后，竞拍者在台下喊价，最终价高者得，这种称为英式拍卖。但对于互联网广告而言，此种拍卖方式并不适用，广告主们并不希望自身的竞争策略被对手知晓。在此情形下，互联网广告通常采用暗拍的方式进行。暗拍方式中大家较容易想到的或许是投标，即每个人将自身的报价密封提交，最后一同公开结果。倘若最高出价者支付最高价，则是第一价格密封拍卖（GFP）；倘若最高出价者支付第二高价，则是第二价格密封拍卖（GSP）。
第一价格密封拍卖的优势在于简单，然而稳定性欠佳，广告主能够通过频繁修改出价来竞得广告位。通过持续提高出价获得展示后，又会开始不断降低出价以降低成本，这样也很容易了解竞争对手的出价。并且当出价最高的广告主停止投放后，容易给广告平台的收入带来较大波动，这是广告平台不愿看到的。
在第二价格密封拍卖中，诚实是最佳的竞拍策略，因为在这一拍卖中，当一个广告主获胜时，其最终支付的广告费与自身出价无关。在不存在串通的情况下，每个广告主的最优策略就是依据自身的估价如实竞标，当低于这一价格时，会降低广告主竞得广告位的概率。而高于此价格，虽然能够提高广告主获胜的概率，但他获得的是一场无利润的交易，因为他必须支付的价格可能高于其对商品的估价。在这种机制下，永远是对广告位评价最高的广告主胜出，在保障平台收入的同时，由于广告主缺乏频繁调整自身出价的动力，从而确保了稳定性。这种方式也并非毫无漏洞，当广告主之间相互串通时，这种稳定性就会失效，尤其是在只有少数广告主竞争的情况下，头部大广告主的串通所带来的影响会十分显著。不过由于互联网广告的复杂性，这种作弊方式实际上很难实现。这也是当前多数广告平台依旧采用这种竞价模式的缘由。
还有一种计费方式被称为 VCG，其基本原理是计算竞价者赢得广告位后，给整个竞价收入造成的收益损失，理论上这种损失就是竞价获胜者应当支付的费用。VCG 是理论上较为公平的收费方式，但是由于概念较为晦涩，计算也相对繁杂，而且经济学家们已经证实 VCG 的收入不会比 GSP 高，所以当前的实用性较低。Facebook 广告系统所采用的便是一种改良的 VCG 方式。
四、
信息流
如何出价
在了解了竞价广告的背景和机制之后，我们再来探讨如何出价。通过广告扣费的原理我们得知，在 GSP 的机制下，广告主的出价并非实际最终的扣费，随着算法优化的提升，广告主们越来越多地针对后端数据进行优化。而从曝光到后端的数据优化过程中，转化链很长，优化师在优化广告时往往是针对 ROI 整体进行调优，这就导致出价本身与最终结果存在不确定性。就拿游戏行业来说，对于内购产品而言，不管是传统的 cpc 模式还是如今的 ocpx 模式，最终的目标都是提升广告 roi。但是 roi 本身是一个比值，无论是外部的流量波动导致价格变化，还是内部运营活动和生态变化引起付费波动，都会对这个值产生影响。此时仅依据判断竞争获得的广告位的价值来调整出价就会变得极为困难。
在此，我们先看最为简单的一种情形，即在难以获取曝光的情况下，如何用最少的预算测出初步的广告出价。
充足预算阶梯出价。顾名思义，通过阶梯出价的方式逐步提高系统为您曝光的可能性，这种测试方法较为谨慎，耗费的时间也较长。而且受到素材定向时段的影响，较难在短时间内测试出合适的出价区间。但在一些流量紧张的节点，在已有过往测试数据的情况下较为适用。通过筛选优质素材来将出价作为变量进行测试，能够稳健地测试出相对理想的出价范围。
低预算高出价。通过设定一个较低的预算和较高的出价来测试系统给出的实际价格。因为 GSP 扣费实际上与第二名相关联，通过一个较高的出价，我们在迅速获得曝光的同时，也能够了解到在这种环境下其他广告主的出价策略，进而调整自身的出价。
不过对于优化师而言，曝光并非目的，仅仅是作为优化基础的第一步。在对产品目标的基础出价范围有一定了解后，我们接下来需要考虑的更多是如何获取更多流量以及提升广告效果，那么在日常操作中又该如何设置和调整出价呢。
对于新的广告计划，在市场竞争激烈的情况下，通常会在目标出价的基础上提高 10%-20%。这样一方面能够提升广告的竞得率，使其更快起量，另一方面又不会因出价过高而导致成本失控，后期难以调整。在广告计划产生数据后，我们便可以依据数据表现来进一步优化出价，控制成本。一般对于广告计划所产生的数据，我们可以通过四象限法来进行分析，并做出有针对性的调整。这里的四象限法指标并非固定不变，主要取决于投放产品的关键目标，以及您想要优化的对象。以游戏行业的消耗和 roi 为例，存在以下四种情况：
高消耗高 roi：这种基本属于理想状况，计划本身有流量且效果良好，但并非意味着没有优化的空间和必要。比如当前的实际转化成本低于出价，那么对于广告平台来说，为了获取更高的收益，也就是提升 ecpm 值，实际转化价格可能会被抬高，roi 也会相应发生变化。同样，如果发现转化目标成本高于出价，但在 roi 能够接受的范围内，不要急于给广告进行降价操作，可以更长期地观察数据变化。
高消耗低 roi：这种情况通常较为少见，大多属于失误操作，这类计划可以直接舍弃。
低消耗高 roi：遇到这种情况大多令优化师感到头疼，有种食之无味弃之可惜的感觉。由于消耗低，计划不稳定，无法明确判断是单个用户支撑起整体数据还是计划本身模型运行较好。常见的操作是调整预算，适当提高计划出价，观察计划后续的数据表现情况。还有就是创建新的计划，提高初始出价。
低消耗低 roi：低 roi 的计划大部分都会被直接放弃，但在此由于消耗较低，同样无法判断这条广告本身质量是否不佳。因为在消耗较低的情况下，系统建模的数据量不足，对于 ctr 和 cvr 没有一个真实准确的判断，导致当前无法获取流量。此时同样可以通过调整出价的方式来获得更多曝光，但风险会较大。更多的建议是创建新的计划，提高初始出价以获取更多的曝光机会。
综合上述几种方式来看，在 ecpm 公式中，优化师们在数据产生之前能够直观调整的只有出价这一维度。这也是为什么行业内一直流传着高出价再降价这一说法的原因，只有拥有了一定的曝光量，我们才有机会进行后续的操作。
暂无评论内容