计算广告-商业化体系

广告业务的转化漏斗与目标

媒体广告位展现 -》 点击 -〉 广告主网站落地页 -》转化-〉转化页

千 次 展 示 收 入 e c p m = r ( a , u , c ) = u ( a , u , c ) ∗ v ( a , u ) , u : 点 击 率 ; v : 点 击 价 值 千次展示收入ecpm=r(a,u,c)=u(a,u,c)*v(a,u),u:点击率;v:点击价值 ecpm=r(a,u,c)=u(a,u,c)v(a,u),u:v:

所有广告排序都是按照ecpm进行排序,

优化过程,在转化漏斗分阶段优化,整体优化抓不住重点

商业化体系六大算法问题

m a x a 1 , . . . , T {max} \atop {a_1,...,T} a1,...,Tmax ∑ i = 1 T { r ( a i , u i , c i ) − q ( a i , u i , c i ) } \textstyle\sum_{i=1}^T\{r(a_i,u_i,c_i)-q(a_i,u_i,c_i)\} i=1T{r(ai,ui,ci)q(ai,ui,ci)}

s . t . ∑ i = 1 T d ( a i , u i , c i , k ) ≤ D k , ∀ k s.t. \textstyle\sum_{i=1}^Td(a_i,u_i,c_i,k) \le D_k,\forall k s.t.i=1Td(ai,ui,ci,k)Dk,k

A1. 特征提取:受众定向
A2. 微观优化:ecpm估计
A3. 宏观优化:机制设计
A4. 受限优化:在线分配
A5. 强化学习:探索与利用
A6. 重定向:个性化推荐

  • 解决这些问题有两个方面:
    • 研究数据和算法,必不可少
    • 广告业务本身规律,提高传播的效率

用户决策的转化漏斗模型

选择
解释
态度
主要取决于广告位的天然属性
曝光
选择
不要干扰或打断用户的任务
关注
明确揭示推荐的原因
符合用户兴趣或需求
广告在用户能理解的兴趣范围
理解
解释
与关注程度相匹配的理解门槛
广告商/广告认可度
信息接受
广告位认可度
艺术性带来的记忆效果
保持
态度
在用户的价格敏感接受范围内
购买

在线广告主要结算方式

结算方式点击率估计点击价值估计优缺点适用场景
CPT需求方需求方1、可以充分发挥橱窗效应 2、无法利用受众定向技术高曝光的品牌广告
CPM需求方需求方1、可以利用受众定向选择目标人群 2、合约售卖下,受众划分不能过细1、有受众选择需求的品牌广告2、实时竞价广告交易
CPC供给方需求方1、可以非常精细地划分受众人群2、比较合理的供给方和需求方分工竞价广告网络
CPS供给方供给方1、需求方无任何风险2、供给方运营难度较大1、效果类广告联盟2、效果类DSP

CPA/CPS的问题与合理场景

  • 存在的问题:
    -由供给方同时负责优化点击和转化率,并非普适的合理模式
    -存在劫持、代销等多种相应的灰色手段,需要第三方监控
    -用于优化的数据对与单个广告主来说严重不足
  • 适用的场景:
    -转化流程一致且规范的广告市场,如APP下载,转化流程在AppleStore或Google Play

商业化体系六大产品问题

1、供需接口

  • 需求方层级组织
    • 广告计划:对应于广告主的一次投放活动,其中包括预算、时间范围等基本信息
    • 广告组(Ad Group):对应于一个具体的广告投放策略,主要是设定受众定向条件和出价
    • 广告创意:最终展示出来的素材,可能在同一个广告组策略下有不同尺寸的创意存在
      在这里插入图片描述

2、竞价机制
3、数据运营
4、标签体系
5、程序化交易
6、原生广告

商业化产品系统框架:六大系统技术

用户增长

合约广告-广告位和展示量

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值