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 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
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
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
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