计算广告（三）

出价是最靠近广告主侧的业务

广告精排结束，就基本确定哪些广告要被投放出去了，这个时候对于该用户流量优化调整已经微不足道了（ctr, cvr, deep_cvr），

这个时候，就可以采用出价的方式来对模型结果做干预，但是做干预也倾向于基于一个原则（本次广告展现预估花掉广告主多少钱，是不是能带来更多的广告主转化）

竞价广告，对于同一个流量来说，是基于ecpm排序作为出哪个广告的标准，相关的ecpm公式为：

ecpm = rank_bid * pctr * pcvr + hidden_cost

ecpm：有效千次展示收入（Effective Cost Per Mille，即每一千次展示的预期收入）。这是一个常用于广告投放优化的指标，用于衡量广告的预期收益。

rank_bid：广告排名出价。这是广告主为了使其广告在广告展示位上具有更高的排名而提出的出价。

pctr：点击通过率（Click Through Rate，CTR）。表示某广告被点击的概率，即广告点击数与广告展示数之比。

pcvr：转化率（Purchase Conversion Rate，PCVR）。表示用户点击广告后进行购买的概率，即广告购买数与广告点击数之比。

hidden_cost：隐藏成本包括但不限于广告制作成本、广告投放平台的服务费、数据跟踪与分析的成本等。

rank_bid = cpa_bid * (1 + kp * p + ki * i + kd * d) * pctr * pcvr + hidden_cost

cpa_bid：按照购买行为支付的出价（Cost Per Action，CPA）。这是广告主为每个转化行为（例如，购买、注册等）愿意支付的费用。

kp、ki、kd：这是三个权重参数，用于调整广告主对应于竞争对手、行业和市场需求的敏感度。kp 表示竞争对手的权重系数，ki 表示行业的权重系数，kd 表示市场需求的权重系数。

p：竞争对手的影响因素。这个变量表示广告主与竞争对手之间的差异。

i：行业的影响因素。这个变量表示广告主在整个行业中的地位。

d：市场需求的影响因素。这个变量表示广告主在

广告的排名出价（rank_bid）是由按购买行为支付的出价（cpa_bid）乘以一个调整系数，再乘以点击通过率（pctr）与转化率（pcvr），最后加上隐藏成本（hidden_cost）所得到的。

当竞价广告环境过于充足的时候，那么pctr, pcvr获取的数据更置信，为了保证竞价广告投放出去，需要调控bid（广告出价）

bid 是指广告出价。广告出价是指广告主为了在广告展示位上获得竞争优势而提出的价格。在广告竞价中，广告主通常需要出价以确保其广告在目标受众面前获得更好的展示和点击机会。

在之前讨论的公式中，我们讨论了两种不同类型的出价：

rank_bid：广告排名出价。广告主为了使其广告在广告展示位上具有更高的排名而提出的出价。

cpa_bid：按照购买行为支付的出价（Cost Per Action，CPA）。广告主为每个转化行为（例如，购买、注册等）愿意支付的费用。

在这些公式中，广告出价（bid）是用于计算 eCPM 和 rank_bid 的关键变量。广告出价反映了广告主对广告效果的预期以及在竞争中的投入。通过调整广告出价，广告主可以在一定程度上控制其广告在展示位上的排名，从而影响广告的点击率

广告主出价产品要求

优先跑量

【量级】预算基本花不完，跑量上有些困难

【成本】希望成本相对平稳

【优先级】量级≈成本

【投放速度】加速

均衡投放

【量级】预算基本花不完，跑量上有些困难

【成本】希望成本相对平稳

【优先级】量级≈成本

【投放速度】匀速

优先低成本

【量级】预算偏小，对于跑量需求不大

【成本】成本越低越好

【优先级】成本>量级

【投放速度】匀速

跑量

花费一定的钱，拿到足够多的转化（有转化，就必须有曝光）

王者荣耀新游上限，我的目标是，3个月内，要拿到100W的用户，平均1天，需要10个用户，cpa_bid = 100，ctr = 1%, cvr = 1%

10/ctr/cvr = 10/10^-4 = 10W， 10W*100 = 1000W

竞价点

不管是CPM，CPC还是后续的CPA，OCPM，oCPC，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。在所有的广告课程中，我们讨论的“竞价点”都在m（展现）

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

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

ocpc，出价点在哪？计费点在哪？

出价点和竞价点是不一样的，竞价就是show，出价 cpa_bid，计费， click

ocpm，出家电在哪？计费点在哪？

竞价是show，出价 cpa_bid，计费， show

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

广告主真正想要的是LTV（Life 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。

在理想中，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1/0.8=1.25>1，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

LTV（long term user value），长期用户价值

LTV = arpu * LT（arpu -> 每用户收入，lt 时间）

LTV30，LTV365

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

CPM出价模式：

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CPP=80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0.03，p(c->i)大概0.1，p(i->a)大概0.4，p(a->p)大概0.1，

那么整个p(m->p)就是0.03*0.1*0.4*0.1=0.00012：

cpm = p(m->p)* 隐含付费出价 *1000

cpm = 0.00012 *80 * 1000 = 9.6元

所以广告主的CPM出价就设为9.6元。

广告投放策略的，其中的m、c、i、a、p分别代表以下五个阶段：

m：代表曝光（Impression），即广告被展示给用户的次数。

c：代表点击（Click），即用户点击广告的次数。

i：代表安装（Install），即用户安装游戏的次数。

a：代表激活（Activation），即用户激活游戏的次数，通常是指成功安装并打开游戏。

p：代表付费（Pay），即用户在游戏中进行付费的次数。

这段话中讨论了一个广告主或投放优化师通过核算一款游戏的付费用户获取成本（CPP，Cost Per Paying user）来设定CPM（Cost Per Mille，每千次曝光成本）出价的过程。在这个例子中，付费用户获取成本的上限为80元。然后通过估计从曝光到付费的各个阶段的转化率（即p(m->c)、p(c->i)、p(i->a)、p(a->p)），最后计算出整个p(m->p)的概率为0.00012。接着用该概率乘以隐含付费出价（80元）和1000（因为CPM是每千次曝光成本），得出广告主的CPM出价为9.6元。

但不少广告主或者优化师表示实操中没有这样算过。其实在实际操作中，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）

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，广告主可以信任媒体平台提供的建议和工具。

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

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。

在CPC出价模式中，CPM=CTR*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课程中是指，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：

第一类是小代理或者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。

第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

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。

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。而如果短信很拙劣，“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

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CPM=p(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

​

编辑切换为居中

添加图片注释，不超过 140 字（可选）

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

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