廣告流量分發的邏輯和思路

0 評論 5027 瀏覽 34 收藏 9 分鐘

如今,大部分開發者都是通過waterfall+bidding混合模式獲得更高廣告價格和廣告填充。那么,什么是waterfall?什么是bidding?它們是如何運行的?本文分析其廣告流量分發的邏輯和思路,希望對你有所啟發。

目前絕大部分開發者通過waterfall+bidding混合模式,以期獲得更高的廣告價格和更多的廣告填充。

但也有很多運營同學,對于waterfall+bidding的配置存在很多的疑問,因此本文主要解答在廣告運營中,waterfall和bidding配置中的要點和可能存在的問題。

一、什么是waterfall?什么是bidding?

waterfall和bidding都是廣告聚合系統中流量分發的模式。

waterfall是串行模式,廣告聚合系統根據基于歷史數據的配置,從高價到低價依次向廣告平臺給出價格詢價,直到有廣告平臺接受價格,此時的價格就是所有廣告平臺可以接受的最高的價格。

bidding則是并行模式,廣告聚合系統同時向配置的各廣告平臺發起詢價,各廣告平臺返回報價,媒體選擇報價最高的廣告平臺,此時的價格是所有廣告平臺可以給出的最高價格。

這里可以看出兩種模式的差異。waterfall是先預設價格,分次降序詢價,直到有廣告平臺接受價格。而bidding則反之,無預設價格(可以設置底價),一次詢價,價高者得。

對于開發者來說,waterfall存在著諸多的問題:

  • waterfall基于歷史數據設置價格,這個歷史數據是多久的數據,冷啟動沒有歷史數據怎么辦
  • 市場上預算是千變萬化的,歷史數據能否真實反應當下的價格,運營同學能否及時根據市場情況調整價格
  • 串行的模式也意味著如果層級過多,廣告請求時長會很長,造成前端展現延遲,影響用戶體驗。而以上的問題,bidding模式均不存在,因此對于開發者來說,bidding無疑更好的模式。在當下,雖然主流的廣告平臺大多支持了bidding模式,但也有很多中小型平臺對bidding的支持還不完善,因此短時間內,純bidding模式還不現實,waterfall+bidding混合模式依然是開發者的主流。
  • bidding既然這么好,為什么在waterfall穩定運行了多年之后,bidding才姍姍來遲。一方面是技術原因,bidding對于廣告平臺的出價能力要求更高,廣告平臺對于流量需要一次性出價,而不再像之前通過waterfall試探。另外一方面也有利益原因,相比于waterfall,bidding模式下廣告平臺渾水摸魚的空間變得更小。無論如何bidding取代waterfall是大勢。

二、waterfall和bidding怎樣運行

目前waterfall+bidding混合模式主要有兩種運行模式:

  1. 優先請求Bidding,Bidding勝出者會和傳統瀑布流中的各個分層進行比較,最終讓出價最高的平臺獲得展示機會(如Bidding勝出者高于瀑布流的第一層價格,則不再請求瀑布流);
  2. Bidding和瀑布流同時請求,兩者比價,最終價高者得。兩種模式整體差別不大。

如果想要效率最大化,那么在2的基礎上做進一步的優化:

  • bidding和waterfall均已出現勝出者,則兩者比價,價高者得。
  • bidding出現勝出者,waterfall尚未完成,bidding勝出價格高于waterfall當前執行層級,則bidding勝出。
  • bidding出現勝出者,waterfall尚未完成,bidding勝出價格低于waterfall當前執行層級,則等待waterfall執行到bidding勝出價格所在層級,如果waterfall無廣告平臺報價,則bidding勝出

這樣的優化一定程度上可以提升整體的效率,但競價邏輯變得更加復雜,因此是否需要采納還需要產品自行決策。

三、waterfall和bidding怎樣配置

無論Bidding還是瀑布流,兩者只是競價模式的區別,其中的配置才是關鍵。這里有幾個要點是配置中需要特別關注的。

  • 不管是bidding還是waterfall,都需要有足夠的廣告平臺進行競爭,才能使利益更大化,廣告平臺較少都體現不出聚合的優勢。所以建議在預算的情況下,至少配置4~6家廣告平臺,以尋求競爭最大化,提升填充和價格。
  • waterfall的層級需要精細化,不能太少也不能太多。無腦堆砌瀑布流層級,雖然一定程度上可以提升ecpm,但瀑布流是串行結構,過多的瀑布流層級會顯著影響廣告的耗時,尤其在一些網絡條件不是很好的地區,問題會更加顯著。因此對于曝光較少的層級可以選擇合并或者移除。瀑布流層級太少也存在問題,價格梯度不平滑,使得梯度間的價格收益被抹平。價格梯度上,建議低層級價格梯度20%,高層及價格梯度50%來進行梯度區分。
  • waterfall需要經常調整,但頻繁的調整也會存在問題。廣告平臺機器學習需要時間和數據,因此對于陌生的流量,平臺傾向于出高價來獲取流量。雖然短期可以提升收益,但長期來看,頻繁更換id,調整waterfall配置并不利于廣告穩定的獲取,長期甚至會影響廣告平臺對于開發者的評價,反而得不償失。
  • 不同的地區和用戶群體,也需要使用不同的配置策略。發達地區的用戶、手機價格更高的用戶可以配置更高的價格來獲取更高的收益,欠發達地區用戶。手機價格低的用戶可以減少高價層級的配置,降低廣告請求時長。這都是常見的策略。
  • 對于同一個廣告平臺同時配置在bidding和waterfall,其實并無太大必要。同一個平臺對于同一流量,waterfall和bidding的價格不會有很大的差距,而因為waterfall梯度的原因,往往是bidding獲勝,最終結果是該平臺在waterfall的曝光減少,進一步導致在waterfall價格的下降。因此對于同時支持waterfall和bidding的平臺,可以在早期同時配置進行AB測試,在穩定后減少在waterfall中的配置。
  • 一個好的廣告策略配置,最終呈現的結果是,從價格上來看,曝光呈現價格正態分布,曝光正態分布意味著既沒有把流量賤賣,又盡可能的獲得了高價(可以思考一下這個問題)從填充上來看,能實現95%以上的填充率,基本上可以認為接近了廣告收益的上限了。

本文由 @rorain 原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!