深入互联网广告中的出价模式_互联网广告运营是做什么的

出价基础知识

行为价格换算公式

从m->c->i->a->p的过程中，每个行为A的价格，等于后续行为B的价格乘以行为A到行为B的比率
例如
CPM=p(m->c) *CPC * 1000
(唯独CPM要多乘以1000）
CPC=p(c->a) *CPA

“四点三率两控制一加强”里的“四点”

竞价点：其实不管是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。在本文中，我们讨论的“竞价点”都在m（展现）。

计费点：即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。

出价点：即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。

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，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。在完美的世界里，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。

CPM/CPC以及本文后续所讨论的所有出价模式，其中很大的区别就在于这四个关键点在不同位置

三率

“三率”之p(出价点->考核点）

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

“三率”之p(竞价点->计费点）

从CPM到CPC，媒体平台和广告主的博弈关系发生了什么变化？

什么情况下可以使用CPA模型？

付费点通常不能超过媒体平台完全控制的行为点，不能到达由广告主收集的行为点。
如果a行为的数据，是由广告主收集的，再由广告主自己回传给媒体平台，那么把计费点移动到a就会有问题。比如广告主出价是80块一个a行为，那么广告主就有动力一直不回传a行为的数据，或者克扣部分a行为的数据给媒体平台，从而让媒体平台少收了广告主的钱。

“三率”之p(计费点->出价点)

按上面的分析，如果a行为由广告主负责收集，那么我们就不能直接按CPA出价和计费
p(c->a)这个比率预估的特征数据（用户特征和广告特征）在媒体平台手里，但是label是在广告主手里。所以如果要预估p(c->a)，必须有一方让步把数据给另外一方。
通常媒体平台比各个广告主具有更好的数据分析能力，广告主把label数据给了媒体平台（下面会分析为什么广告主有动力这么做），由媒体平台进行p(c->a)来预估。这时候FB创新的oCPX就出现了，它把出价点和计费点分离了，计费点在m(或c)而出价点在a。

oCPX=计费点和出价点分离+连续竞价下的智能出价控制

即广告主把行为数据主动给媒体平台，由媒体平台免费为广告主提供把出价点价格转化成计费点价格的出价转换服务（通过预估p(c->a)的方式）。另外媒体平台提供在连续竞价下的智能出价控制服务

由媒体平台预估的p(计费点->出价点)在预估偏高时，媒体平台自己是受益的，而对广告主不利的

智能出价模式

“两控制”：连续竞价下的智能出价控制

投放是一个连续的多次拍卖行为：

• 一方面广告主给出的价格是多次竞价的平均价格，前期拍卖的结果会对广告主后续能接受的最高价格有影响（例如前期买便宜了，后面出价可以出高点）。
• 另一方面，有的广告主也有预算限制。

连续竞价下的成本控制：仍旧假设广告主激活出价为80元，如果早期通过投放购买到的100个激活只花了每个50元，那么其实可以在后面的出价出得更高一些，只要最后综合的成本不超过80元就可以，提高出价还可以买到更多的量。同理，如果之前投放的平均成本到达了120元，那么就需要限制出价，让最后的综合平均成本降到80元左右。oCPX通常就意味着媒体平台对出价点的出价进行连续竞价下的成本控制，让最后的平均成本接近广告主设定的值。

连续竞价下的预算控制：这种控制是针对广告主有单日或者周预算限制的情况。例如一天的预算为1万元，并且在上午就已经花掉了5000元。那么在后面的竞价里，就应该降低出价，防止预算太早花完。如果过早花完预算，那么晚些时候一些很便宜的流量就没有预算进行购买了，没有最小化平均成本。在有限预算下要降低每个行为的平均成本（例如激活的平均成本），就必须让预算以合理的节奏花掉。不是说绝对的平均花费（每个小时花1/24），而是让花费和流量的分布差不多一致（例如晚上流量高的时候多买点）。想做得更好的话，可以在流量更便宜的时候多买一些，贵的时候少买一些。这就是体现技术实力的地方了。值得注意的是，在有些出价产品中，当设置了预算控制时，广告主无需在投放后台填写出价点的出价，而是完全由媒体平台根据预算来设定和调整。

在oCPX出价模式中，广告主是否应该回传真实的行为数据？

(1) 广告主只回传部分出价点的数据, 例如只回传50%
这种情况下，对于该广告主的p(计费点->出价点) 预估会偏小接近1半，导致广告主的出价偏低，拿不到量。要拿到一样的量，就得把出价提升为原来的2倍。这样一抵消，在计费点的出价是不变的，媒体的收入并没有降低，反倒是因为少了一半样本，p(计费点->出价点)的预估变得更不准了，损害了广告主自己的ROI。国内是由广告主自己归因，有些广告主以为归因媒体平台的时候尽量保守，对自己会有好处，其实是不对的。
(2) 广告主回传更深度(或者更浅）的数据而不是出价点的数据，例如回传付费数据（或者下载），而不是原来约定的激活数据
这种情况下，广告主如果在出价里也填入的是付费出价（或者下载），那么对于这个广告主而言，oCPC-A就变成了oCPC-P或者oCPC-I。遗憾的是，如果其他大部分广告主还是回传的激活数，那么因为媒体平台在训练p(计费点->出价点）模型的时候，并不是只用该广告主自己的数据，而是也受到其他广告主数据的影响，那么这样做会因为训练目标的类型不一致，让这个广告主的p（计费点->出价点）的预估准确度受到负面影响，对广告主投放不利。

为什么国内的很多oCPX会有超成本赔付机制？

对比CPC和oCPC, 我们只发现一个区别，就是谁来预估p(c->a)的区别。但是这也会带来一个很不一样的地方，就是在CPC中，p(c->a)由广告主预估，预估得偏高或者偏低广告主利益都受损。但是在oCPC中，p(c->a)由媒体平台预估，如果预估偏高，媒体平台的收入是增加的，偏低则媒体平台收入下降。那么理论上媒体平台就有动机在短期内故意预估偏高（不会长期偏高是因为广告ROI下降后，会减少投放，最终损害媒体平台利益）。

因此在国内如某音，某手等广告平台在oCPC（或者oCPM，原理一样）都会有超成本赔付机制来自我制约，弥补这个机制上的问题

为什么国内的媒体平台，对oCPX的超成本赔付，要求广告积累的行为数(例如激活数）达到一定的数量才开始赔付?

• 第一个原因是如果没有行为数（以下以激活数为例）门槛，那么广告主有可能会隐藏激活数不上报，最后要求媒体平台进行全额赔付（因为一个激活都没有）
• 第二个原因是因为模型学习需要一定数量的样本，在没有积累到足够的激活数之前，模型预估偏高偏低都是很难避免的，这并不是媒体平台刻意为之的行为，不应该由媒体平台来单方面承担这部分成本

所以综合来看，从oCPC过度到oCPM对广告主没有什么利益损伤，对媒体平台来说，可以避免不求量广告主主动降低p(竞价点->计费点）的问题（虽然这个问题在充分竞争的流量上影响很小）。这可能是某条从oCPC转向oCPM的其中一个原因。

另外，某条的产品很多，有文字广告，图片广告，视频广告，所以转化链条也很多样，有的按点击收费，有的按播放3秒收费，有的按播放完收费，如果统一用m计费也有利于统一管理。但是FB和Google的广告产品还是可以让广告主自行选择oCPM还是oCPC，这两者的差异其实并不太大。

双出价是怎么样一种出价方式

以激活付费双出价为例，该出价模式有两个不同的出价点，广告主把这两个行为数据都给媒体平台，让媒体平台提供免费的出价转化服务。最终转化到计费点的时候，也会有两个计费点价格。这两个价格是有冲突的，得从这两个价格合并得到一个最终的价格。具体实现就看各家媒体自己的设计了。

不过可以确定的是，各家媒体平台都会力求保证激活和付费的成本都不超过设定的激活和付费出价。那么这种方式和单按付费出价并保付费成本（例如某条的“激活且付费”出价模式）有什么区别呢？我们来分析一下。

• 如果一批流量，激活成本达标，付费成本也达标，那么这批流量双出价和单付费出价都能拿到。
• 如果一批流量，激活成本达标，付费成本不达标。那么这批流量双出价和单付费出价都拿不到。
• 如果一批流量，激活成本不达标，付费成本也不达标，那么这批流量双出价和单付费出价都拿不到。
• 如果一批流量，激活成本不达标，付费成本达标，那么这批流量双出价拿不到，而单付费出价能拿到。
  所以激活付费双出价和单付费出价的差异就在于是否要“激活成本不达标，付费成本达标”这部分流量。

广告主更在意的是付费成本，“激活成本不达标，付费成本达标”这部分流量广告主是需要的，那么为什么还需要有双出价？笔者认为，原因在于前期付费数据较少，付费成本在收敛到付费出价之前，会经历较大的波动，某个时刻甚至会远超付费出价，导致学习期失败或广告主受不了自己关停。而双出价，通过放弃了“激活成本不达标，付费成本达标”这部分流量（实际上是放弃了“激活成本不达标”的所有流量，因为早期无法把“激活成本不达标，付费成本达标”的流量从“激活成本不达标，付费成本也不达标”的流量中区分开来，只好一股脑全放弃了），来达到降低前期付费成本波动的效果，最后可能学习得更稳，成功率更高，全时间段的综合成本更低。

“一加强”

在Facebook应用推广的投放设置页面，我们可以看到计费点可以选择为impression，出价点可以选择为转化（例如可以是激活a）, 还可以选择针对某个应用内事件优化（Optimiaztion for Ad Delivery App Events），这个优化可以是激活后的某个行为，例如付费p。那么投放系统会在oCPM-A的基础上，尽量优化获得更高的付费数。我们姑且把这个命名为oCPM-A-enhancedP模式。

有时候，因为数据较少或者其他原因，对于p(a->p)这个比率，媒体平台用数据预估的比率，比广告主隐含地用固定值预估的值更加不准确。那么这一段就不能放到计费点->出价点了。这也就是为什么不能把出价点后移到加强点的原因

但是媒体平台的数据也不能浪费了，可以用来对广告主隐含地用固定值预估的值进行加强（enhance），即：
p_adj(出价点->加强点) = p_广告主预估(出价点->加强点) * adj(x) —（式1）
其中x为广告的特征向量。

ecpm_adj= p(竞价点->出价点)*adj(x)*出价点出价
用这个值作为竞价点排序的ecpm就可以了

• app events可以是下载，安装，激活，付费等各种app事件但不能是回收金额
• 所有有预算控制的出价模式，广告主都无需在投放后台填写出价点的出价，而是完全由媒体平台根据预算来设定和调整。在尽量花完预算的同时，最小化出价点的成本
• 在各家的产品中，每个模式还可以配搭几种不同的消耗速度，我猜测是在成本控制和预算控制的具体实现上，匹配了不同的pacing策略和参数
• 表中回收金额表示某段时间内（例如一周）通过内购或广告的形式产生的广告主收入。当出价点为回收金额时，表示每回收1元钱，所需要出的价格，也就是ROI出价；例如广告主可以对一周内的1元回收金额出价为0.4元，则对应的ROI目标就是0.4

广告联盟

不是所有的媒体都有技术能力来做投放平台，也不是所有媒体都有销售能力来对接众多广告主，这些小媒体需要共享一套广告投放平台，也就是广告联盟


广告联盟平台与大媒体平台最大的差异在于，媒体从与投放平台及流量聚合的利益共同体中分离出来了，媒体和投放平台之间的利益不再完全绑定

• 所以媒体和平台的利益基本是一致的（虽然在分成比例上双方要根据自己的筹码博弈），
• 另外p(竞价点->计费点)和p(计费点->出价点）都原来是由“媒体平台”预估，现在变成了由“平台”预估。
• 因为联盟平台没有了大媒体里用户的所有行为数据（用户的广告行为数据和非广告行为数据），只有众多小媒体中用户的广告行为数据（没有了非广告行为数据），能否比大媒体的投放系统预估得更准就要看这两种数据哪个更加有信息量了。

为什么某条自有流量只有oCPM而某山甲仍旧保留oCPC模式可以选择？

联盟模式下，有一个不一样的地方在于，p(计费点->出价点）偏高时，是由平台进行赔付广告主的，因为看到是广告主多次竞价后的总体成本（例如激活成本）是否超过广告主出价的成本，所以平台无法把赔付归因到具体的媒体

另外平台要考虑长期收益，更没有动力将p(计费点->出价点）预估偏高。但是单个媒体不用赔付，也可以不考虑长期收益，就有动力主动让平台对p(计费点->出价点）的预估偏高，例如在oCPM模式中，通过增加大量的虚假展现，平台的模型一时没有反应过来，就会短期对该媒体的p(计费点->出价点）预估偏高。(长期模型会学习到这个媒体的p(计费点->出价点)偏低，从而降低出价)。而赔付又不一定会归因到这个媒体，就会导致该媒体因为虚假展现带来了很多作弊收益。

但是如果在oCPC下，媒体能控制的m->c变为了p(竞价点->计费点)，该比率预估偏高偏低都会影响单个媒体的收入，因此单个媒体就不会有动机制造虚假展现了。遗憾的是，从c->出价点，媒体仍然能通过制造虚假点击（比制造虚假展现困难一些），来达到使p(计费点->出价点)偏高的效果，从而获得作弊收益。所以如我们能观测到的那样，联盟上的流量质量会稍差一些。

RTB广告

前面说到广告联盟是将媒体从与投放平台及流量聚合的整体利益共同体中分离出来了，那么RTB模式就是将投放平台从与流量聚合的利益共同体中分离出来，使得投放平台更多地和广告主的利益结合在一起，这样做的出发点是为了让广告主有更好的选择

对应DSP的三种盈利模式：套利模式，服务费模式，消耗分成模式

1. 套利模式

广告主和DSP签订某个行为数的购买价格，例如每个点击1元钱。然后由DSP通过ADX采买流量，DSP会通过技术手段将每个点击控制在例如0.8元钱，这时候DSP就可以赚0.2元的差价。DSP的技术越强，相同的量的情况下，就可以以更低的成本从ADX里购买到点击，例如降低到0.6元，那么就可以获得更高的利润。
在套利模式下，因为DSP的获益方式和原来联盟以及大媒体都不一样了，因此，“三率”的表格也发生了改变。在这个表格里，我们将DSP称之为平台，ADX及聚合的媒体流量称之为媒体。

和联盟不一样的只在p(竞价点->计费点）预估偏高这一项。因为DSP从竞价点到计费点的预估如果偏高了，媒体的收入是提高了（因为出价偏高了），但是因为广告主和DSP是按计费点的数目结算，所以并不影响ROI，这部分损失由平台（也就是DSP）承担了。

2. 广告主自营DSP/服务费模式

因为不管是广告主自营DSP还是DSP收取固定服务费的方式，广告主和平台的利益都完全一致了，也就没有了平台和广告主之分，所以上表中，直接用“广告主”代表了双方的共同利益。

另外因为广告主和平台不存在计费行为，因此4个关键点中的计费点消失了，关键比率也从3个变成了2个。

因为p(计费点->出价点）也就是p(竞价点->出价点）由广告主自己用模型预估，所以效果的好坏和广告主自己拥有的数据有非常直接的关系。所以这个模式只适合自己拥有丰富数据的广告主（例如自己同时也是大媒体的广告主，例如某东，某条），后面会详细分析。

3. 消耗分成模式
   
   在消耗分成模式下，DSP的收入和广告主的消耗成正比，也就是和媒体的收入成正比，让DSP的利益反而和媒体绑定了

RTA

那么在大媒体平台或者联盟买量的广告主，是不是也可以不回传数据给平台，而是像广告主自营DSP那样自己来搭建投放系统呢。答案是肯定的。这种方式在某条和某手都叫RTA广告。可以认为在RTB模式下的广告主自营DSP也是一种特殊的RTA广告。下图展示了在大媒体平台，联盟，和RTB下（也就是自营DSP）的RTA广告示意图

投放系统被拆成了两部分，一部分在大媒体或者联盟平台中，一部分在广告主自己的RTA投放系统里。那么不难理解，如果大媒体平台或者联盟能完全收集到的行为是点击的话，那么p(m->c)是由大媒体或者联盟平台的投放系统来预估，而p(c->出价点）是由广告主自己的RTA投放系统来预估。

这个切分不是按计费点来切分的，所以有时候大媒体或者联盟平台预估的是p(竞价点->计费点）（如oCPC)，有时候也可能是p（计费点->出价点）（如oCPM)的一部分，而广告主RTA系统预估的都是p(计费点->出价点）的全部或者一部分。

大媒体 vs 联盟: 联盟能拿到的数据局限在用户的广告行为，但是有来自更多媒体的数据，所以如果联盟不够大，媒体数量的优势无法弥补种类的缺失，那么两个模型的预估就会不如大媒体准确。

DSP vs 联盟: 首先ADX只会把局部的请求发送给DSP，所以在特征维度上，DSP只能拿到部分小媒体的用户广告行为。另外，对于p(m->c)模型，DSP只能拿到竞价成功的那些展现后续是否被点击的反馈，因此label上也比联盟差不少。因此，如果DSP要发挥自己的优势，必须靠广告主愿意给自己传更多的深度数据（例如激活，付费等），要么就是自己就是广告主（自营DSP)，要么自己同时是大媒体（例如某度的DSP，某讯的DSP)。没有数据的第三方DSP，很难维持。

“大媒体和联盟” vs “大媒体+RTA和联盟+RTA”：在RTA广告中，大媒体和联盟给广告主的RTA投放系统传用户的特征都是纯自愿的，传多传少广告主也控制不了，有些大媒体或者联盟也完全不传特征数据。虽然在p(c->出价点）的模型上，label数据对RTA来说占有绝对优势，但是如果广告主没有大量的自有用户特征，这个模型也是训练不出来的。广告主有当前用户的特征就意味着这个用户已经是广告主旗下某产品的用户了。所以RTA不适合于买新用户，而更适合对广告主旗下某产品A的用户投放旗下其他产品B的广告。所以RTA特别适合电商广告，因为大部分用户其实都在电商广告主那里买过东西，电商广告主已经有了这些用户的特征数据，可以对这些用户推荐他们没有买过的新的商品的广告。而RTA就不太适合游戏类广告，因为游戏类广告主通常需要买旗下所有游戏都没用过的新用户，对于这些新用户，广告主一点特征数据也没有。

总结一下：数据积累非常多的，有对用户重复推荐旗下不同产品的广告主（例如电商广告主），或者因为某些特殊考虑绝对不可以把数据传给平台的广告主，可以考虑用RTA的方式从大媒体或者联盟中买量，或者自营DSP的方式从ADX中买量。事实上目前市面上也是电商类（如某东）对这两种方式用得比较多。而对于其他广告主，可能最好还是把数据回传给大媒体或者联盟进行买量。

参考

https://mp.weixin..com/s/weP5a5iGT3Cfvy_eKZLJSg
https://mp.weixin..com/s/mL8HUZeMTZgNurxbrBWkEw
https://mp.weixin..com/s/9DgiIMNv8RhXQ9OndKTvpw