广告流量分发的逻辑和思路

0 评论 5010 浏览 34 收藏 9 分钟

如今,大部分开发者都是通过waterfall+bidding混合模式获得更高广告价格和广告填充。那么,什么是waterfall?什么是bidding?它们是如何运行的?本文分析其广告流量分发的逻辑和思路,希望对你有所启发。

目前绝大部分开发者通过waterfall+bidding混合模式,以期获得更高的广告价格和更多的广告填充。

但也有很多运营同学,对于waterfall+bidding的配置存在很多的疑问,因此本文主要解答在广告运营中,waterfall和bidding配置中的要点和可能存在的问题。

一、什么是waterfall?什么是bidding?

waterfall和bidding都是广告聚合系统中流量分发的模式。

waterfall是串行模式,广告聚合系统根据基于历史数据的配置,从高价到低价依次向广告平台给出价格询价,直到有广告平台接受价格,此时的价格就是所有广告平台可以接受的最高的价格。

bidding则是并行模式,广告聚合系统同时向配置的各广告平台发起询价,各广告平台返回报价,媒体选择报价最高的广告平台,此时的价格是所有广告平台可以给出的最高价格。

这里可以看出两种模式的差异。waterfall是先预设价格,分次降序询价,直到有广告平台接受价格。而bidding则反之,无预设价格(可以设置底价),一次询价,价高者得。

对于开发者来说,waterfall存在着诸多的问题:

  • waterfall基于历史数据设置价格,这个历史数据是多久的数据,冷启动没有历史数据怎么办
  • 市场上预算是千变万化的,历史数据能否真实反应当下的价格,运营同学能否及时根据市场情况调整价格
  • 串行的模式也意味着如果层级过多,广告请求时长会很长,造成前端展现延迟,影响用户体验。而以上的问题,bidding模式均不存在,因此对于开发者来说,bidding无疑更好的模式。在当下,虽然主流的广告平台大多支持了bidding模式,但也有很多中小型平台对bidding的支持还不完善,因此短时间内,纯bidding模式还不现实,waterfall+bidding混合模式依然是开发者的主流。
  • bidding既然这么好,为什么在waterfall稳定运行了多年之后,bidding才姗姗来迟。一方面是技术原因,bidding对于广告平台的出价能力要求更高,广告平台对于流量需要一次性出价,而不再像之前通过waterfall试探。另外一方面也有利益原因,相比于waterfall,bidding模式下广告平台浑水摸鱼的空间变得更小。无论如何bidding取代waterfall是大势。

二、waterfall和bidding怎样运行

目前waterfall+bidding混合模式主要有两种运行模式:

  1. 优先请求Bidding,Bidding胜出者会和传统瀑布流中的各个分层进行比较,最终让出价最高的平台获得展示机会(如Bidding胜出者高于瀑布流的第一层价格,则不再请求瀑布流);
  2. Bidding和瀑布流同时请求,两者比价,最终价高者得。两种模式整体差别不大。

如果想要效率最大化,那么在2的基础上做进一步的优化:

  • bidding和waterfall均已出现胜出者,则两者比价,价高者得。
  • bidding出现胜出者,waterfall尚未完成,bidding胜出价格高于waterfall当前执行层级,则bidding胜出。
  • bidding出现胜出者,waterfall尚未完成,bidding胜出价格低于waterfall当前执行层级,则等待waterfall执行到bidding胜出价格所在层级,如果waterfall无广告平台报价,则bidding胜出

这样的优化一定程度上可以提升整体的效率,但竞价逻辑变得更加复杂,因此是否需要采纳还需要产品自行决策。

三、waterfall和bidding怎样配置

无论Bidding还是瀑布流,两者只是竞价模式的区别,其中的配置才是关键。这里有几个要点是配置中需要特别关注的。

  • 不管是bidding还是waterfall,都需要有足够的广告平台进行竞争,才能使利益更大化,广告平台较少都体现不出聚合的优势。所以建议在预算的情况下,至少配置4~6家广告平台,以寻求竞争最大化,提升填充和价格。
  • waterfall的层级需要精细化,不能太少也不能太多。无脑堆砌瀑布流层级,虽然一定程度上可以提升ecpm,但瀑布流是串行结构,过多的瀑布流层级会显著影响广告的耗时,尤其在一些网络条件不是很好的地区,问题会更加显著。因此对于曝光较少的层级可以选择合并或者移除。瀑布流层级太少也存在问题,价格梯度不平滑,使得梯度间的价格收益被抹平。价格梯度上,建议低层级价格梯度20%,高层及价格梯度50%来进行梯度区分。
  • waterfall需要经常调整,但频繁的调整也会存在问题。广告平台机器学习需要时间和数据,因此对于陌生的流量,平台倾向于出高价来获取流量。虽然短期可以提升收益,但长期来看,频繁更换id,调整waterfall配置并不利于广告稳定的获取,长期甚至会影响广告平台对于开发者的评价,反而得不偿失。
  • 不同的地区和用户群体,也需要使用不同的配置策略。发达地区的用户、手机价格更高的用户可以配置更高的价格来获取更高的收益,欠发达地区用户。手机价格低的用户可以减少高价层级的配置,降低广告请求时长。这都是常见的策略。
  • 对于同一个广告平台同时配置在bidding和waterfall,其实并无太大必要。同一个平台对于同一流量,waterfall和bidding的价格不会有很大的差距,而因为waterfall梯度的原因,往往是bidding获胜,最终结果是该平台在waterfall的曝光减少,进一步导致在waterfall价格的下降。因此对于同时支持waterfall和bidding的平台,可以在早期同时配置进行AB测试,在稳定后减少在waterfall中的配置。
  • 一个好的广告策略配置,最终呈现的结果是,从价格上来看,曝光呈现价格正态分布,曝光正态分布意味着既没有把流量贱卖,又尽可能的获得了高价(可以思考一下这个问题)从填充上来看,能实现95%以上的填充率,基本上可以认为接近了广告收益的上限了。

本文由 @rorain 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!