http://www.pptjcw.com

别装了,算法知道你值多少钱

    好吧,一个标题党的标题,但是本质上也没有任何夸大,算法的确知道你值多少钱,并决定向你展示什么样的广告。

    别装了,算法知道你值多少钱

    自从Facebook引入oCPM出价以来,国内的头条广告、微信广点通、百度信息流都陆续推出了自己的oCPX出价,oCPX出价已经成为主流广告投放平台的标配。

    简单而言,oCPX是一种出价机制,允许广告主按照转化行为成本出价;假设对于游戏类的广告主,希望优化App的激活,那么广告主在投放系统中设置了激活成本之后,算法就会根据以往转化数据和广告主的出价,自动筛选有价值的人群,针对高激活概率的人提高出价赢得广告曝光,对低激活概率的人群降低出价减少广告曝光以减少广告浪费。

    常见的广告出价方式还有CPM、CPC。

    CPM:Cost Per Mille,每千次曝光成本,即按照曝光次数出价,如微信朋友圈视频形式广告在上海就按照¥180一千次曝光扣费,不管你是否点击了广告。这在短期内显然是最有利于媒体的,因为它不用care本次曝光是否有效;但是为什么说是短期?很简单,广告主又不是傻子,若发现广告后续转化一直很差,势必会减少在该媒体的投放。

    CPC:Cost Per Click,按照点击出价,如果广告只有曝光没有点击,就不扣费;看似比较公平,但是广告主需要大量的测试,才能找到最优的投放方法,其实还是有一部分点击是浪费的,这对于媒体也是损失。

    于是oCPX模式就应运而生,它能帮助广告主优化更深层次的转化行为,同时提升有效点击,提高媒体受益。

    这段时间在网上找到一篇淘宝的关于oCPC论文,逻辑很清晰,在这里简单转述一下。

    文章细节很多,没兴趣看的同学只要关注以下几点:

    本次预估的点击率*转化率与历史平均的点击率*转化率的比值,决定了系统出价调整的系数;

    淘宝的论文中,广告保证eCPM最大和各方利益总和最大。

    先定义:

    出价:广告主原始出价为b0,算法调整后的出价为b1(也就是我们经常说的:“系统会自动调整出价”);

    预估转化价值p=pCTR*pCVR*v;v代表平均每次购买带来的价值,可以假定是常数;pCTR表示预估的广告点击率,pCVR表示预估的转化率(如转化行为可以定义为“购买”);

    历史转化价值h=hCTR*hCVR*v;hCTR代表历史广告点击率,hCVR代表历史点击后转化率;淘宝实践中,hCVR是用过去一段时间的竞品广告数据(估计是解决冷启动的问题,如果账户已经积累了转化数据,肯定会用广告主自己的数据),利用pCVR预估模型进行计算,去掉最高&最低10%取均值得到的。

    为了简化说明,做两个假设:

    假设广告主的目标是保证(或者提高)ROI;

    单个点击ROI = (pCTR * pCVR * v)/ b0;b0是该广告出价,比如广告带来的购买GMV除以该广告的投放费用,即得到该广告的ROI(为了简化计算方式,假定广告主出价即等于广告点击费用,即不考虑广义次高价的逻辑,广义次高价GSP机制可以参考此前的的文章)

    要维持或者提升ROI,那么只需要保证 b1/b0 ≤ p/h。

    b1代表算法优化后的出价;举个例子,假设本次曝光,预计能带来1.5倍的转化价值,那么只要优化后的出价/广告主出价小于等于1.5倍,那么整体的ROI是不会下降的;反之,若预估转化价值低于历史均值,那么降低出价;由于b0、p和h都已知,那么只需计算b1,满足该约束即可。

    真实广告投放环境中,为了兼顾品牌安全和账户稳定,将b1/b0的范围控制在[1-α, 1+α]范围之内,淘宝论文中将α值设置为0.4,即广告最高出价不会超过广告主设定的140%,,下限也不会低于广告主设定的60%。

    若p/h≥1,那么系统优化后出价b1的下限l(b)=b0,出价上限u(b)=b0*min(1+α, p/h))(因为有ROI约束在,不能突破p/h的约束);

    若p/h<1,那么系统优化后出价b1的下限是l(b)=b0*(1-α),上限是u(b)=b0。

    通过以上约束,也就能实现我们经常说的:对于转化概率高的流量(p/h>1,即本次广告转化率比历史平均转化率要高)提高出价,获得更高展现概率;反之,对于转化概率低的流量(p/h<1)降低出价,减少展现机会。

    那么问题来了,若多个广告竞争,到底谁赢得此次出价?

    广告排序我们都知道采用了eCPM排序,eCPM=b0*pCTR,eCPM高者赢得广告展现机会。那么在ROI约束下的,eCPM能够取到的最大值即上限u(eCPM)=pCTR*u(b),eCPM能够取到的最小值即下限l(eCPM)=pCTR*l(b);

    淘宝给定的排序机制是:按照eCPM排序,同时保证各方利益总和最大。

    各方利益总和的计算,淘宝给出了两个公式:

    f(1) = pCTR1 * pCVR1*V

    f(2) = pCTR2 * pCVR2*V+β*CTR2*b0

    提示:如果您觉得本文不错,请点击分享给您的好友!谢谢

    上一篇:盘它!让人“记忆住”的2019春节营销案例 下一篇:2019,慢时代的营销

    郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。