漫谈广告机制设计 | 万剑归宗:聊聊广告机制设计与收入提升的秘密(2)

书接上文漫谈广告机制设计 | 万剑归宗:聊聊广告机制设计与收入提升的秘密(1),我们谈到流量作为一种有限资源,其分配方式(或者交易方式)也经历了几个阶段:第一个是谈判定价阶段,第二是经典拍卖阶段,第三是数据驱动的拍卖与算法定价阶段,第四是基于机器学习深度学习的智能分配阶段。

(一)

第一阶段是谈判定价阶段。也许是过多地做广告拍卖机制的工作,曾误以为机制设计就是拍卖的机制,其实拍卖只是机制设计的一个小的范畴。关于流量的买卖最开始也不是使用拍卖,而是沿用传统广告的定价方式,定价才是商品交易市场的主流。

为一个商品定价不是一个容易的事情,确切的说商品的定价直接决定商品和品牌的生死,这是一门非常深的学问,也是重要的研究课题。作者对此了解不深,不做过多探究,引用知乎上赵晟泉老师的一个图可以感知一下。作者聊几个例子。

1)第一个例子是辛巴带货慕思床垫,将在经销商渠道售价20000的床垫打到4980,引发直播间大规模抢购,引起了经销商的强烈反对,使得慕思公司不得不重新考虑后续的直播带货。用户从中得到了实惠,但慕思的品牌价值应该是受到影响,即使它的毛利可能是增长的。可见定价的重要性。在完全竞争市场,商品的价格是供求关系决定的。

2)第二个例子是广告底价的设定。广告主在业务端出价的时候,无论是CPC还是CPA,都会有一个底价限制,即出价不能低于某个值。广告底价的设置其实就是一个定价问题了,平台侧需要对自己的流量价值做一个评估后做出定价。

笔者清楚地记得,在上家公司,针对一个新产品进行流量变现时,广告主设置CPC出价时底价仍然采用主产品的底价,而这个新产品的流量价值远低于主产品。最终的结果也很符合预期,广告主即使把出价设置为底价,也是投一个死一个。还有广告主不直接感知的各类保留价策略(当广告主出价低于保留价时不能参与竞价,竞价高于保留价的广告计费值最低是该保留价),基本上是定价问题。笔者还遇到过,在CPC下,将广告主搜索的出价暗投到信息流,将细分场景的出价暗投到全场景的事情,最后都不得不做暗投出价打折来保证广告主的效果。平台机制设计者需要对流量价值有清楚的认知。

3)第三个例子是品牌广告的定价问题。比如说想在页面的第一位投放品牌广告,那么这个品牌的定价怎么处理的呢?一个很短平快的方法是统计一下现有第一位上效果广告的CPM,然后乘上一个系数作为定价,至于这个系数是不是需要因人而异,那就看碟下菜了。这个方法受限于效果广告的投放结果。

我们谈谈根据什么定价。传统媒体广告有些是根据广告的位置、字数、样式和投放时长进行定价的,先统称为CPT广告。但对于流量快速变化的互联网平台而言,当平台流量增长100倍或者萎缩到1/100,仍然采用之前的CPT价格就不合适了。对于平台而言,CPT下收入提升的方式可以通过多开广告位解决,从机制上做功空间相对有限。因此,无论是广告主还是平台都在寻求新的定价标的。

一个很自然的想法就是按照流量的多少进行售卖,比如一次展现的价格,这个值可能太小,广告主没法出价,就设置为千次展现价格,统称为CPM广告。这个价格早期也是通过谈判定价决定的,当然谈判沟通需要大量的人力物力,那么广告主可能就希望有量的要求了,比如这个广告至少展现一千万次,如果展现量不够,那么平台就需要进行赔款,这简称为合约CPM广告。合约CPM广告在前提不考虑广告主效果的情况下,平台侧的操作空间会很大,这个操作空间有部分集中在“展现”的定义上。

才开始双方合作得挺好。但到后来,平台侧的流量可能增加了,增加的流量可能从原来单一的某个领域扩展到了多个领域,这个时候广告主可能买到了很多不需要的流量。这个时候新的谈判要开始了,比如有些广告主要求只要男性流量,有些广告主只要一线城市流量,这样平台开始对流量进行分层了(或者对流量打标签了),广告主可以根据标签进行购买了,此时进入“计算广告”时代。不过价格仍然采用定价的方式进行。

谈判定价是大平台大广告主才能玩得起的游戏,对于大量的中小广告主,中小平台,聘请销售和商务人员去谈判,排期是十分不现实的。

虽然说目前效果广告大部分仍然采用拍卖的方式进行,但是定价并未远去。正如在漫谈广告机制设计 | 再谈混排:当产品提了一个“作妖”的需求中提到:当广告展现不能再涨、广告主迟迟不愿提价、广告计费比已经触顶、广告点击率迭代不动时,就需要回到初始点,做做流量分层和优质流量整合的事情,结合着酷炫的创意,向广告主传达注重品牌效果,弱化效果营销的概念,面向具体的广告主寻求更高的流量溢价。

(二)

当平台侧发现,分配来自一线城市的男性流量时遇到了难题,因为这个流量同时满足多个广告主的买量需求,如果分配给出价最高的广告主A, 那么广告主B的合约就可能达不成了,所以有可能为了不合约赔偿,把流量分配给了广告主B。平台侧在合约阶段的流量分配往往基于运筹学做整体优化,不会考虑广告主A和广告主B之间的博弈。从博弈的角度分析,如果广告主A发现出价更低的B获取了流量,那么对广告主A的激励作用就反向了,这时候他有可能选择离开平台,这就是平台分配效率不是最大化,盘子越做越小了。

平台侧这个时候选择针对单次流量分配效率最大化的方法,就是谁出价高给谁,平台侧从表面上退出了价格的制定,而交由广告主竞价决策,广告机制进入竞价拍卖阶段。虽然说现实的情况并非严格按照这个思路进行,但基本思想的变化是有迹可循的。几乎与机制变化同时,交易的标的也由展现(CPM)变为了点击(CPC),平台与广告主的博弈也进入了新阶段。这里面有个问题,读者们可以思考一下,如果广告主仍然按照展现出价,是否还需要点击率预估呢。

(三)

在介绍广告拍卖机制设计之前,十分有必要介绍一些基础的理论知识。确切地说,对基础知识的忽视和对基本原则的无视是现有机制设计呈现各种乱象的根源,也是很多策略和模型出现无效果无结论,有效果无结论,短期有效果长期无效果的原因。因为拍卖属于博弈论的范畴,所以我们首先从三个经典博弈论的例子聊起。

囚徒困境

问题是:两个嫌疑犯A和B作案后被警察抓住,分别关在不同的屋子里接受审讯。警察知道两人有罪,但缺乏足够的证据。

警察作为机制设计者,他需要设计一个规则,让这两个嫌疑犯均能够坦白认罪。屈打成招就是一个规则,但这个规则存在诸多问题。聪明的警察设计了这样的一个机制:警察告诉每个人:如果两人都抵赖,各判刑一年;如果两人都坦白,各判五年;如果两人中一个坦白而另一个抵赖,坦白的放出去,抵赖的判十年。

我们用一个矩阵来建模这个机制。

嫌疑犯A,B都有两个选择:抵赖和坦白,这是策略(或战略)候选。现在他们需要选择一个策略使得自己的收益最大化。对于A而言,他开始需要分析B的选择后做出自己的选择,他是这样分析的:当B抵赖时,如果我也抵赖会判一年,如果我坦白不用判刑;如果B坦白时,如果我还抵赖会判10年,如果我坦白判5年;因此无论B选择抵赖还是坦白,我的最优选择是坦白。同理,B的最优选择也是坦白。

可以看出,在这个机制下,聪明的警察得到了预期的效果,达到了社会效率最大化。但从囚徒的角度看,个人理性有时能导致集体的非理性,因为他们有更好的收益选择(同时抵赖)。聪明的人类会因自己的聪明而作茧自缚,或者损害集体的利益,这样的例子比比皆是。机制设计就是为达到某个目设计的规则。这个设计依赖于对博弈参与各方的利益和选择的深刻分析和洞察。所以笔者常说,做机制和做策略的要有明确的预期预判,不是拍脑袋就决定做与不做,更不是让市场参与者做出规则的选择。

借这个例子说明了博弈论的几个概念。

1)博弈的三要素:参与人,策略,收益。

2)静态博弈:参与人同时做出决策。反之,称之为动态博弈。

3)完全信息博弈:参与人都清楚每个人的策略和收益。反之,称之为不完全信息博弈。

4)占优策略:无论别人选择什么策略,我都存在一个收益最大化的策略。如对于嫌疑犯A和B而言,他们都是有占优策略的,就是坦白。需要注意不是所有的博弈,都存在占优策略。

5)占优均衡:一个博弈中,每个参与人都选择占优策略达到的平衡状态。注意不是所有博弈都有占优均衡。均衡可以是博弈问题的解。

6)对称策略和对称均衡:当参与人的策略和收益相同,达到的均衡状态。

囚徒困境这个是完全信息静态博弈,参与人存在占优策略,最终达到占优均衡,并且是对称占优均衡。

好了,我们下篇文章继续介绍,“能者必须要多劳”,纳什均衡,混合策略,四大基本拍卖形式,收益等价原理,GFP, GSP,基于GSP的各种变形是否能够带来收益提升。敬请关注。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/197540.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

线性方程组

线性方程组 设存在线性方程组 { a 1 , 1 x 1 a 1 , 2 x 2 ⋯ a 1 , n x n b 1 a 2 , 1 x 1 a 2 , 2 x 2 ⋯ a 2 , n x n b 2 ⋮ ⋮ a m , 1 x 1 a m , 2 x 2 ⋯ a m , n x n b m \left.\left\{\begin{array}{l}a_{1,1}x_1a_{1,2}x_2\cdotsa_{1,n}x_nb_1\\a_{2,1}…

linux查看资源占用情况常用命令

1. 查看 CPU 使用情况: top这个命令会显示系统中当前活动进程的实时信息,包括 CPU 使用率、内存使用率等。按 q 键退出。 2. 查看内存使用情况: free -m这个命令显示系统内存的使用情况,以兆字节(MB)为…

【预处理详解】

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 目录 前言 1. 预定义符号 2. #define定义常量 3. #define定义宏 4. 带有副作用的宏参数 5. 宏替换的规则 6. 宏函数的对比 7. #和## 7.1 #运算符 7.2 ## 运算符 8. 命名约定 …

【Spring总结】注解开发

本篇讲的内容主要是基于Spring v2.5的注解来完成bean的定义 之前都是使用纯配置的方式来定义的bean 文章目录 前言1. Spring v2.5 注解开发定义bean第一步:在需要定义的类上写上注解Component第二步:在Spring Config中定义扫描包第三步:主方法…

企业数字化过程中数据仓库与商业智能的目标

当前环境下,各领域企业通过数字化相关的一切技术,以数据为基础、以用户为核心,创建一种新的,或对现有商业模式进行重塑就是数字化转型。这种数字化转型给企业带来的效果就像是一次重构,会对企业的业务流程、思维文化、…

为什么求职者反感企业招聘用的人才测评?

为什么求职者会对人才测评的不满?大概率是认为性格测评不能完整的定义人的优势,也就是测不准! 这个想法是对的,性格测评并不能100%的展现一个完整的人,目前没有那个测评的信效度能达到如此理想,估计以后也…

Elasticsearch中的语义检索

一、传统检索的背景痛点 和传统的基于关键词的匹配方式不同,语义检索,利用大模型,将文本内容映射到神经网络空间,最终记忆token做检索。 例如想要搜索中国首都,例如数据集中,只有一篇文章在描述北京&#x…

Pandas分组聚合_Python数据分析与可视化

Pandas分组聚合 分组单列和多列分组Series 系列分组通过数据类型或者字典分组获取单个分组对分组进行迭代 聚合应用单个聚合函数应用多个聚合函数自定义函数传入 agg() 中对不同的列使用不同的聚合函数 分组聚合的流程主要有三步: 分割步骤将 DataFrame 按照指定的…

Leetcode经典题目之“双指针交换元素“类题目

1 LC 27. 移除元素 class Solution {public int removeElement(int[] nums, int val) {int nnums.length;int s0;for(int i0;i<n;i){// 只有不等于目标值的时候才会进行交换&#xff0c;然后移动s指针if(nums[i]!val){swap(nums,i,s);}}return s;}void swap(int[]nums, int…

【cpolar】Ubuntu本地快速搭建web小游戏网站,公网用户远程访问

&#x1f3a5; 个人主页&#xff1a;深鱼~&#x1f525;收录专栏&#xff1a;cpolar&#x1f304;欢迎 &#x1f44d;点赞✍评论⭐收藏 目录 前言 1. 本地环境服务搭建 2. 局域网测试访问 3. 内网穿透 3.1 ubuntu本地安装cpolar 3.2 创建隧道 3.3 测试公网访问 4. 配置…

【C++初阶】STL详解(四)vector的模拟实现

本专栏内容为&#xff1a;C学习专栏&#xff0c;分为初阶和进阶两部分。 通过本专栏的深入学习&#xff0c;你可以了解并掌握C。 &#x1f493;博主csdn个人主页&#xff1a;小小unicorn ⏩专栏分类&#xff1a;C &#x1f69a;代码仓库&#xff1a;小小unicorn的代码仓库&…

如何解决msvcr100.dll丢失问题?5个实用的解决方法分享

在日常计算机操作过程中&#xff0c;相信不少小伙伴都经历过这样一种困扰&#xff0c;那便是某款应用程序或者游戏无法正常启动并弹出“找不到msvcr100.dll”的提示信息。这类问题让人头疼不已&#xff0c;严重影响到了我们的工作效率和休闲娱乐。接下来&#xff0c;就让小编带…

大数据HCIE成神之路之数学(3)——概率论

概率论 1.1 概率论内容介绍1.1.1 概率论介绍1.1.2 实验介绍 1.2 概率论内容实现1.2.1 均值实现1.2.2 方差实现1.2.3 标准差实现1.2.4 协方差实现1.2.5 相关系数1.2.6 二项分布实现1.2.7 泊松分布实现1.2.8 正态分布1.2.9 指数分布1.2.10 中心极限定理的验证 1.1 概率论内容介绍…

视频合并:掌握视频嵌套合并技巧,剪辑高手的必备秘籍

在视频剪辑的过程中&#xff0c;掌握视频合并的技巧是每个剪辑高手必备的技能之一。通过合理的合并视频&#xff0c;可以增强视频的视觉效果&#xff0c;提高观看体验。 一、视频合并的准备工作 收集素材&#xff1a;在进行视频合并之前&#xff0c;首先需要收集足够的素材&a…

ATTCK实战系列——红队实战(一)

文章目录 网络拓扑环境搭建外网渗透信息收集端口扫描目录扫描 漏洞利用phpmyadmin拿shellgeneral_log_file写一句话蚁剑连接 网站后台拿shell关闭防火墙新建用户&#xff0c;开启3389 内网渗透&#xff08;一&#xff09;CSCS木马上线信息收集hashdumpMimikatz抓取明文密码 权限…

数据结构——树状数组

文章目录 前言问题引入问题分析树状数组lowbit树状数组特性初始化一个树状数组更新操作前缀和计算区间查询 总结 前言 原题的连接 最近刷leetcode的每日一题的时候&#xff0c;遇到了一个区间查询的问题&#xff0c;使用了一种特殊的数据结构树状数组&#xff0c;学习完之后我…

Spring Boot中使用MongoDB完成数据存储

我们在开发中用到的数据存储工具有许多种&#xff0c;我们常见的数据存储工具包括&#xff1a; 关系性数据库&#xff1a;使用表格来存储数据&#xff0c;支持事务和索引。&#xff08;如&#xff1a;MySQL&#xff0c;Oracle&#xff0c;SQL Server等&#xff09;。NoSQL数据…

青少年CTF-WEB-2048

题目环境&#xff1a; 针对这种游戏通关类题目&#xff0c;常见的有两种情况 一、有参数改参数的数值达到题目规定的分数即可拿到flag 二、没有参数那么flag就是被编码了&#xff0c;找编码即可 这道题并没有说题目通关即可获得flag&#xff0c;也并没有发现参数 所以这里猜测f…

Flutter笔记: 在Flutter应用中使用SQLite数据库

Flutter笔记 在Flutter应用中使用SQLite数据库&#xff08;基于sqflite&#xff09; 作者&#xff1a;李俊才 &#xff08;jcLee95&#xff09;&#xff1a;https://blog.csdn.net/qq_28550263 邮箱 &#xff1a;291148484163.com 本文地址&#xff1a;https://blog.csdn.net/q…

Kubernetes(k8s)进阶

文章目录 Kubernetes进阶一、Namespace&#xff08;名称空间&#xff09;1.namespace介绍2.管理namespace查看namespace创建namespace删除namespaceyaml文件配置namespace 二、Pod&#xff08;最小基本部署单元&#xff09;1.pod介绍2.管理pod创建并运行pod查看pod信息访问pod删…