一文了解Waterfall & Bidding广告变现模型

---

大家好，我是大明同学。

这期内容，我们一起来了解一下Waterfall&Bidding广告变现模型。

#01

Waterfall

瀑布流模型（Waterfall）是传统用于应用广告的变现模型，预先给各个广告联盟设置预期eCPM出价，并进行串行优先级排序。

当用户触发广告时，优先给出价最高的广告平台展示机会，如果该联盟不填充则会流至出价第二的广告联盟，通过漏斗的方式竞价，直到有广告被展示。

分层基本原则：头部抬高价格，保证高价卖出；中间部分要保证一定填充和展示；底部低价处理。如果eCPM比较高，填充较低，则尝试降低eCPM提升填充；反之亦然。总而言之，找到eCPM和填充率的平衡点，实现广告收益价值最大化。

返回a、b、c、d给客户端，排序在前的广告请求失败，依次取下一个广告展示。

缺点：·如果用户价值高于20 eCPM, 原高于固价设定上下浮动区间，例如50 eCPM, 第三方最终结算也仍会按照20 eCPM左右结算；因为流量是按照waterfall配置的顺序进行的广告请求以及展示，如果当前某个腰部，想出更高价可能拿不到量；

Waterfall配置原则

定价策略：

根据广告联盟历史平均eCPM数据，并结合其大盘各家平台的eCPM不断进行摸索，在历史平均eCPM基础上翻2~3倍，设置为该广告位头层代码位价格。依次创建多个广告代码位并设置阶梯状底价，价格从高到低排序，确保优先展示高价格的代码位。同时兼顾广告填充率与eCPM，尽量确保eCPM高/中层获得尽可能多的广告机会。

优化策略：

1、层级控制：各个层级之间有一定落差，分层不至于过密，导致广告请求浪费。广告填充低于10%、广告展示量低于1000的层数可以选择合并，因为一个请求到平台告诉你这个请求没有填充，大概要耗时1~2秒。如果有很多层都没有填充，会影响广告展示效率。

2、调整频率：上线初期效果不稳定未达到预期时，调整较频繁，通过每天微调持续提升eCPM，之后2~3天大调整一次；后续效果稳定后，可以延长调整频率，以周为单位修改。

3、交叉排序：各平台之间的分层要交替排序，避免出现相邻两层或连续多层都给到同一家联盟，导致竞价不充分。

4、层级差价设置：初始设置各层级相差2~3元，后续结合填充率来调整优化瀑布流，通过增加或减少分层的密集度来提高eCPM。

5、兜底配置：需要设置1~2个兜底层，确保每次广告请求都有广告填充。

运营调整瀑布流优化

瀑布流中，广告按照各平台eCPM从高到低排序请求，尽可能保证每次广告请求的填充率及最大化广告收益价值。

1、大原则：在超时允许的范围内，可以提高分层密集度，但同时也需要兼顾填充率。

2、测试&设置调优逻辑：

第一步：明确测试位置的总超时时间 -> 每一层瀑布流的超时时间 -> 确定瀑布流可以设置几层（非开屏广告位瀑布流层数设置在5层以上）

第二步：通过‌A/B Testing评估调整效果

设置A/B组的流量分配比例，各50%，且需保证A/B方案用户来源一致

a方案：对照组，复用当前的流量配置情况

b方案：实验组，通过底价，将瀑布流设置得相对密集

第三步：调优分层，收益最大化

通过评估A/B两组方案效果，重点关注指标ARPU值，通过增加/减少分层，使得ARPU越高越好。

只有在瀑布流中排序优先级越高，才能越容易请求成功高价值广告，即获得高cpm广告。跟踪头部广告主的预算趋势，留意季节及节日变化，把握变现最佳时机。

3、如何调整：

选择某一层降价或提价，从展示占比及收入贡献占比较高的层级入手，设置价格与实际价格相差较远需动态调整；目前某层级填充尚可，继续提升价格；某层级填充较低、需要降价；合并展示量较低层级（展示量低于1000）。单次尽量只改动1个变量，方便后续调整策略。

4、评估标准：

判断整体调整的好坏，在排除新增流量、节日等可能造成的影响，这个阶段的评估标准是通过ARPU去判断。通过找到eCPM和填充率的平衡点，实现ARPU最大化。

#02

Bidding

应用内竞价，向多个Bidders(支持Bidding的广告服务商)同时发起广告请求，拉取广告出价并选择胜出方，针对胜出的Bidders进行广告拉取和展示。

因此Bidding从机制上比Waterfall更优，具备以下优点：

1. 按照每次展示实时的出价进行结算，能够弥补Waterfall在以上所描述的缺点；

2. 使用Bidding时一般不需要配置相同的广告位ID，所以运营成本降低；

3. 使用Bidding后广告位列表层级变少，所以请求效率变高，总请求耗时减少间接提升了用户拉取广告的速度以及人均展示次数。

#03

Waterfall & Bidding

Waterfall和Bidding在广告请求时的逻辑确实存在本质区别，Waterfall模式是串行的，按照预设的优先级顺序逐个请求广告，直到有广告平台接受请求；而Bidding模式是并行的，同时向多个广告平台发起询价，选择报价最高的广告平台

有效地将两者进行融合，可以采取以下几种策略：

1.优先请求Bidding，然后与Waterfall比较：首先进行Bidding请求，如果Bidding胜出者的价格高于Waterfall中第一层的价格，则不再请求Waterfall，直接展示Bidding胜出的广告；如果低于第一层，则继续Waterfall的请求流程。

2.Bidding和Waterfall同时请求，两者比价：同时进行Bidding和Waterfall请求，最终选择出价最高的平台展示广告。

3.进一步优化比价逻辑：在Bidding和Waterfall都出现胜出者的情况下，进行比价，选择出价更高的广告展示。如果Bidding胜出价格高于Waterfall当前执行层级，则Bidding胜出；如果低于当前层级，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。

4.地区和用户群体的差异化配置：根据不同地区和用户群体的特点，使用不同的配置策略。例如，在发达地区和手机价格高的用户群体中配置更高的价格，以获取更高的收益；而在欠发达地区和手机价格低的用户群体中减少高价层级的配置，降低广告请求时长。

5.避免同一平台在Bidding和Waterfall中的重复配置：对于同时支持Waterfall和Bidding的平台，早期可以同时配置进行AB测试，稳定后减少在Waterfall中的配置，以避免曝光减少和价格下降。

6.追求曝光价格的正态分布和高填充率：一个好的广告策略配置应该使得曝光价格呈现正态分布，同时实现95%以上的填充率，这样可以既没有贱卖流量，又尽可能获得高价。

通过上述策略，可以在保持Waterfall模式的稳定性的同时，利用Bidding模式的实时竞价优势，实现广告请求效率和收益的最大化。

这期内容到这里已经接近尾声了，最后做个总结。

Bidding在机制上相较于Waterfall模式具有明显优势，各大联盟也在积极推动开发者向Bidding转型。尽管目前Waterfall模式在市场上仍为主流，后续市场将经历Waterfall与Bidding并存的过渡期，最终Bidding模式将逐渐成为主流。

我是大明同学。

下期见。