漫谈广告机制设计 | 再谈混排：当产品提了一个“作妖”的需求

11月12日下午，阿里巴巴多款应用崩了，从17:44分出现故障到19:20分恢复正常，耗时96分钟，故障原因可能与阿里云某个底层服务组件有关，整体损失不小。大家都在猜测今年阿里云整个集团绩效可能会被3.25了。

同作为底层的工程师，工作已十分不容易，遭此横祸，如果因此连坐，笔者深表同情和惋惜，还是希望自上而下能够明确责任，法不责众。当然各级对上线保持敬畏之心，建立完成的规范和制度，无论是与钱之前相关的广告业务线，还是间接相关的非广告业务线，都是需要有的。

言归正传，最近笔者看了两本关于程序化广告的书，一本是梁丽丽的《程序化广告：个性化精准投放实用手册》，另一本是吴俊的《程序化广告实战》，前者更偏向于从产品和业务的角度介绍程序化广告的内容，后者更偏向于技术细节和实践的角度介绍程序化广告实现上的内容。

我是第二遍看梁丽丽的《程序化广告：个性化精准投放实用手册》，发现上一次看忽略了每个公司的成立，实践上这是最有价值的部分，因为每个公司都有成立的动机和要解决的问题，其中蕴含着深刻的商业价值和行业变革机会，特别是当发现程序化交易市场居然细分到如此程度，比如PA(私有拍卖交易)，PD（首选交易），PDB（程序化保量交易），HB(头部竞价)，OPEN RTB等。

这些产品让我认识到产品提的“作妖”的需求有道理了。

（一）

最近广告产品遇到一些问题，关于混排的，被自然侧喷了。因为自然侧发现广告的展现占比控制在他们的要求范围内，但抢走了好的位置和好的流量，导致自然侧优化越来越难。而广告产品侧也十分苦恼，自然侧划定的红线指标就像紧箍咒一样，限制广告的后续规划和发展。

做广告的同学们应该都知道，根据收入拆解公示，广告收入=展现量 * 点击率 * 点击出价 * 计费比。对于产品侧而言，提展现量是最短平快的方法了，通过创意提点击率上限不确定性非常大，通过模型提高预估点击率准确性更是漫长，提点击出价需要广告授权，提计费比一来空间有限，二来影响广告ROI进而影响广告出价。

（二）

提展现量就意味着要向自然侧要更多的流量了。

不是所有公司都能够向PDD那样搞全站的。PDD的自然和广告同属一个团队，目标整齐化一，没有那么多撕扯，全部流量均可商业化，先把收入做上去，老板高兴，投资人也高兴，股价框框向上涨，至于未来，暂且不想。

对外PR说：广告主现在一键可以投放所有流量（搜索、推荐等多个场景），简化投放流程，只用关心投产比（ROI）是否达成。对内而言，在机制上，流量不再被人为切分，每个流量上所有广告主均可参竞，广告收入会增长。后续在拍卖理论中我们会介绍，多引入一个竞价者会比修改广告拍卖机制（如最优机制）带来的收入要多。在商业化扩展上，比如开放一些新的广告栏位，研发一些新的产品做商业化，甚至把广告预算花在联盟流量上等等，均不用告知广告主了。在广告产品设计上，可以对广告的创意、展现形式，计费方式等做各种变动了，也不需要广告主授权，变得十分方便了。

如果读者对《oCPC实践录》专栏还有印象的话，上面这段文字刚好就是oCPC对平台的意义。oCPC的三板斧：稳定成本吸引预算、智能扩量花掉预算、深度oCPC持续增长。

广告主初期可能是高兴的，通过全站可以争取到更多的流量了。对于不依赖广告的商家，比如有广泛品牌认知的商家，那就不好过了，当然对于PDD而言，本来也不是依赖品牌商家起量的。当更多的广告主参与到这个新游戏中，竞争变得激烈了，而这些正是平台机制设计者所期望了。

如果全部流量可以商业化，有读者就问了，平台的机制是不是也发生变化了？之前自然流量的排序分可能是eGMV= 预估点击率 * 预估成单率 * 预估成单价格（或者商品价格），广告侧的排序分可能是eGMV + W1 * eCPM, 其中W是eCPM的权重参数，广告侧设定，eCPM=预估点击率 * 预估转化率 * 给定转化成本。现在广告和自然的排序分统一为：eGMV + W2 * eCPM, 其中W2是eCPM的权重参数，平台设定，eCPM=预估点击率 * 预估成单率 * 预估成单率 * 预估成单价格（或者商品价格）/ 给定投产比。公式中的W2是平台平衡交易额和广告收入的关键因素，如果期望广告收入涨一些，就调大W2，反之就调低。

广告的计费机制可直接是一价，如果是CPS计费，那就是成单时才计费=预估成单价格（或者商品价格）/ 给定投产比，如果是CPC计费，那就是点击时才计费=预估成单率 * 预估成单价格（或者商品价格）/ 给定投产比，如果是CPM计费，那就是展现时才计费=eCPM

广告的计费机制也可以是二价，如果是CPM计费，那就是展现时才计费=(下一位eGMV + W2 * 下一位eCPM - 当前位eGMV) * 投产比控制因子；如果是CPC计费，那就是点击时才计费=(下一位eGMV + W2 * 下一位eCPM - 当前位eGMV) * 投产比控制因子 /当前广告预估点击率；如果是CPS计费，那就是成单时才计费=(下一位eGMV + W2 * 下一位eCPM - 当前位eGMV) * 投产比控制因子 /当前广告预估点击率 / 当前广告预估转化率。

笔者不厌其烦地写计费的公式，只是为了说明，不同的计费方式的区别，对平台侧而言收益在理论上都是等价的，在预估点击率和转化率准确的前提下，同时也是为了说明模型预估不能仅仅关注AUC，也要关注预估偏差。

当我们还在为深度oCPC双出价怎么做权衡的时候，PDD已经开始对多目标出价下手了，广告主可以针对成单投产比、收藏、加购物车、关注等目标进行出价，这个在机制上称之为多维机制（oCPC在广告主控制回传时也是多维机制），多维机制面临的一个问题是：一个流量有多个纬度进行价值衡量时，在竞价时使用哪个出价？

成单投产比对应的eCPM = 预估点击率 * 预估成单率 * 预估成单价格 / 设定投产比；收藏对应的eCPM=预估点击率 * 预估收藏率*收藏出价...PDD声称多目标出价可以获取更多流量，在这个声称的前提下，笔者大胆猜测用的是其中最大的eCPM出价。多维机制让广告主在竞价过程中有更多的选择，也带来更多的迷茫和不确定性，广告科学越来越趋向玄学。

笔者对PDD商业产品们是十分佩服的，产品设计干净利落，产品好坏交由市场验证。

（三）

对于一些公司而言，不是能够拿到全部流量的。与自然侧的撕扯可能是一个长期的事情了，如果拿不到更多的流量和广告展现占比，那么就需要另寻他法了。开头中产品侧就开始另辟蹊径，从提高流量变现价值角度思考问题了，他们提出一个“流量分层和整合”的概念，最开始他们提出来的时候，我感觉又在“作妖”了，后来才理解他们的初衷。

笔者在分析数据时，发现一个有意思的情况，就是部分CPT或CPM品牌广告位变现效率竟然远高于效果变现效率，还有一种情况。长期做效果广告让笔者忽视了有部分广告主是非常关注品牌效果的，也有广告主是非常关注优质流量的，并愿意为之付出数倍的溢价。

另外在分析竞价生态时，发现高GMV商家，有出低价的冲动，对应ROI较高，对这些商家需要考虑设计机制激励出价。（当然如果没有全站流量，广告侧的激励作用会变弱）。

这时候产品侧就开始发挥聪明才智了，对流量进行分层和优质流量整合，向广告主寻求更高的溢价，也许是个好思路。我错怪产品了，以后还是要向产品好好学习。