广告系统中的出价博弈

矛盾

广告系统中,出价环节主要涉及广告主、广告平台、流量媒体,他们各自诉求不同:

  • 广告主:通过广告出价尽可能优化营销目标,期望一个确定性
  • 流量媒体:在保证用户体验的前提下实现商业化收入,期望流量变现最大化
  • 广告平台:在满足广告主、流量媒体需求的基础上,促进广告生态的长期繁荣

前置知识

首先要看些前置知识,在广告系统中,RPM 和 eCPM 是两个重要的指标,用于衡量广告投放的效果和收入的效率。虽然它们看似相似,但实际上有一些关键区别。

RPM(Revenue per Mille)

RPM(每千次展示收入) 是指发布者,即媒体每千次广告展示所获得的收入。它是广告发布者用来衡量广告空间盈利能力的标准指标。RPM 的计算公式为:
RPM=广告收入/广告展示次数(Impressions)×1000

eCPM(Effective Cost Per Mille)

eCPM(每千次展示的有效成本) 是广告主用来衡量广告投放效率的标准指标。它通过评估广告活动的总花费和展示次数来计算广告投放的成本效率。eCPM 的计算公式为:
eCPM=广告投放成本/广告展示次数(Impressions)×1000

关键区别

  1. 侧重点不同:
    ○ RPM 是站在发布者(网站或应用开发者)的角度,关注的是广告空间带来的收入
    ○ eCPM 是站在广告主的角度,关注的是广告投放的成本效率
  2. 计算基础:
    ○ RPM 基于发布者所获得的总收入来计算。
    ○ eCPM 基于广告主花费的总成本来计算。
  3. 应用场景:
    ○ RPM 常用于评估广告网络或特定广告位的收入表现
    ○ eCPM 常用于评估广告活动效果以及优化广告支出

下面一起看看cpm、cpc、ocpx各种出价对不同角色的影响 & 挑战!

CPM

广告主按cpm出价、通过优化创意提升点击率,广告平台通过cpm排序做参竞。比如A出价1000、B出价800,那么 A 1000 > B 800,A 参竞成功。广告平台向媒体抽佣10%,那么广告平台挣1000*0.1=100、媒体挣1000-100=900元。
在这里插入图片描述

小结:

  1. 广告主:同一报价参竞会导致高价值流量拿不到低价值pv因竞得而产生亏损问题,从曝光->点击->转化有巨大的漏斗,有非常大的不确定性
  2. 广告平台:平台不清楚广告主真实目标无法保证广告主的利益
  3. 流量媒体:RPM收益受广告主出价影响,平台没有优化空间

假如广告主A的点击率、转化率都是10%,那么一个点击10元、一个转化100元。假如广告主A认为点击成本太高,一个点击只能出7元,那么媒体的RPM和广告主的ecpm怎么做博弈、既能满足广告主的诉求、同时不能减少媒体的收益

CPC

广告主按cpc点击出价,广告平台通过优化素材提升点击率、为流量找到合适的创意,按ecpm = cpc * pctr * 1000 排序做参竞,比如

  • A cpc 7、pctr 0.2,ecpm = 7 * 0.2 * 1000 = 1400,胜出(A cpc 小于 B)
  • B cpc 8、pctr 0.1,ecpm = 2 * 0.1 * 1000 = 800

思考:在CPC=7时,如果能将pctr优化到14.2%时(1000/7/1000=0.142),ecpm就可以达到1000,广告主可以花更少的钱、拿到和cpm同等的点击个数,同时媒体挣的钱和cpm一样的多。如果pctr更高的话,广告主的cpc出价可以更低、或者媒体收益更高,或者广告平台可以抽佣更多;如果pctr越低,广告主的cpc出价更高、或者媒体收益降低、或者广告平台抽佣更少。所以广告平台预估点击率就显得非常重要,关系到广告平台、广告主、媒体三方的收益
在这里插入图片描述

小结:

  1. 广告主:不再承担点击率异常风险,一定程度上降低了广告主的不确定性
  2. 广告平台:通过承担点击率异常风险,进而有了一定的优化空间(优化点击率)
  3. 流量媒体:RPM收益除了受广告主出价影响外,广告平台可以通过优化点击率做一定提升

如果广告主不关注点击成本、只关注转化成本、控制在40元一个转化呢?

OCPM

广告主按转化出价,通过优化素材提升点击率、,平台为流量找到合适的创意,按ecpm = 转化出价 * pctr * pcvr * 1000 排序做参竞,比如
A 转化出价 40、pctr 0.2、pcvr 0.2,ecpm = 40 * 0.2 * 0.2* 1000 = 1600,胜出
B 转化出价 60、pctr 0.3、pcvr 0.1,ecpm = 60 * 0.2 * 0.1 * 1000 = 1200
在这里插入图片描述
思考:在CPA=40、pctr=0.2时,如果能将pcvr优化到12.5%时(1000/40/0.2/1000=0.142),ecpm就可以达到1000,广告主可以花更少的钱得到一个转化,同时媒体挣的钱和cpm一样的多,如果pcvr更高的话,广告主和媒体的满意度越高。所以广告平台预估点击率、转化率就显得非常重要,关系到广告平台、广告主、媒体三方的收益

  • 22
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值