竞价机制
作为一种重复博弈,很多拍卖上的策略用在这里在结果上会有一些变化。在线广告拍卖有一些特点:
- 在线广告主可能很多并不愿意公开自己的出价,因此公开竞价就变得不适合
- 在线广告是多次重复博弈,即这个广告位被抢了,广告主还可以抢下个广告位,广告主可以不断调整自己的出价
- 在线广告存在多个标的物(每一次广告请求可能都是多个竞价标的物)、海量实时计算的特征
GFP
广义第一价格(Generalized First Price,GFP)按照出价去计费,价格高者排在前面,它的优势就是简单,收入可保证,但是稳定性较差。广告主一开始不断抬价,获得展现后,它又会开始不断的减少价格而降低成本,这种竞争是相对武断的,而且很容易知晓竞争对手的出价。另外,当出价最高广告主停止投放后,容易对广告平台收入产生较大的波动。在2002年之前,所有的搜索引擎都是第一出价法则。
假如,谷歌的关键词“跑步”下面的广告位,耐克认为一次点击值10块钱,阿迪认为值6块钱,这时候如果他们采取GFP拍卖,而谷歌广告系统给出的底价是2块,那么阿迪和耐克都会试探着出价。
这种拍卖方式从博弈论的角度不存在纳什均衡(这一点已被经济学家从数学的角度证明),即它永远存在一个你追我赶的状态,原因是这种拍卖方式出价取决于对手的出价。
同时从更深层次上,这种机制在重复博弈的机制下至少有两个缺陷:
- 不符合帕累托最优,即一个好的拍卖机制应该是把标的物卖给对它估值最高的竞价者,在这个案例中,评价最高的是耐克,然而有一半的几率被阿迪所抢走了。
- 不符合卖方利益的最大化,耐克阿迪评价都远超2块,但出价却从2块开始出。
GSP
Google的广告竞拍采取广义第二价格(Generalized Second Price,简称GSP)。Facebook采取的是GSP与VCG(Vickrey-Clarke-Groves)的混合体。
GSP就是下一位的价格稍微多很小的值。存在一个唯一的纳什均衡,即每个人都出自己对于商品的真实估值是最优策略,因此该机制是一个鼓励竞拍者讲真话的机制,同时具有相当的稳定性,即广告主没有频繁调整自己出价的动力,收费低于GFP。
然而,这样会出现恶意竞价的可能,广告主们推测竞争者的出价,故意出偏高但是不是最高的价格,抬高中标者要付的价格。或者同谋作弊,也就是勾结之后,第二位出低价。当然GFP也存在这种问题,但更容易出现背叛同谋的情况。但是不同于线下的单一拍卖,在线广告是大规模重复博弈,大规模意味着参与竞价的广告主数量众多,客观上增加了勾结作弊的难度,从某种意义上掩盖了这种机制的缺陷。为了解决上面的问题,Google在系统里加入了质量得分的因素。质量得分里最关键的是CTR,综合竞价和点击率。影响质量得分的还有:点击率,广告的相关性,广告帐户历史等等。
GSP的不足是,竞价的结果不一定是全局最优化的,并非全体竞价者福利最大化的竞价方式。
VCG
它的基本原理依然是价高者得,但扣费却是计算价高者参与给其他竞拍者带来的总损失,即先算出没有价高者参与时的总福利,然后算价高者参与之后的其他人的总福利,这个福利之差就是其他参与者的损失,价高者需要为这个系统的整体福利的减小而付出成本,以保证整体福利的最大化。容易达到稳定和纳什均衡。
假如现在有两个广告位,第一位能带来20个点击,第二位能带来10个点击。
根据出价结果,锐步出局,那么计算耐克要付出的成本。假如耐克不参与,总福利为
4
∗
20
+
2
∗
10
=
100
4*20+2*10=100
4∗20+2∗10=100,耐克参与后总福利为
4
∗
10
+
2
∗
0
=
40
4*10+2*0=40
4∗10+2∗0=40,耐克付出的成本为
(
100
−
40
)
/
20
=
3
(100-40)/20=3
(100−40)/20=3。
对于阿迪,首先去掉广告第一位,若不参与,总福利为 2 ∗ 10 = 20 2*10=20 2∗10=20,若参与则 2 ∗ 0 = 0 2*0=0 2∗0=0,因此付出 20 / 10 = 2 20/10=2 20/10=2。
比较一下三种计费的费用,在广告主出价不变情况,GFP>=GSP>=VCG。
尽管VCG可以最大化竞价者福利,但它非常难向广告主解释,会面临极大的教育成本;谷歌首席经济学家Hal Varian曾经就明确表示谷歌在2002年不愿意从GSP转到VCG其中一个原因就是用户教育成本太高。另一方面也因为从GSP直接转向VCG会面临收入下滑的风险,经济学家们已经证明VCG的收入不会比GSP高。
Facebook的首席经济学家 John Hegeman,曾经透露Facebook实行的是一种改良的VCG方式,它会考虑多家广告主的竞价情况,一家广告主获得展现机会的同时,其它的广告主丧失了展现机会,另外对于用户也有些干扰。在计费的时候,广告平台将考虑这两个方面来进行计费。Facebook是牺牲了短期利益,从更长远的角度进行考虑,因为竞价广告不是一个短期的行为,Facebook相信保证广告主的总体利益而言符合自己的长远利益。
广告平台是帮助媒体,用户,广告主实现帕累托最优,从而实现广告平台的长期发展。收费方式和竞价策略是其中的核心问题,其中竞价的收费可以分为GFP、GSP、VCP三种。GFP广泛用于简单的竞价场景,GSP广泛用于目前的关键字搜索收费和一些经济活动,VCG是理论上较为公平的收费方式,目前实用性较少。
预算控制
在实际广告投放过程中,我们常常会碰到一个问题:媒体流量比较大,广告主预算消耗过快,有些中小广告主甚至在开始投放的几分钟内就把预算消耗完。这会导致广告主早早退出后续流量的竞争,不仅会影响广告主体验(无法触达到更多的优质用户),也导致整个广告不平稳(竞争都集中在早期,而后期又竞争不足)。预算控制(Budget Pacing)的作用就是平稳花掉广告主的预算,并帮助广告主优化转化效果。这里主要讨论Facebook的pacing。
假设广告主每天的预算为$10,每次点击对于他的收益为$5,在已知每天的价格和机会的情况下计算不同节奏的收益。
首先是预算很快消耗完:
广告总花费为:
1
∗
3
+
2
∗
2
+
3
=
10
1*3+2*2+3=10
1∗3+2∗2+3=10,花光了预算,利润为:
5
∗
6
−
10
=
20
5*6-10=20
5∗6−10=20。
然后是预算比较低,细水长流:
广告总花费为:
1
∗
4
=
4
1*4=4
1∗4=4,预算有剩余,利润为:
5
∗
4
−
4
=
16
5*4-4=16
5∗4−4=16。
最后是使用pacing找到花光预算并最大化利润的均衡:
广告总花费为:
1
∗
4
+
2
∗
3
=
10
1*4+2*3=10
1∗4+2∗3=10,预算花光,利润为:
5
∗
7
−
10
=
25
5*7-10=25
5∗7−10=25。
Pacing 保证对所有的广告主在竞争前提下自动分配不同的广告预算,在给定预算下最大化广告主的利润。它让广告主更加真实,保证了可预测的投放。这种稳定投放让每日的价格稳定并帮助广告主公平获取他们目标用户的门槛。