底价优化

标签: 优化 | 发表时间:2014-11-18 20:53 | 作者:quweiprotoss
出处:http://quweiprotoss.blog.163.com

底价优化

Author : Mike Nolet

译者:屈伟

RTB中引入了修改后的Second-Price竞价模型,竞价成功的广告不需要向Ad-Exchange付他的出价,而只会付第二名的出价。

         Second-Price的理论思想是这样的:假设我在卖莫奈的油画。有许多人想竞得这幅油画,每个人心里都有一个最高出价,但问题是他不想付比能竞得这幅画的出价多一分钱。那么,如果我告诉我的买主们他们竞得后只需要付第二个出价最高的人的价格,那么买主们就很乐意地告诉我他们的最高出价了,因为他们知道他们只需要付第二名的出价。这听起来很美妙不是吗?Second-Price竞价让每个人的生活都更简单了,并且创造了一个简单有效的市场。

         问题是:在今天的广告市场中,我们似乎不能完全看到这个理论被应用。看一下下面两幅图,两幅图来自两个不同的exchanges的publishers,图中反应的是收益曲线。两个exchange都使用的是second-price竞价模型。

 

底价优化 - quweiprotoss - Koala++s blog

 

         理解图中的收益曲线比较简单。在X轴上是CPM竞价,在Y轴上是竞得百分比,竞得百分比是指你在竞某个价格时你能从Publisher那得到曝光的比例。在右图中,我们看到一个比较符合逻辑的收益曲线,你在低于$0.4的出价时无法竞得曝光,在$0.5时你大概能竞得10%的曝光,在高于$2.00时你将可以竞得大约70%的曝光。在越高的出价点上,需求就越少,那么就有着更高的竞得比例。

         而在左图中,你会看到一个比较奇怪的模式,在低于$0.90时,竞得比例为0,而在$1.00时,总得比例是80-90%。在这种情况下,其实是Publisher对这些流量设置了大约$0.9的底价。

         这种情况在今天的RTB中非常常见,Publisher很恐惧RTB会蚕食掉他们的优质流量价目表(Rate card,意思Publish指定了各个广告位指定多少钱卖),并强制对RTB买家设置一个底价。一个非常有意思的现象是如果你去查看竞得率,你会发现其实根本没有多少出价会高于底价,换句话说,这些流量不值那么多钱。那为什么一个Publisher要设置一个底价来损害他们的收入呢?

What the publishers are afraid of

         从根本上讲,Publisher是害怕广告主通过博弈出价,而导致更低的eCPM。

         让我们看一个假设的Google AdExchange的竞价例子:一个29岁的男性用户在CNN.com中在看一个有关福特小货车的页面的第三个广告,他也被识别为准备购买手机的人。四个买家对这个特定的曝光感兴趣…

-福特买了关键词“小货车”,这个曝光对他的eCPM价值为$5.00(从CPC价格中推算出)。

-AT&T用第三方数据定向了手机购买者,出价CPM为$3.00。

-卡夫品牌广告定向了29岁男性用户,CPM出价为$2.00。

         在Second price理论中,每个买家会提交他们的出价,福特的$5.00出价会赢得这次曝光,它将付费$3.00,即AT&T的出价。

         现在有一个问题….频次&大量的曝光供给。用户会看多次广告。频次同样是至今为止优化广告效果中最重要的因素。所以每个买家只希望广告触达用户一定量的次数。

         为了讨论清楚这个问题,我们假设这个29岁的男性用户,Joe,正在看CNN.com的不同页面的文章,有10次向他展示广告的机会。让我们假设我们的广告主每一次都竞价。为了对频次进行建模,我们假设每次曝光后,广告都只愿为相同的用户下一次的曝光付一半的钱。在这些假设下,下面的表给出了10次竞价的结果。

Auction

Ford

AT&T

Kraft

Price paid

#1

5.00

3.00

$2.00

$3.00

#2

$2.50

$3.00

$2.00

$2.50

#3

$2.50

$1.25

$2.00

$2.00

#4

$1.25

$1.25

$2.00

$1.25

#5

$1.25

$1.25

$1.00

$1.25

#6

$0.63

$1.25

$1.00

$1.00

#7

$0.63

$0.63

$1.00

$0.63

#8

$0.63

$0.63

$0.50

$0.63

#9

$0.31

$0.63

$0.50

$0.50

#10

$0.31

$0.31

$0.50

$0.31

 

         我们看到的结果是Publish通过最大化CPM的收入从$3.00(原文是$2.5,是不是写错了?)很快的降到$0.31(原文是$0.64)。

         现在是理论和实践分家的时候了。在上面的场景中,福特平均付了$1.72元CPM去展示他的4次广告。这比平均的CPM高很多,福特决定采用一种新的竞价策略来减少他的成本。他先不出价,等到第6次竞价时,他再出价。

         下面是这种策略带来的影响:

Auction

Ford

AT&T

Kraft

Price Paid

#1

no bid

$3.00

$2.00

$2.00

#2

no bid

$1.50

$2.00

$1.50

#3

no bid

$1.25

$1.00

$1.00

#4

no bid

$0.63

$0.50

$0.63

#5

no bid

$0.33

$0.50

$0.33

#6

$3.00

$0.33

$0.25

$0.33

#7

$1.50

$0.33

$0.25

$0.33

#8

$0.75

$0.33

$0.25

$0.33

#9

$0.38

$0.33

$0.25

$0.33

#10

$0.19

$0.33

$0.25

$0.25

 

         你从上图可以看到福特现在购买4次曝光,只是在用户的浏览时间靠后一些,但平均的CPM只用了$0.33,相比它之前每一次都出价时,便宜了81%。

         当然这是一个假设的场景,但它表明了一个问题:如果需求是有限的,那么对于买家一个很简单的竞价策略会对付费有很大的影响,并可以显著地提高ROI

         现在我们假设Publisher意识到了广告主的这种做法,并且设置了一个底价来保护它的边界收益$1.50。如果低于$1.50,他就展示一个自己公司的广告。

         现在竞价的结果如下所示:

Auction

Ford

AT&T

Kraft

Price Paid

#1

no bid

$3.00

$2.00

$2.00

#2

no bid

$1.50

$2.00

$1.50

#3

no bid

$1.25

$1.00

psa

#4

no bid

$0.63

$0.50

psa

#5

no bid

$0.33

$0.50

psa

#6

$3.00

$0.33

$0.25

$1.50

#7

$1.50

$0.33

$0.25

$1.50

#8

$0.75

$0.33

$0.25

psa

#9

$0.38

$0.33

$0.25

psa

#10

$0.19

$0.33

$0.25

psa

 

         现在Publisher已经成功地将福特的平均CPM从先前的$0.33,拉回到了$1.50。平均CPM却是从上张表的0.71下降到0.65。

         这次我们看到为什么设置的高底价限制了曝光的售卖,导致了整体收入下降。

         当然,如果你足够用心,你会指出低的底价是可能会相比没有底价提升整体的收入。

So what gives?

         直销商们几年前已经知道上面的情况了。这就是为什么在ESPN主页上几乎没有效果广告主去竞价。令Publisher担心的就是品牌广告主也会通过竞价的方式去购买流量。所以他们的条件反射就是设置一个非常高的底价,以避免渠道冲突。

         底价本身并不意味着不好。事实上有一些很好的理由去设置他们。首先,一些品牌广告主按价目表购买合约式广告流量,那么就没有理由让其它用户在市场上以相比之下很低的价格可以买到这些流量。而在其它情况中,一个Publisher可能会选择展示自己公司的广告,而不愿以很低的CPM去展示一个很糟糕的广告而引起用户的反感。

         例如,假设你是ESPN,并且你有一个新的连续剧,你在这个连续剧片头插入$30 CPM的广告。如果ESPN展示一些CPM $0.10的垃圾广告,他们可能会损失一小部分他们的观众。并且如果他们不播这些垃圾广告,而去广告一些他们的新剧,就可以同时增加他们的网站流量和用户忠诚度,并且这同样会增加收入。如果在一千次曝光中有5次点击ESPN自己的广告,他们就可以从这个5个点南击中得到$0.15的纯收入。

Going back to market mechanics

         让我们先回到市场机制的讨论。今天我们需要去避免的是条件反射性地去设置丧失理智的高低价——一个非常高的低价只会导致对Publisher来讲低的RPM。Publisher必须要明白有一个非常广阔的市场需求,特别是ROI & 效果驱动的需求方,他们是不会按价目表的价格来买流量的。

相关 [优化] 推荐:

存储优化

- - CSDN博客推荐文章
定期对存储设备的固件和驱动程序做升级. 选择合适的磁盘阵列,RAID可以让很多磁盘驱动器同时传输数据,而这些磁盘驱动器在逻辑上又是一个磁盘驱动器,所以使用RAID可以达到单个磁盘驱动器几倍、几十倍甚至上百倍的速率,还能提供容错,冗余的功能,最常用的有raid10和raid5.. 使用主动多路径(Active Multipathing)技术.

mysql优化

- - 数据库 - ITeye博客
公司网站访问量越来越大,MySQL自然成为瓶颈,因此最近我一直在研究 MySQL  的优化,第一步自然想到的是 MySQL 系统参数的优化,作为一个访问量很大的网站(日20万人次以上)的数据库系统,不可能指望 MySQL  默认的系统参数能够让 MySQL运行得非常顺畅. 在Apache, PHP,  MySQL的体系架构中,MySQL对于性能的影响最大,也是关键的核心部分.

sql优化

- - 数据库 - ITeye博客
是对数据库(数据)进行操作的惟一途径;. 消耗了70%~90%的数据库资源;独立于程序设计逻辑,相对于对程序源代码的优化,对SQL语句的优化在时间成本和风险上的代价都很低;. 可以有不同的写法;易学,难精通. 固定的SQL书写习惯,相同的查询尽量保持相同,存储过程的效率较高. 应该编写与其格式一致的语句,包括字母的大小写、标点符号、换行的位置等都要一致.

ORACLE:plsql优化

- - CSDN博客数据库推荐文章
 1、登录后默认自动选中My Objects. 设置方法:Tools菜单--Brower Filters会打开Brower Filters的定单窗口,把“My Objects”设为默认即可. 同理,可以在Tools菜单--Brower Filters中把你经常点的几个目录(比如:tables Views Seq Functions Procedures)移得靠上一点,并加上颜色区分,这样你的平均寻表时间会大大缩短,试试看.

hive 优化 tips

- - CSDN博客推荐文章
一、     Hive join优化. 也可以显示声明进行map join:特别适用于小表join大表的时候,SELECT /*+ MAPJOIN(b) */ a.key, a.value FROM a join b on a.key = b.key. 2.     注意带表分区的join, 如:.

WebLogic 优化

- - 开源软件 - ITeye博客
WebLogic 配置文件(config.xml)包含了大量很直观的与性能有关的参数,能通过配置环境与应用程序得到很好的优化. 基于系统的需要调整这些参数不仅能改善单个点的性能,而且能提高整个应用程序性能的可衡量性. 试着采用下列WebLogic配置方法,或许能使你的系统达到最佳状态:. 一 修改运行队列线程数的值.

DOM优化

- - JavaScript - Web前端 - ITeye博客
1,Javascript语音与DOM操作就像孤岛. 他们之间的通行是要借助船的,而使用船是有很大成本的. 所以,要先做完一个再做另一个,最好不要交替进行. 如:添加1000个li时,先用一个字符串拼接好,最后一次追加到父节点,而不是向父节点追加1000次,一次追加一个. 如:添加1000个li时,先放到fragment,再添加到UL中.

底价优化

- - Koala++'s blog
RTB中引入了修改后的Second-Price竞价模型,竞价成功的广告不需要向Ad-Exchange付他的出价,而只会付第二名的出价.          Second-Price的理论思想是这样的:假设我在卖莫奈的油画. 有许多人想竞得这幅油画,每个人心里都有一个最高出价,但问题是他不想付比能竞得这幅画的出价多一分钱.

MapReduce优化

- - 行业应用 - ITeye博客
相信每个程序员在 编程时都会问自己两个问题“我如何完成这个任务”,以及“怎么能让程序运行得更快”. 同样,MapReduce计算模型的多次优化也是为了更好地解答这两个问题. MapReduce计算模型的优化涉及了方方面面的内容,但是主要集中在两个方面:一是计算性能方面的优化;二是I/O操作方面的优化.

hibernate优化

- - 开源软件 - ITeye博客
原文 http://developer.51cto.com/art/200906/129539.htm. 文章分为十三个小块儿对Hibernate性能优化技巧进行总结性分析,分析如下:. 一、在处理大数据量时,会有大量的数据缓冲保存在Session的一级缓存中,这缓存大太时会严重显示性能,所以在使用Hibernate处理大数据量的,可以使用session.