1. 数据分析网首页
  2. 大数据
  3. 数据分析

数据与广告系列四:搜索广告来源和竞价策略

搜索广告来源和竞价策略。

数据与广告系列四:搜索广告来源和竞价策略

作者 | 黄崇远(题图:pixabay.com,CCO协议) 

01 

我们回顾一下上篇《数据与广告系列三:合约广告与与衍生的第三方广告数据监控》中提到的合约广告逻辑。对于广告主来说他希望得到的是广告位,广告位对应的曝光量,而他需要付出的是对应资源的价格,比如CPM中的CPM价格;对于广告平台方或者直接点流量平台方来说,他期望得到的是更高的价格,而付出的就是广告位以及承诺的曝光量。

那问题来了,之前我们有说到过广告就算是品牌广告最终其追求的核心本质都是转化,只不过路径长短而已,但是合约广告的模式平台方承担的只是量的保证,对于效果层是不进行保障的。

对于平台方来说,其核心追求的是流量变现,即使用同样的用户流量,带来最大价值化的广告变现,而合约广告的模式约束过大,包括价格,量的要求,以及整体的周期,整个交易过程的效率都比较底下。

分析两者其实会发现一个问题,一个追求更高流量价值的变现,一个希望付出有所得(转化),为何不打通这个逻辑呢!

02

要解决付出有所得得问题,那就从传统保量不保质(CPM)的模式中,更换为平台方承担一定程度上的风险,即匹配风险,从纯粹的流量曝光的销售转化为曝光之后点击的销售(CPC)。

而既然要做到点击层面的销售,那对于匹配的逻辑要求肯定就更高了,那么从以前的广告位为资源单位的销售变化为广告位对应人群的销售,即广告匹配到人群的程度,只有这样,点击的转化才可以保证。

当然,对于计算的要求肯定更高了,并且由于广告的匹配精确到了人,所以平台方在中间层能够发挥的作用就更大了,整体的用户流量的利用效率必然更高。

以上都是对于平台方的要求,那么反过来对于平台方有什么好处?平台方追求的无非是更高的流量价值变现,所以如何提升精准售卖成为了又一个核心问题。

而竞价机制应用而生,即相同的资源(精准流量),多个广告方都想获得,那就通过价格来做竞争,价高者得。

03 

当然,大体上本质逻辑如上没有很大的问题,另一个改变合约广告模式的一个原因在于互联网发展的结果。

在WEB时代,最早的用户流量在于门户网站,门户网站的流量模式中天然就有各种各样的广告位(各种banner),以及门户分频道运作的模式,一定程度上各个广告位的定位还是有迹可循的,所以,这种时候合约模式大行其道其实是有一定的合理性的,更何况衍生自线下的广告逻辑本来就是合约模式。

但是围绕搜索引擎发家的谷歌,在流量规模不断起来之后,流量变现也是其必须要思考的问题,但搜索流量跟门户流量是不同,过于分散,也没有类似门户或者其他web平台那么鲜明的逻辑定位。

但其有其优势的地方,那就是用户意图非常明显,举个例子,搜索汽车型号的人对于汽车方面的信息是有一定的诉求的,搜索尿布的人可能处于育儿期等等,诸如此类的逻辑。

所以,他更容易去理解用户的流量,理解每个用户的诉求,而广告早已成为了当时除游戏之外的核心变现思路,核心是如何通过广告,又结合自身优势来做这件事。

所以,很多人说效果广告以及竞价模式起源于搜索广告变现逻辑不是没有道理的,而谷歌的AdWords更是其中的开拓者,为后续广告变革以及五花八门的广告逻辑立起了标杆作用。

04

关于效果测的逻辑,我们后续再了解,我们先来了解一下对于广告平台方来说的核心驱动力–竞价。

上面说到竞价的本质,价高者得。从粗的逻辑来看没毛病,但是实际机制没有这么简单,有点小复杂。

传统意义上的竞价出现在拍卖场上,一般情况下就是价高者得的逻辑,即我们电视上看到的各种举牌喊价,直到无人能敌为止,东西就是你的了,公开叫价,拼的是实力。

当然,也有另一种拍卖机制,就是从理论最高价开始拍卖,没人举派就按照一定的递减逻辑,一路往下降价,直到有人举牌,愿意接受这个价格,东西就是你的了,别人一旦开口你就没有机会了,所以一方面拼的是实力,另一方面拼的是胆色以及合理的预估能力,你知道别人的心理价位之后,成为第一个叫价的人并拿下东西,才不至于成本溢出过多。

还有一种就是密封拍卖的方式,说白了就是每个人只有一次出价的机会,并且出价在统一公开前都是密封的,最终公开所有人的叫价,价高者得,由于密封机制,所以对于成本付出和他人出价都需要有研究。

而至于广告模式中,其实大体上逻辑都类似,只不过东西变成了流量资源,并且很多时候都是已知类型的的流量资源(比如,带上诸如条件男,年龄XX,职业XX之类的标签的流量),而出价的单位则类似诸如单个点击的价格(CPC),当然,竞价不单纯可以用到效果广告上,传统的以曝光量的广告同样可以走竞价逻辑,比如CPM,每千人的曝光价格用来做竞价。

竞价广告一般有三种竞价机制。

(1) 广义第一价格GFP(Generalized First Price)

他的基本逻辑与上面说的密封拍卖的机制类似,广告主自己报价,且单次单周期看不见他人的出价,直到最终流量分发的时候才直到自己有没有竞拍上流量资源。

GFP看着没有大毛病,价高者得没毛病,但是广告的竞拍周期是非常短的,举个简单例子,一个场景一个用户都是可以反复推送广告的,所以这里头就有文章可做了。

既然只要比别人高就行,那高出一分钱也是可以的,所以,一旦广告主拿下了当前周期的竞价之后,他就会想办法降低成本,将当前价格不断的微小下调,直到触碰到上一个广告主的出价,那只需要高出一分钱即可。

而由于广告流量资源的分散性,所以很多时候单个广告主甚至可以挂N个竞拍单子,这样其他人的出价只要有心都很容易探测出来。但是,其他人也不笨,总是会提价,以获取资源,但总归也会发现这个“奥秘”。

然后整个竞价就形成了斗智斗勇的情况了,不单纯斗智,还抖谁的时间精力多。

但对于广告平台来说就蛋疼了,自己家的流量都被精打细算了,反复探测出价,以求最低成交价了,对于广告平台来说是损失。而且,由于这种“斗争”的过程,在确认价格低价之前,谁也不愿意花这个冤枉钱进行大规模投放,所以在交易效率上是非常低的。

数据与广告系列四:搜索广告来源和竞价策略

对于广告平台来说,流量都是在那里的,只要不及时卖出去都是亏,所以需要设计另一个机制来避免这种情况。

(2) 广义第二价格GSP(Generalized Second Price)

GSP跟GFP基本竞拍逻辑都是一致的,但是成交价格取的是第二高的广告主出价,举个例子就是假设流量资源a,广告主A出价10,B出价20,那么B获得,但只需要支付10的价格即可。

明着看,看似最终成交价格是降低了,但是从根本上遏制了GFP之中“微小调整竞价探测底价”的漏洞。因为需要支付的是第二价格,自己是无法调控的,这个时候只能自己评估一下投入产出比,然后真枪实弹的跟其他人抢了。

不过可以预想的是,如果广告主对于自身投入产出比(ROI)有大致的预估的话,他的出价最多也就是比真实ROI带来的汇报形成的价格高出那么一点点,因为最终成交价格是第二价格,所以在操作上还是有一定的上浮弹性空间的。

当然,在实际操作中,最终的成交价格会在第二高价的基础上加上一个最小颗粒度的价格作为最终价格。

对于平台方来说,肯定是最乐意看到的, 把每个广告主的最真实的广告预算给榨取出来,并且,由于不会出现如上图似的那种微小调整动作,在整个双方撮合扩大规模投放这个事情上,效率就高多了。

(3) VCG竞价机制

名称没有大的实际含义,就是发明这种机制的三个人的名字首字母而已(Vickrey-Clarke-Groves),是一种相对理想的竞价模型。

通过对GSP的分析我们知道,其实我们最终解决的是每个广告主个体的价格最优(每个人舍去了博弈的想法,只寻求自身预算最优解),而GSP实际上是每个拿下流量资源的广告主需要付出的都是他人的出价。

GSP只是通过成交价格的迁移来约束广告主之间的动荡博弈,但最终价格是不是趋于最终合理还是有待于探究的,因为成交价是第二高价,从平台方的角度来说,实际上并不一定获取了最优解,对于个体来说,这种约束是相对较优的。

有没有一种机制,可以很具体的量化出来最终的出价是更趋于实际产出的呢?VCG的核心思路是,最终竞拍成功的广告主需要为每一次点击支付给其他广告主带来的实际损失。

数据与广告系列四:搜索广告来源和竞价策略
数据与广告系列四:搜索广告来源和竞价策略

如图,以三个广告位对应三个广告主的关系,其中每个广告位对应的点击是明确的,然后假设以单个广告位来看。

(1) 广告主对应广告位最大价值化,其中A获得a广告位,其中每点击收益为10,B对应b,每点击收益为8,C对应c,每点击收益为2。

(2) 假设A不参与广告位竞拍,则B选择a,优化其收益,对于B来说收益增幅=300*8-200*8=800,C如果要达到效用最大化则会选择b,则C收益增幅=200*2-100*2=100,所以总收益增幅为900。

(3) 所以,一旦A参与了竞拍,则A占据了a广告位,反推回来,对于其他人来说则损失了900,这就是所谓的总效用损失,所以A对应a的实际成交价格900/300=3,每点击3元。

(4) 同样的逻辑,可以用来计算B,则可以看到B要拿下b,实际上影响的只有C,只有C的效用损失了100,所以B实际的单价是0.5元。

整体逻辑确保的是每个广告主竞拍成功之后,获得的都是自己最优竞拍解,整体方案合起来又会产生整体最优,且让广告主付出的实际价格并不会上涨,对于平台的长久收益是有益的。

当然,这只是一个计算模型,实际情况中,会非常复杂:

(1) 实际参与竞拍的广告主非常多,所以效用损失的计算会以尝麻烦。

(2) 在实际产生的收益之前,单次点击的收益只能通过历史预估(而模型中是实际的单次点击收益),但实际上历史预估值跟实际值是有偏差的。

所以,鉴于此,VCG模型非常少用于实际业务中,也有一定的折损方式来解决,比如单次收益做精准预估,然后效用折损只计算排名之后的若干位的折损之和,据闻Facebook就是使用这种类似的优化模型解决竞价问题的。

05

对于竞价,当然不可能是随意的价格拍卖,万一出现超低价成交,平台岂不是亏死,所以广告平台方一般情况下也会根据历史的流量点击转化情况,来给出每个流量资源位的或者资源包的保留价格(起拍底价),以避免平台方的损失。

最终广告平台使用什么竞价机制,一定是立足于让广告主尽可能的追求真实合理的出价(或者换句话说,压榨潜能),其次就是尽可能的让模式平衡和稳定,让大家能持续玩下去。

但显然,单纯依靠竞价逻辑是不可能让所有参与方满意的,毕竟竞价只是赤*裸裸的金钱交易,而最终点击广告的用户这一环是没有考虑进去的。

在下个章节里,我们将对广告参与生态进行简单了解,作为竞价机制后续的补偿章节。

本文为专栏文章,来自:数据虫巢,内容观点不代表本站立场,如若转载请联系专栏作者,本文链接:https://www.afenxi.com/73899.html 。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

QR code