广告中的计算是为了解决什么问题,以及解决这些问题需要什么样的业务描述框架。
可衡量的效果以及相应的计算优化,是在线广告区别于线下广告的主要特点。
在大多数广告产品中,可以通过计算优化的主要是收入部分,而千次展示期望收入(expected Cost per Mille,eCPM)正是计算广告最为核心的量化指标之一。与广告的信息传达过程相关,eCPM可以分解为点击率和点击价值的乘积,这两个指标是各种广告产品在计算过程中经常遇到的。
广告转化的有效性模型如图所示。
广告的信息接收过程分为3个大阶段:选择、解释与态度;或者进一步分解为6个子阶段,即曝光、关注、理解、接受、保持与决策。
定性地说,越靠前的阶段,其效果对点击率的影响越大;越靠后的阶段,其效果对转换率的影响越大。此外,各个阶段的划分不是孤立和绝对的,某一项具体的广告策略或技术,往往会对几个阶段的效果同时发生影响。
计算广告的核心问题:为一系列用户与上下文的组合找到最合适的广告投放策略以优化整体广告活动的利润。
计算广告核心挑战可以用一个最优化问题来表达:
i表示从第1次到第T次之间的某一次广告展示。优化的目标是在这T次展示上的总收入(r)与总成本(q)的差,即总体的利润。对于某一个具体的广告主k,有时存在预算的限制,有时存在投放量的保证,这也是广告作为一项商业活动的关键特征之一,构成了式子的约束,即需求方约束。
当总体预算一定,即
是一个常数,容易验证式子与另一个更常见的目标
是一致的。进一步考虑收入与成本具体依赖的因素,优化问题可以写成:
表达式中a、u、c分别表示广告、用户和上下文,即广告活动的3个参与主体。在约束中,每次约束产生的成本d除了与a、u、c有关,还与具体某个广告主k有关。
这里的一个隐含假设:整体的收入或成本可以被分解到每次展示上。这一假设并不合理,但考虑到实际线上决策,必须对每次展示马上完成计算,从实用角度出发仍然采用这一假设。在实际系统中,可以采用频次控制、点击反馈等方法来解决多次展示之间效果相关性的问题。
对一个广告市场中的具体的产品形态,能够主动优化的往往是收入而非成本,因此,主要关注收入的优化。
当用户在媒体的广告位上看到广告后,如果产生兴趣,会产生点击行为,广告点击与广告展现的比率为点击率(CTR);点击行为成功后,将会打开广告主的落地页,落地页成功打开的次数与点击次数的比例为达到率,这是在广告主网站上发生的;如果用户从落地页开始,进一步完成下单等操作,则称为转化,转化次数与到达次数的比例为转化率(CVR),这是在广告主网站上或线下。按媒体网站和广告主网站上的行为对收入r进行分解,是实践中比较合理且容易操作的方式:
表示点击率,v表示点击价值,即单次点击为广告主带来的收益。前者描述的是发生在媒体上的行为,后者为广告主站内的行为。
eCPM一般指的是估计的千次展示收益,有两个很相近的概念:千次展示收入RPM,千次展示成本CPM。
根据之前的图展示的流程,点击价值可以进一步分解为到达率、转换率和客单价的乘积。这部分与行业密切相关,更多地属于站内运营而非广告的范畴。
对于大多数广告产品来说,需要计算给定(a,u,c)三元组的eCPM以进行决策。但广告市场的协作关系复杂,并非每个广告产品都可以对eCPM分解后的两个变量作出合理的估计。根据eCPM的分解决定哪部分由谁来估计是广告市场各种计费模式产生的根本原因,也是广告市场中商业逻辑与产品架构衔接的关键一环。
市场上主要的几种计费模式。
广告有计费需求,同时产生了第三方检测的需求。对曝光量、点击量、转化数等进行统计核实。
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059 深公网安备号 44030502008569
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287
Copyright © 2013 - 2025 Tencent Cloud.
All Rights Reserved. 腾讯云 版权所有