ky - 2018年总结，简单聊聊广告投放模型。
本帖最后由 kisscssy 于 2019-1-2 11:24 编辑Hey, 各位新年快乐。
今天我将我几个月来学到的关于 Media Buy 的知识进行总结。
这是一个模型，最大的做用有三：
1. 给没有尝试过 Media Buy 操作的朋友简单介绍和观摩一下。
2. 给正在投放的朋友参考。
3. 老司机路过能给个指点一下，大家共同学习一下。
丑化说前头：
蛮多内容是会意，不要尽信，当个参考，不保证任何结果。
这是比较纯粹考虑投放技巧的文章，在 Media Buy 的操作中也只占一部分。
很多角色行为并不完全符合每个流量源，没办法照搬照抄。
全文半英文半中文，你懂的，名词一律英文。
------------------------------------------------------------------
名字解释( 接下来会用到的所有名词 ）：
Visitor: 用户，网站的浏览者。
Website： 网站，出租各种广告位。
Ad-Spot: 广告位，一般是 300x100, 300x250 的大小。
Banner: 广告横幅，一般是 300x100, 300x250 的大小。
Impression: 曝光，一个用户看过一次广告，就算一次。
Traffic Source: 流量源，打包各个网站的广告位统一出租。
Target: 流量源上的各种选项，比如选择手机选择桌面什么的。
Media Buyer: 媒体/流量购买者。
Offer: 广告商提供的一些任务。
------------------------------------------------------------------
大前提：
参与的角色都是逐利的（除了用户）。
------------------------------------------------------------------
整个模型参与角色：
Visitor
Traffic Source
Media Buyer
------------------------------------------------------------------
Visitor 行为：
1. 浏览各种网站，顺带能看道各种广告，看一次就产生 1 次 impression。
2. 我们假设是 手机端，那么一个用户在大概某个网站到关闭网站结束一些行为下，会有几次 impresison？
a) 假设是个视屏站，一般视屏网站用户在浏览的时候 一般优先看到 首先的 300x100， 接下来往下滑会看到 300x250，翻页之后还有几个 300x250，然后每个视屏又有 300x100
b) 所以简单来说一个用户平均产生 20次 impression 应该没问题，所以我们就这么假设。
3. 所以是否最早看到的广告最有可能转化？
a) 基本是的。
------------------------------------------------------------------
Traffic Source 行为：
1. 因为流量源上有很多很多人同时购买流量，所以需要分配 impression，怎么分配？
2. 价高者得，所以就有 出价系统（又或者说 拍卖系统）
3. 有出价就有预算。
4. 出价常见四种情况（当然不止了，随便列四种常见，注意预算消耗的快慢也和 impression的总量有关）：
a) 低预算，低出价： Impression 量少，排在后面展示，预算消耗慢。
b) 低预算，高出价： Impression 量大，排在前面展示，预算消耗快。
c) 高预算，低出价： Impression 量大，排在后面展示，预算消耗慢。
d) 高预算，高出价： Impression 量大，排在前面展示，预算消耗快。
------------------------------------------------------------------
Media Buyer 行为：
1. 先从各个联盟选择一下offer。
2. 挑选一个流量源进行测试。
3. 选择好各种各样的 target，确定预算 和 bid。
4. 开始等结果。
5. 分析各种各样的数据，开始进行调整，targe 也好， bid 也好，budget 也好。
------------------------------------------------------------------
执行计划：
参与角色与数量：
Visitor: 100万位
Media Buyer: 3位
Traffic Source: 1个
Impression: 1000000 Visitor * 20 = 2千万次 (上面说了每个Visitor平均20次).
Media_Buyer_A:
出价: 0.1 CPM
预算: 200$
Media_Buyer_B:
出价: 0.3 CPM
预算: 100$
Media_Buyer_C:
出价: 0.2 CPM
预算: 1000$
前提假设：
这里只有一种广告位。
出价高低决定广告位的曝光排位
预算的高低决定广告展示的数量。
越前面展示越容易进行转化。
流量源目的是尽量保证消耗完所有人的预算（因为它也要赚钱，花的多赚的多）。
所有人都只投放 3 个 Banners。
所有人的 Frequency Cap 都是 1/24( 24 小时内只给一个人看一次Banner, 但是你有3张Banner，所以是3次).
模型开始执行：
1. 首先第一个 Visitor 进入网站，那么现在要开始计算广告位展示谁的广告。
肯定是出价高的，预算大的先展示，不然怎么花完人家的钱？
Media_Buyer_B 优先的到 第一次 展示。
那么按规矩
Media_Buyer_A 应该获得了用户 第7 ～ 第9 的 impression
Media_Buyer_B 应该获得了用户 第1 ～ 第3 的 impression
Media_Buyer_C 应该获得了用户 第4 ～ 第6 的 impression
2. 继续第二位，第三位，第 N 位 。。。。。
3. 我们来到了 第 111111 位 Visitor， 为什么？
因为到这里 Media_Buyer_B 没有预算了 100 / 0.0003 / 3 = 111111
所以到现在为止：
Media_Buyer_A 得到了 111111 * 3 = 约11万人的33万位置 第7 ～ 第9 位的 impression。
Media_Buyer_B 得到了 111111 * 3 = 约11万人的33万位置 第1 ～ 第3 位的 impression。
Media_Buyer_C 得到了 111111 * 3 = 月11万人的33万位置 第4 ～ 第6 位的 impression。
4.现在开始，第 111112 位开始就没有 Media_Buyer_B 什么事情了，因为他没钱了。
5.然后我们到了 第 666666 位 Visitor，因为 Media_Buyer_A 没钱了。
所以到现在为止：
Media_Buyer_A 得到了 111111 * 3 = 约11万人的33万位置 第7 ～ 第9 位的 impression。
Media_Buyer_A 得到了 (666666 - 111111) * 3 = 约55万人的166万位置 第4 ～ 第6 位的 impression。
Media_Buyer_B 得到了 111111 * 3 = 约11万人的33万位置 第1 ～ 第3 位的 impression。
Media_Buyer_C 得到了 111111 * 3 = 约11万人的33万位置 第4 ～ 第6 位的 impression。
Media_Buyer_C 得到了 (1666666 - 111111) * 3 = 约166万人的467万位置 第1 ～ 第3 位的 impression。
总结：
想同的设定居然能拿到好量也能拿到差量，变化真的是很多。
----------------------------------------------------------
接下来说说根据这个模型我们能做什么事情。
实际在投放广告的时候我们一般想得到什么效果？
当然是 低出价，得到大量 排名靠前的 Impression！
说白了物美价廉。
所以我们根据这个效果进行假设。
假设1: Visitor 减少。
结果： 如果你的 bid 很高，你也许会的到排名 1 ～ 12 位的 Impression
为什么：因为总 impression 不够了，但是为了吃完你的钱，只能给你安排点排名后面的位置。
解决方法： 控制 Frequency Cap 的数量，控制 Banner 的数量
假设2: Media Buyer 数量超多。
结果： 你可能会间歇性的到当前的 Visitor，意思就是你得到 第1个Visitor, 第2个得不到，安排给别人了，然后第三个又是你。
为什么： 就因为超多啊，平台要赚钱，当然多少要雨露均沾。
解决方法： 大开大合，提高出价，提高预算
当然你也可以尝试纯粹捡尾量。
为什么： 有那么多人买量，网站质量肯定还不错，捡尾量也是一种选择。
假设N... 你们可以自己想想
解释某些说法：一个 Campaign 一但盈利了，就不要去动它。
这是正确的，现实的投放活动，肯定比这个模型更加复杂，随便一动，系统肯定要重新给你排位置，所以你会发现你的流量立马开始不稳定了。
这里强行科普一下：
在编程设计某些软件的时候，如果对这种情况设定，我不会每时每刻都动态检查全部的 Campaign，来确定当前要给谁展示广告的！！！！
为什么？
1. 计算量太多了，服务器爆炸，效率低都很有可能发生的。
2. 编程设计复杂，没必要，反正花你们的钱，搞那么复杂完美干嘛，差不多就好。
3. 每时每刻动态设定事情做多了容易出错。
所以一般怎么设计的？
当你 Campaign 确定好后，服务器进行计算，然后给你排在一张表的某个位置，当前的条件符合你，就给你上
但是你要注意，进入表之前就给你计算好了的，不会每次都给你计算的。
但是如果你这时候能盈利，你修改了某些 Target，那么你就要退出这张盈利的排位了，你被从新计算。
那么你可能就排在另外某个位置了，然后你的上面一个和下面一个 Campaign 可能竞争力就和之前完全不一样了。
当然也不是说你再也回不去了，来回调整几次说不定能回去，但是好几次我都失败了。
另外：毕竟我没有做过流量源，只能说凭着自己的编程感觉来解释这个事情，我感觉有可能会这么设计，但不一定每个流量源都这么设计，也不可能设计都这么简单，但是万一你就刚好碰到呢？
Sweet-spot：字译就是“甜蜜的点”，简单来说就是平衡点
你的任何投放策略都有最合适的点，这个合适的点能够最大限度的提高你的盈利。
有时候是低出价盈利，有时候是高出价盈利
有时候你拍前面能盈利，有时候排后面盈利
所以你如果能知道整个投放模型会在你进行 target 的时候，改变了你什么，那么你就能得到你想要的位置。
最差也能理解一下这个流量源的出价策略。
---------------------------------------------------------------------------------
好了，模型基本解释完毕，描述了整个投放过程在流量源上大概经过了什么决策。
我甚至都懒得检查这个模型的细节，写这个也确实累。
这个模型其实压根没办法直接套用在现实的广告投放当中，为什么？
因为我还有很多角色没有加入，比如各种 offer， 各种 network。
甚至我都没有写第二种模型的执行模式，比如各种高低价发生的可能。
但是个人觉得大前提逐利的情况下，这个模型能够提供很多参考。
写那么多就是总结一下，给自己一年来的努力留个纪念，未来万一我赚钱了，我可以回头来看看我曾经在这里发现的一切。
感慨，今年更努力赚钱。
另外祝大家新年快乐，大赚钱，赚大钱。
billy 发表于 2019-1-2 23:42
现在玩付费流量真的不容易
:'( 已经上路了，退不了了，头疼 楼主辛苦。。。。。。。。。。。 现在玩付费流量真的不容易:L 在路上，一起吧楼主 这是近期学习到最有诚意的内容，跟随楼主脚步，深入研究，谢谢 实际上每个平台的算法都不太一样，先把算法摸清楚了，确实投放起来容易多了。 楼主辛苦了，感谢分享 楼主幸苦:lol:lol 辛苦楼主了~期待更多分享~:lol 辛苦了 找盈利点不容易 找到盈利点坚持住更不容易。 新的一年，大家都加油整。 楼主威武 小炸 发表于 2019-1-4 00:33
实际上每个平台的算法都不太一样，先把算法摸清楚了，确实投放起来容易多了。 ...
炸总翻牌啊 :lol
我在各种平台投放的时候确实能真切的感受到需要不一算法。
只有先理解再实行，成功的机率才会提升 楼主厉害，加油~ 码字不容易码的还是干货
页:
[1]
2
