广告复盘

First Post:

2026-04-18

Last Update:

2026-04-18

广告复盘>布桐游戏

在引入期和成长期，产品的核心目标是打磨用户体验，快速的拉新增长，这时不宜做过度的商业化（成熟稳定期可以逐渐扩大商业化）

品牌广告

品牌广告的目的是通过大量的曝光增强品牌心智，基本的承载形式是开屏广告和头图；

效果广告

效果广告的目的是吸引点击，产生消费或转化，基本的承载形式是信息流广告。

DSP

需求方平台：广告主的策略计划都在DSP上

当一个流量过来的时候，需要在 100ms 以内，完成整个广告的召回，粗排，精排以及内部的出价和最终的优选，一系列的操作。

每一个流量过来的时候都需要经过上面提到的召回，粗排，精排，排序出价的流程，可想而知这个复杂度是多么高。对接上面只需要跟 ADX 进行接口对接，当有流量过来的时候，会根据流量的特征来进行广告策略的召回，从万千广告策略中找到 ecpm 最高的一个广告计划带上出价信息和素材以及监测信息下放给 ADX 用于曝光。然后在根据曝光和点击监测来进行计数和计费。计数和计费之前还需要经过反作弊系统，过滤掉无效和作弊的流量，当然这个反作弊系统在 SSP 和 ADX 一般也存在。媒体侧也存在减少无畏的请求，提高精准投放的价值

SSP

供应方平台（媒体平台侧，我隶属于此）

SSP 属于媒体平台，一般媒体都会有自己的广告系统，所以只有在内部广告系统不能完全消耗流量的情况下，才会有长尾流量（不包含主流广告媒体（如百度，腾迅，新浪，网易等等）的小型广告媒体）或者说剩余流量进入 ADX，从而通过 ADX 来提升媒体的变现能力。所以媒体侧需要解决的是自身广告系统的建设，当有流量过来的时候实时决策，当流量不满足内部广告系统的时候，发起程序化请求，将请求发送的 ADX，获取广告资源。对于媒体来说，重点是自身广告平台的建设，当然小媒体可能没有自身广告系统，那么这个时候就需要对接多家 ADX 来实现变现

RTB

（全称：RealTime Bidding）实时竞价，是一种利用第三方技术在数以百万计的网站上针对每一个用户展示行为进行评估以及出价的竞价技术

ADX

互联网广告交易平台，它联系着DSP（买方平台）和SSP（卖方平台），通过接入SSP汇集大量媒体流量，从而收集处理属于广告目标客户的数据，Ad Exchange是实现精准营销的交易场所。

ADX 作为中间的一层，需要注意的性能，因为 ADX 本身的业务逻辑不多，但是确实很核心的竞价部分，需要并发的向上游 DSP 发起请求，并进行排序和竞价处理，整个逻辑处理必须很快才行。ADX 的业务逻辑会相对简单，因为它不需要进行广告策略的召回。核心的要点就是要快，一般都是基于纯内存操作，内部的逻辑要控制在几个毫秒内处理完。

ADX 这里需要跟 SSP 和 DSP 进行对接，在对接的上面也多一点，不过链接对接一般对接好了，在线投放的时候不会有影响。另外有一个点要注意，对上游 DSP 的请求是并发的，并且要控制上游的超时时间，不能被一家 DSP 给拖垮！

DMP

数据管理平台，是把分散的多方数据进行整合纳入统一的技术平台，并对这些数据进行标准化和细分，让用户可以把这些细分结果推向现有的互动营销环境里的平台，也是用户标签体系

RTA（小众）

RTA 是一种接口技术，更是一种策略导向的投放能力。

RTA[2](/2/)(https://zhuanlan.zhihu.com/p/531153165#ref_2) 即Realtime API的简称，用于满足广告主实时个性化的投放需求。RTA 将直投的广告主的流量选择权交给广告主，通常在定向环节中将用户身份的识别的请求发送给广告主，进行用户的筛选，让广告主在广告曝光前进行投放策略的判断，满足“拉新”“拉活”等个性化需求。RTA 本质来说，是解决广告系统平台无法实时个性化定向的一个需求。

RTA 与RTB 有什么区别？

在了解这两个问题前，有两个知识点我们需要重温一下的。

一．广告投放的来源主要有两种渠道：一是通过广告平台直接投放的广告，通常叫直投广告或者自营广告，叫法很多但是意思一样，整体广告流程的点击率预估和转化率预估以及由此预估计算得到的ECPM竞价排序都由广告系统统一完成。另外一个是RTB，即Realtime Bidding，实时竞价。RTB广告以CPM进行结算，广告主针对每一次的广告请求按ECPM出价，整体的广告价值的计算由广告主需求端平台（DSP）完成。RTB将属于广告系统对点击率以及转化率的预估转移到了广告主的DSP端进行。在一个纯RTB的广告竞价系统中（ADX），技术难度则大部分转移到了广告主的DSP平台上。

二．计算广告很重要的一点是可以针对不同的用户受众呈现不同的广告和创意！本质上就是个性化广告。而个性化广告的关键点在于点击率、转化率的数值的预估，通过这些转化率的预估结合广告主的出价来得到预估的ECPM进行竞价的排序。所以，从广告系统的角度来看，点击率，转化率等预估数值是否精准直接关系到广告系统对于广告是否转化判断的准确度，关乎到流量的价值以及广告主的ROI。而点击率和转化率的预估，主要涉及到三个主要特征，分别是A-即广告Ad的各类特征，U-即用户User特征，C-即媒体和上线文Context特征。A-Ad广告的数据通常包括广告的行业，类别，转化目标，创意素材等，这部分的特征在广告主和广告平台都有。C-Context 涉及的主要是媒体及其所处的上下文环境，毫无疑问，这部分的数据当然是媒体所处的广告平台的数据要更加的详尽和精准了。而U-User用户数据，广告平台和广告主都拥有不同程度的用户数据特征。本质上来说，广告主拥有更多的用户数据。当然随着OCPX转化模型的普及，广告平台拥有越来越多的广告主后端的用户数据，所以广告平台的能力越来越强。但是依然有不少的用户数据掌握在广告主的手上。比如用户的活跃率，用户的付费数据，电商APP用户的浏览行为和购买行为等。这些数据的缺失会导致“直投”广告系统对一些特定场景的广告点击率、转化率的预估出现偏差。所以针对某些场景，比如广告重定向（retargeting），通常会使用RTB。

了解到以上两个背景信息之后，我们可以得到RTA与RTB的区别：

RTA 主要是针对直投广告，解决的是直投广告系统中无法满足广告主个性化定向的一个实时API，广告的基础定向和出价以及竞价ECPM的预估都在广告平台上进行。RTB则通过ADX对接广告主的DSP平台，DSP对于广告整体价值进行预估并返回ECPM进行竞价。RTB模型，广告主的DSP平台完成广告价值预估的整套系统能力。
RTA当前主要用途是一种定向能力，实现人群筛选个性化，流量优选实时化。而RTB则是网络广告行业流量的一种购买模式，是一种根据不同广告的请求实时竞价的一个流量采买模式，两者有明显的区别，RTB在功能能力上其实是已包含RTA的实时个性化定向的能力的。

广告收入优化-公式拆解法

信息流广告作为例子（我擅长的）

广告收入 = 广告曝光 * 点击率 * 点击单价

继续拆分：

广告曝光 = 产品日活 * 人均刷次 * 每刷次广告条数 *pvr（每刷广告请求率） * 广告返回率 *曝光率

拆分可得：

广告收入 = 产品日活 * 人均刷次 *每刷次广告条数 *pvr（每刷广告请求率） * 广告返回率 *曝光率 *点击率* 点击单价

每刷次广告条数：每刷次广告条数是指用户刷新一次最多能出几条广告，这个值直接决定产品的adload，需要媒体侧和商业化侧达成一致。

这确实是一个很复杂的公式。想要优化收入，就要从公式的各个变量入手，整条链路逐一优化。

广告体验优化

1）adload

首先是adload。

adload = 广告曝光 / （广告曝光 + 内容曝光）

如果adload过高，用户就会觉得整个产品充斥着广告，一般而言，adload维持在10%是比较合理的，当然同时也要参考竞品的情况。

2）广告质量

和内容一样，针对广告素材也必须要有完整的审核体系，从广告主、广告标题、广告文案、广告素材、广告样式等不同指标进行打分，将广告划分为S级、A级、B级、C级等不同等级，监控整体曝光中不同等级广告的曝光占比，就能对整体的广告质量心中有数。

3）广告重复度

重复广告也是用户经常吐槽的点，想象一下，当你使用一款产品时，所有广告都是抖音，这绝对会让你抓狂。而且如果用户已经看到了一个广告而未点击，你给他大量推送相同广告大概率也不会点击，从效率上来说也是不合适的。

关于定义重复广告，广告重复度从高到底有三个维度，首先是相同广告，即广告素材完全一致；其次是相似广告，即同一广告主，但是素材不一样；最后是同行业的广告，比如抖音和快手，都属于短视频行业。

一般而言，在用户一个刷次内不能出现相同广告，一个session内不能出现相似广告，至于同行业广告，因为现在广告主市场头部效应很明显，财大气粗的就那几家，所以较难控制。

商业化产品需要配合算法同学，基于频控策略、相似性模型解决问题

4）用户负反馈率

一般而言，广告都会有负反馈的按钮，只有用户对广告非常不满意才会点击，因此负反馈率是红线指标，而对于那些点了负反馈的用户，应当少出广告，甚至是在一段时间内不出广告，否则很容易流失。

粗排精排混排

粗、精、混排：选择高价值的广告
粗排
01 粗排过滤：做高价值的选择会先进行粗排的过滤，粗排的过滤里其实会有两个重要的因素：
一个就是大家熟悉的ecpm，相比于信息流而言，另外一个就是会更关注计划和用户请求下的相关性，用ecpm以及相关性进行粗排的过滤。
精排
02 精排相关性过滤：在粗排过滤之后会引入标题的改写和精排的预估模型，一起过精排相关信息的过滤。
03 系统扶持打压：然后会引入系统的扶持打压，也就是扶持的计算模块，去帮助在原有的ecpm上，再加上系统给到的扶持打压hidden_cost，得到排序的ecpm的竞争力指标：排序ecpm=ecpm+hidden_cost。
04 ecpm门槛过滤：在得到这个排序ecpm指标之后，会先过ecpm门槛。在每个投放端都会有不同的ecpm门槛。
05 过了门槛还会去取得更有竞争力的计划，也就是会取得ecpm靠前的一些计划去做竞争。在这三步过滤：精排的相关性、ecpm门槛和ecpm排名，主要是发生在精排的环节。
精排里面的过程有点多，但是我们大家可以记住跟精排相关的，就是这三个：
精排相关性过滤，ecpm门槛过滤和ecpm排名靠前的过滤。
混排
06 在精排环节的过滤后，会进入混排的环节，去帮助我们取得更高价值的广告做最优的排序。
所谓混排就是会根据广告整体的ecpm和用户体验，这两个权重去选择广告投出的最优组合。过了精排的计划其实也不一定能够得到最后的投出，还需要根据用户计划本身的竞争力和根据搜索词的相关性去最后决定是否能够投出。
四、最后投出
经过混排就会进入到根据实际投放的有计价的环节，最后系统返回广告给客户端，才是用户看到的实际投放出来的广告。

![image-20230703090315705](C:\Users\AOC\AppData\Roaming\Typora\typora-user-images\image-20230703090315705.png