互聯網行業的印鈔機——廣告系統是怎麼回事?

上次給大家聊完了推薦系統,今天再來簡單聊聊廣告。我不會涉及太多技術細節的東西,盡量從大局上帶大家總覽一下互聯網當中的廣告是怎麼回事,廣告系統又是怎麼運作的。作為一個廣告系統,它的目標又是什麼?知道這些在你面臨找工作或者是跳槽的時候,有可能會用得上。

廣告和競價

大家可能或多或少地能感覺到廣告對於互聯網公司來說非常重要,也是很多互聯網公司的盈利模式。因為大多數互聯網公司不直接從用戶身上賺錢,但是平台又需要盈利,所以廣告就是一個非常好的模式。其實好的廣告是多贏的,商家和平台都賺到了錢,用戶買到了自己喜歡的商品。沒有花錢的用戶也享受了平台的服務,也正因此,廣告在互聯網公司的收入當中佔比非常大,甚至超過一半。

作為用戶我們上網的時候瀏覽到廣告,這些廣告並不是固定的也不是隨機的,也是通過類似搜索引擎從廣告庫當中搜取出來的。為了平台利益最大化,廣告會以競價的形式進行。舉個簡單的例子,比如當我們打開一個網頁,廣告欄位只有1個,但是候選的廣告有3個,比如分別是洗髮水、汽車和醫美。有三個廣告候選,應該選哪個呢?很簡單當然是誰給平台出價高選誰。

也就是說在廣告平台內部,每一次曝光展示廣告其實就相當於一次競拍。廣告主會給自己的廣告一個出價,這個出價的邏輯不同的場景不一樣。最好的是能夠根據廣告主當前的預算以及已經獲得的流量以及期望的流量動態出價,但是這一點比較難做到,不是所有的系統都有這個能力。簡單一些就是固定出價,這裡我們不需要太摳細節,只需要大概了解就可以了。

我們就假設所有廣告都採取固定出價好了,比如洗髮水是3塊,汽車是10塊,醫美是50。那麼顯然肯定是醫美獲得勝利,所以這個廣告會展示醫美。但是這裡有兩個問題,我們一個一個來說。

第一個問題是,醫美行業利潤比較大,所以廣告出價高,這樣不是洗髮水和汽車都沒辦法展示了?這不完全對,因為競拍是多次進行的,根據召回的候選廣告的情況來進行的。洗髮水出價雖然低,但是它並不一定每次都會和醫美廣告競爭。所以它一樣是可能獲得展示的。

第二個問題是,用戶可能是男性,對醫美並不感興趣,你不管怎麼出他也是不會消費的。那這樣廣告的錢不是白花了嗎?所以這裡牽扯到了廣告的選擇問題,我們選廣告就不能只根據出價來選了,因為即使展示了用戶不點,平台也賺不到錢。怎麼樣平台才可以賺錢更多呢?當然是要期望最大,期望等於什麼?等於出價 x 點擊率,所以核心就在點擊率,有了點擊率我們就可以估算它的期望。點擊率怎麼來?當然是通過模型來預測。

所以這根線我們就串起來了,為什麼廣告場景需要點擊率?因為需要計算廣告對平台帶來的期望收益。

第二競價策略

廣告當中還有一個非常有趣的策略,叫做第二競價策略。這個策略的含義也非常簡單,還是用剛才洗髮水、汽車和醫美的廣告舉例子,洗髮水出了3塊錢,汽車出了10塊,醫美出了50。顯然我們倒排,醫美出的最多,然後是汽車最後是洗髮水。我們先不考慮點擊率對廣告的影響,先單純地考慮競價,這個廣告應該展示醫美。

一般的競拍是第一競價策略,也就是說價高者得,這個非常好理解,日常的拍賣都是這樣。但是在第二競價策略當中,同樣是價高者得,但是叫價最高的人卻不用出自己的叫價,他只需要出第二多的價格再加上一個基數,比如1分錢或者是1毛錢(基數視具體場景而定)。這個就叫做第二競價策略。在剛才那個例子里,醫美廣告雖然喊了50,但是只要出10.1元就行了。

但是我們直觀看起來肯定會覺得不對啊,這不是少賺錢了么,平台傻嗎,明明可以多收錢非要少賺?

其實平台一點都不傻,買的永遠沒有賣的精。這裡面的道理很簡單,我們來思考一下,假設你是醫美的廣告主用50塊錢的價格競拍到了廣告。那麼下一次競價你還會叫50嗎?很顯然不會,道理也很簡單,你用50的價格競爭到了廣告,你雖然不知道其他人出多少錢,但是可以肯定一定比你低,那你下次肯定是會試著壓價,看看能不能用更少的錢去獲得廣告。實際上所有的廣告商都會這麼做,大家一起壓價的話,這個競拍還叫做競拍么?平台還怎麼賺錢?

為了防止大家壓價的情況發生,所以平台採取了第二競價策略。這樣即使廣告主拍到了廣告,也無法壓價。因為出價第二的廣告主的價格也是浮動的,它也可能會提價。而且出價最高的人也沒有壓價的需求,因為即使價格壓低一些,他拍到廣告的價格仍然是第二名的價格,對他來說沒有收益。這樣雖然看起來平台沒有把利益攫取到最大,但實際上可以避免大家一起壓價的情況發生,這樣的盈利反而會更高。

目前來說,基本上主流的演算法平台都是採取的這樣的策略,比如某度的搜索廣告,淘寶的商品廣告等等。

廣告邏輯

對於互聯網時代的廣告來說,它和傳統的廣告有很大形式的不同。比如傳統的發傳單或者是電視廣告、招牌廣告等等,這些廣告都是固定的,是沒有用戶訂製化的功能的。不管什麼人拿到傳單都是一樣的內容,不可能說不同的人拿了傳單就有不同的結果。所以傳統的廣告都是海投的,轉化率很低,而且往往比較難以統計轉化的情況。比如說我們在某個地方擺了一個廣告招牌賣某一款家電,我們很難統計這款家電當中有多少銷量是這塊廣告貢獻的。

但是互聯網行業當中的廣告不同,由於我們所有的內容都是電子的,它可以做到巨大的進步。首先一個就是個性化,它能夠根據我們的需求給我們推送廣告,而不再是隨機推送或者是根據廣告主的需求推送。第二個就是它可以很好地統計轉化以及後續的效果,因為互聯網當中所有的資訊都串聯起來了,從用戶的觀看、點擊到購買,都可以追蹤到。我們也可以訓練先進的模型對用戶的喜好進行預測,從而篩選出優質的廣告給到用戶,給平台賺取利益。

說到這裡,簡單提一句,為什麼中國的電商公司這麼多,只有淘寶一家是賺錢的,而且賺得還不少?因為淘寶一直是平台,玩的是流量,賺的是流量的錢。淘寶從其他平台買來流量,然後將這些用戶流量賣給商家。我們在淘寶上買東西買的東西並不是淘寶自己的貨,而是其中商家的貨。商家要賣貨需要在平台發布廣告獲取流量,這些賣流量的錢才是淘寶的收入來源,而不是買東西的錢。買的東西不好找淘寶,淘寶也絕不徇私,因為淘寶不靠賣貨賺錢,並且用戶是流量的來源,所以淘寶絕對不會偏袒商家,基本上可以做到公證。而像是某東一直主打自營,這就是靠賣貨賺錢了,前兩年一直有摻假和翻新機之類的問題,這一系列問題以後還會有,因為本質上某東靠賣貨賺錢,它又要和淘寶用低價競爭,為了賺錢高品質必然難以維持。

我們前面說過,為了利益最大化,需要投放獲益期望最大的商品。我們都知道期望等於概率乘上值,這裡的概率我們是不知道的,沒有人可以準確評估。我們只能用一些機器學習或者是深度學習的模型去儘可能逼近地預測點擊率,點擊率是點擊數除以曝光數,英文是Click Through Ratio,簡稱CTR。所以我們可以把平台的收益寫成公式:

這裡的R指的是Revenue,也就是回報收益,bid是商家的出價。這個公式有個前提,就是廣告是按照點擊扣費的。但是平台當中的廣告可能並不是都按照點擊扣費的,比如一些好的位置的廣告也許就是按照曝光(觀看)收費的。比如淘寶首頁的位置:

我們看到首頁最上面的欄目當中也會有廣告,這些廣告的位置最好,屬於用戶必看的內容。這些高價值的位置可能就不一定是按照點擊收費,而是按照曝光收費。這樣有一個什麼好處呢?除了賺錢更多以外,還可以逼迫這些廣告商提升廣告的品質。這和YouTube當中的廣告可以跳過是一個道理,正是因為廣告可以跳過,所以逼迫廣告主提升廣告的創意和品質,讓觀眾願意把它看完。

當我們在淘寶搜索的時候,搜索的結果當中也有廣告。比如我搜索了一個手機,第一條就是廣告。搜索結果的廣告沒有自己獨特的文案也沒有特殊的圖片,一般來說是按照點擊扣費的。

還有一些隱秘角落裡的廣告,位置更差,可能是按照轉化也就是用戶的購買收費的。只有用戶的確購買了這個商品,平台才能賺到錢。像是一些朋友圈、網站小廣告一般也是這種,因為轉化率不高,如果按照曝光或者是點擊收費廣告主不樂意。

對於按照成交收費的廣告,我們只預測CTR就不準了。因為有些商品點擊率可能很高,但是轉化率並不一定高。我隨便舉個例子,因為我給老婆買過衣服,所以淘寶會給我推一些性感小姐姐。這些明顯吸引眼球的圖或者是標題的點擊率往往很高,因為人都是視覺動物看到了可能就會忍不住點一下。做過廣告的都知道,這些美女圖片的點擊率是非常高的。對於這種情況我們就不能只預估點擊率,還需要預估它的轉化率

轉化率的學名叫做CVR(Conversion Rate),也就是對每一個點擊它下單的概率有多大。這個時候的廣告收益就是:

也就是用戶點擊的概率乘上用戶點了之後會買的概率,就是等於用戶看到可能會買的概率。對於廣告團隊來說,除了需要預估CTR之外也就多了一個預測CVR的任務

總結

我們簡單總結一下,廣告系統的邏輯我們之前的文章也介紹過了和推薦系統大同小異,只是目標和推薦以及搜索不同,因為目標牽扯到了計算收入,所以會有一個乘上競價的操作計算期望的操作。要計算準確的期望需要兩個核心的值,一個是CTR一個是CVR。相對來說CTR使用更廣一些,並且CVR和CTR的預估邏輯也基本一致。所以和推薦一樣,廣告團隊的核心也是CTR預估,作為演算法工程師而言的日常工作其實是非常非常接近的。

最後給大家透露一點點小小的內幕,你們知道廣告行業最土豪的廣告主是什麼嗎?我說兩個,一個是裝修另外一個是醫美。一個最近正在考慮裝修的業主的電話在裝修公司的報價大約是好幾百塊,一個年輕愛美的姑娘的電話在醫美公司還要多,可能上千塊。也就是說他們單單拿到你的電話就要付出好幾百甚至上千塊,那麼問題來了,先不說品質好不好的問題,就說利潤,這當中的利潤又有多大?

今天的文章就到這裡,衷心祝願大家每天都有所收穫。如果還喜歡今天的內容的話,請來一個三連支援吧~(點贊、在看、轉發

原文鏈接,求個關注

本文使用 mdnice 排版

– END –

{{uploading-image-717379.png(uploading…)}}