企业🤖AI Agent构建引擎,智能编排和调试,一键部署,支持私有化部署方案 广告
> 关键词拍卖 关键词广告是由用户的搜索行为(如输入检索词)触发的广告服务,包括普遍搜索(如百度,谷歌,雅虎等),也包括垂直搜索(如淘宝,京东等),而非关键词触发的广告(如facebook,腾讯社交广告,今日头条广告,新浪微博广告,应用app中广告)也是由用户画像等信息命中广告主买定的人群等。本质上都是广告位通过拍卖的形式售卖给广告主。 关键词拍卖与传统的纸媒广告、户外广告、影视广告的主要不同点在于: - 关键词广告由用户搜索关键词,主动触发广告展现,广告的展现更加符合用户意图,广告主也能更加准确地通过关键词找到广告受众,促进购买和消费。 - 关键词广告的发布有着很低的边际成本,可以满足大多数中小企业的市场推广需要 - 关键词广告的效果(检索数,展现数,点击数,交易数)可以精确衡量 商品和服务都面临定价问题,关键词的广告价值不同体现在 - 同一关键词触发的广告,在不同位置展现,其价值相差较大 - 不同关键词的属性不同,行业、地域、季节等有较大差异 广告系统必须在提供海量的广告检索时,完成广告的定价,并且能够解决上述的差异问题。对于媒体方(广告位提供方)来说,广告位的真实价值是不容易获得的,拍卖机制成为了解决上述问题的一种方法。 > 关键词拍卖过程 - 广告主购买关键词:首先媒体方的广告位销售团队会极力向广告主进行售卖推广资源,广告主根据自己的业务需求购买关键词,填充广告内容,提交报价,前提是广告主清楚地知道游戏的规则——广告的排序收费机制。 - 用户请求广告服务:当用户提交一个query时,会触发广告系统,广告系统根据query触发广告主已经买好的关键词,由关键词拉出广告,完成广告的检索排序计费 - 支付推广费用:如果用户点击(或者其他方式)展现出来的广告,那么广告主需要按照游戏规则支付媒体方一定的费用。 ![这里写图片描述](http://img.blog.csdn.net/20171009202817642?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvYmlnaGVhZHl1c2hhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) 从上面的描述可以看出关键词拍卖涉及广告主,网民和搜索引擎三方,他们具有不同的利益诉求,三者互动关系见下图。搜索引擎是这个过程的主导者,也是机制的设计者。 ![这里写图片描述](http://img.blog.csdn.net/20171009203407457?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvYmlnaGVhZHl1c2hhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) > 关键词拍卖历史与机制演变 - 旗帜广告:1994年,hotwired使用与传统线下广告一样的方式,在互联网上的广告投放广告,按照展现次数收费。这时候的展现并非用户的关键词触发,其实际效果并不好,并且随着用户的上网经验增多,广告的效果越来越差。广告主需要和网站谈判确定广告费用,门槛太高,并没有真正发挥互联网媒体的互动性,个性化和长尾效应。 - 关键词触发广告:1996年,OpenText引入按照用户提交关键词触发广告的方法; - 按点击收费:1996年,雅虎在此基础上引入了按点击收费的方式,但是没有解决广告怎么排序计费的问题 - 广义第一价格拍卖:1998年,GoTo(后来更名为Overture)在关键词触发和点击收费的基础上引入拍卖机制,采用广义第一价格拍卖GFP,分配规则是价高者得,支付规则是支付报价。广义第一价格拍卖是第一价格密封拍卖在多物品拍卖中的延伸和改造,每个广告主至多获得一个广告位,报价具有连续性和公开性等特点。但很快发现,GFP机制导致广告主随时调价以应对竞争者的反应,不存在纯粹的纳什均衡,价格波动较大,系统负荷增大,拍卖效率损失。 - 广义第二价格拍卖:2002年,Google提出广义第二价格拍卖GSP,与GFP的区别在于广告主的支付规则不同,在GFP胜出者支付下一位广告主的报价。在GSP机制下,说真话是一种均衡,但不是唯一的均衡,但与GFP相比,GSP存在纳什均衡状态,广告主的报价波动性变小,也给广告主造成降价的错觉。需要说明的是,GSP机制不是谷歌所宣称的VCG机制,两者的支付规则不同。 - 加权广义第二价格拍卖:后来,Google在GSP基础上将排序函数修改为出价与广告点击率的乘积,支付函数修改为:下一位广告出价与点击率的乘积和本位次广告点击率之比,这个可以保证支付不大于出价。广告点击率通常也叫做广告的质量度,因为之前的机制中存在低质量广告可以通过较高的报价获取高的广告位,可能没有增加搜索引擎的收益,却损害搜索引擎的声誉。 > 关键词拍卖的机制与营销漏斗 在前文【营销漏斗】中提到的营销漏斗其实就是广告学家刘易斯的AIDMA原理。对于广告价值的衡量,广告主最希望的是按照漏斗最后一个阶段转化进行付费,但是媒体方不情愿承担低转化的风险,况且大部分媒体方是拿不到转化数据的,也没法准确衡量转化的方法,最终的支付方式是广告效果广告效果的可衡量性与准确性之间做的折中。 研究者有结论:按点击支付与按转化支付模式为搜索引擎带来的预期收益是相同的,但是对于搜索引擎来说,按点击收费是最好的选择,因为它避免了按转化收费额外的计量成本和收入风险。不过,最近业界也开始做基于转化付费的工作。 > 机制设计的内容 机制设计分配函数和计费函数,分配函数一般就是排序函数了,那就需要考虑为哪些东西排序(广告的样式,图片,广告本身等),排序函数的具体形式(线性,折线,曲线等),排序函数中的可调参数等,一般排序函数决定这分配函数的形式以及各种策略。 > 机制设计的方法 - 均衡分析 之前学习的机制设计方法基本上都是在分析一种机制所能达到的均衡,均衡是对博弈的终止状态(稳定状态),在这种情况下可以精确地获得博弈各方的收益和支付情况,但是这种分析方法需要各种假设条件,在某些情况下假设条件不成立,并且达到均衡的耗时,怎么达到均衡均不好获得。 - 静态分析 有些时候如调整某个排序函数的形式或者参数,可以通过静态分析的方法获得各方的收益和支付情况,可以通过简单的数学分析就可以较好地预估短期的效果。博弈是动态的,静态分析为考虑博弈参与者的反应,长期效果可能不好评估。 - 实验分析 实践是检验真理的唯一标准,哈哈,一般情况下能够直接反映机制的好坏,也可能收到其他因素的影响。 在实际工作中,一般静态分析有收益后通过实验分析验证,均衡分析作为参考。 > 从合同谈判定价 之前学习过,广告最开始是通过合同谈判的形式进行定价售卖的,谈判双方在讨价还价中达成一致,这个价格一般情况下是低于买者的心理价值的。时效性不好,并且不方便做大范围推广。 > GFP 在GFP拍卖中,广告主的报价即为付费,广告主不会报出心理价位,并且变动频繁,拍卖效率低下。排序函数的数学图形式即为一维的线段。 > GSP 在GFP拍卖中,排序函数$R_i=q_i*B_i$的数学图形式是,$i$的付费为横轴上的$p(i)$: ![这里写图片描述](http://img.blog.csdn.net/20171024213303462?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvYmlnaGVhZHl1c2hhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) 需要注意的是ctr如果相差较大时对各方的影响,ctr大的广告主价格表达能力变强,而ctr小的广告主价格表达能力变弱;搜索引擎的收益还有优化的空间。因此,为了广告主的价格表达能力和SE的收入,可以对GSP排序函数中$q_i$或者$B_i$做调整 > GSP的参数优化(调整ctr) - 控制最大ctr和最小ctr的比例 如果呈现大量的rank函数值大ctr2值也大的情况时,可以采用该方法处理。(图就暂时缺省) - 对ctr进行压缩操作 将排序函数改成$R_i=q^{t}_{i}*B_i$,通过调整t可以得到不同的排序函数。 ![这里写图片描述](http://img.blog.csdn.net/20171024215449216?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvYmlnaGVhZHl1c2hhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) 需要注意的是这些参数和策略的调整均存在收益赚和亏的情况,并不一定保证有收益。 > GSP的参数优化(调整bid-虚拟价值) 除了调整ctr外,还可以调整bid的影响,如加入虚拟价值 ![这里写图片描述](http://img.blog.csdn.net/20171024220544031?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvYmlnaGVhZHl1c2hhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) > GSP的参数优化(调整bid-Myerson) 在之前的基础上更进一步,Myerson给出了虚拟价值的最优表达形式$\varphi(x)=x-(1−F(x)) / f(x) $,SE得到最大的收益 ![这里写图片描述](http://img.blog.csdn.net/20171009155743811?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvYmlnaGVhZHl1c2hhbg==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast) > GSP的参数优化(bid准入-保留价) 在不同的出价维度(展现,点击,转化)上设计不同的保留价(如最有保留价)等策略。Minbid,mincpm等策略大部分Revenue-Max机制和Efficiency-Max机制的效果提升,往往不如增加Bidder效果明显。保留价可能会组织新客户进入竞拍,因此收益从长期看并不一定是持续有效的。最好的方法是竞争变得越来越激烈,因此来说触发和准入调参是涨收入的重要方法(当然还受到相关性等用户体验参数的限制) > GSP机制下的收入优化(摘要翻译) [Revenue optimization in the generalized second-price auction](https://www.researchgate.net/publication/262399520_Revenue_optimization_in_the_generalized_second-price_auction) 基于GSP机制的广告拍卖已经成为事实标准,我们研究该机制下拍卖的收入优化问题。我们先测试几种GSP机制的变量(包括压缩因子和不同的保留价),研究怎么优化这些参数。有一个有趣的发现,为每一个广告主设计相同的点击保留价,得到的收益会比设计依赖质量分的保留价的收益大很多。从理论分析和两种不同的计算实验结果说明这个结果是鲁棒的。我们也给出了一个新的GSP变量用于受限制情况下的收入优化。最后,我们研究了在保留价或者使用压缩因子情况下,两者之间的相互作用以及对GSP均衡的影响。 参考资料: 戎文晋 【关键词拍卖与理论实践】 克里斯纳,罗德明翻译【拍卖理论】