之前出價模式（上，中，下三篇）的文章得到了幾千次的轉發，也得到很多朋友的私信評論和反饋，非常榮幸。有些朋友也提出了一些想進一步了解的內容，另外在和讀者群一些朋友的探討中，筆者對部分內容也有了一些新的認知。因此再攢出了這一篇狗尾續貂的“補充篇”和大家進行探討。（距離上一篇文章已經8個月，本來早就該寫，只是工作太忙，基本都在晚上23點之后才有時間寫，這篇拖拖拉拉地也寫了1個多月。還好有文末發招聘廣告的動力支撐著筆者寫下去。請催更的朋友見諒啦）

本文中的探討都基于出價模式三篇文章內容的基礎之上，如果沒有看過前三篇的朋友，建議先閱讀一下（3合1版）。

本文將會主要探討以下幾個問題：

1. 保率雙出價與不保率雙出價有什么區別？分別適用于什么情況？以及和帶加強點的單出價有什么區別？

2. 什么是一價計費，廣義二價（GSP）計費？為什么大多數廣告平臺要用GSP計費？

3. oCPX的"一鍵起量"是個什么產品？為什么需要有這個產品？

4. 智能出價產品是否可以用一價計費？

5. 用RTA做動態過濾是怎么一回事？

6. 廣告產品如何支持廣告主更好地進行表達？

問題1：保率雙出價與不保率雙出價有什么區別？分別適用于什么情況？以及和帶加強點的單出價有什么區別？

首先我們來看一下什么叫做保率雙出價。雙出價大家可能都比較熟悉，但是對保率和不保率的差異可能不是所有朋友都了解。下面我們以“激活付費雙出價”來舉例，在這個產品里，廣告主需要設置激活出價和付費出價兩個出價。

• 不保率雙出價：系統目標是激活成本不超過激活出價（或不超出出價的某個比例，例如20%，下面討論簡化為不超過激活出價），并且付費成本不超過付費出價。

• 
  

• 保率雙出價：系統目標是激活成本不超過激活出價，并且付費成本不超過付費出價，并且激活到付費的率（即付費數/激活數，也就是激活成本/付費成本），不低于激活出價/付費出價。

假設客戶的激活出價是100元，付費出價是1000元，最終激活成本是40元，付費成本是800元。那么對于不保率雙出價而言，是達成目標的（因為40<100, 800<1000)。但是對于保率雙出價而言，多了一個要求，就是從激活到付費的率（=40/800=0.05）不小于激活出價/付費出價的（=100/1000=0.1），在這個case里是沒有達到的。也就是說保率雙出價是更嚴格的一個目標，除了成本達標，率也要達標。

為什么要求率也要達標呢，如果我們的更加深度的目標（本例為付費成本）都已經達到了，為什么還需要關心激活到付費的率呢？原因在于付費成本也不是廣告主要的最終目標，付費只是出價點，真正的考核點可能在付費金額上。而在大多數時候，激活到付費的率，是正相關于付費到付費金額的率（也就是付費金額/付費數，或者叫ARRPU。為了和前面的鏈路說法保持一致，我們把付費金額/付費數，也叫做付費到付費金額的率（雖然這個率可能大于1），也記做p(付費->付費金額）。把付費金額簡稱為v，如下圖所示）。在保證付費成本一定的情況下，激活到付費的率越高，通常ARRPU越高，最后的ROI越高。比如同一個游戲兩個推廣計劃，都買了100個付費用戶，平均付費成本都是1000元。A計劃的100個付費用戶是從1000個激活用戶轉化來的，B計劃是從300個激活用戶轉化來的，B計劃的激活到付費率明顯更高。大概率可以推斷B計劃帶來的用戶更加精準，這些用戶最終付費的金額也會更高。

同樣的，其他雙出價也是類似，例如保率激活次留雙出價，如果保激活到次留的率在一個比較高的水平，在相同次留成本情況下，7留數，14留數也會比較高。

當然，增加了對精準度的要求，就需要付出量減少的代價。好的投放系統和差的投放系統，差異只在于好的投放系統量和質的換算效率高一些，如果進行了保率，量掉得少一些。

什么時候適合用保率的雙出價，什么時候適合用不保率的雙出價？

那就得回到前面說的基本假設上來，即：出價點1到出價點2的率，是正相關于出價點2到考核點的率。以激活付費雙出價舉例，就是激活到付費率，正比于ARRPU。雖然大多數時候這個關系是成立的，但是不同廣告主可能這個正相關性是有高有低的。正相關性越高的廣告，越適合用保率的雙出價；正相關性越弱的廣告，越適合用不保率的雙出價。舉個極端的例子，如果一款應用，它的ARRPU是固定的，比如付12元就終身免廣告，沒有其他變現方式。這個正相關性就為0。對于正相關性較弱的廣告主，可能保率帶來的量的下降的損失，就超過了ARRPU增加帶來的好處，可能用不保率的雙出價就會更加合適。

保率雙出價和帶加強點的單出價有什么區別呢？

我們用“激活付費雙出價”和“付費出價帶付費金額加強點”這兩個具體的例子來分析。這兩個產品同樣是在保證了付費成本的基礎上，優化了付費金額。“激活付費雙出價”是通過優化激活付費率，并且利用了激活到付費率正比于p(付費->付費金額）的方式，不需要廣告主回傳付費金額數據，對于激活到付費率高低的控制，交給廣告主自己控制。“付費出價帶付費金額加強點”則是通過直接預估p(付費->付費金額)的率，然后算ratio的方式（詳見（中篇）關于加強點的描述）。如果在預估p(付費->付費金額)的率的模型里，把激活到付費率也作為一個特征，那么也能利用激活到付費率正比于p(付費->付費金額）這個特性。只不過這個率的權重和這個模型里其他特征的權重，需要通過廣告主回傳付費數據來訓練。

總結一下就是，保率雙出價通過廣告主手動控制“出價點1到出價點2的率”這一個因素來影響出價點2到考核點的率，不過不需要廣告主回傳考核點數據。帶加強點的單出價可以通過模型自動控制包含“出價點1到出價點2的率”在內的多個因素來影響出價點2到加強點的率，不過需要廣告主回傳加強點數據。

從量上來說，付費出價>不保率激活付費單出價->保率激活付費單出價/帶加強點的付費單出價->付費金額出價（ROI出價）。犧牲量依次帶來的好處的是，前期成本更加穩定，ARRPU提升，ARRPU進一步提升且能賠付。

廣告主可以根據自己對于量和質的區別，對穩定程度的區別，來選擇適合自己當前階段的出價產品。

問題二：什么是一價計費，廣義二價計費（GSP）？為什么大多數廣告平臺要用GSP計費？

在(上篇）中，講CPC廣告時，舉過一個例子，廣告A和廣告B的CTR分別是0.03和0.02，出價分別是0.3元和0.4元。講到“排序按eCPM排，但不是按照eCPM來計費的，還是按照CPC來計費。也就是說，如果這條廣告被用戶點擊了，媒體平臺會收廣告主0.3元。如果沒有被用戶點擊，媒體平臺不收廣告主錢。“。

eCPM_A = 0.03 *0.3 * 1000 = 9元
eCPM_B = 0.02 *0.4 * 1000 = 8元

這里為了讓概念更清晰，是按照一價計費的情況下解釋的。也就是排名第一的廣告主出多少錢，計費的時候就扣第一名的廣告主多少錢。事實上，在大多數廣告平臺使用的廣義二價（GSP）計費中，媒體平臺收廣告主的錢比0.3元要少。二價計費就是排名第一的廣告主獲得展現后，計費（也就是扣第一名廣告主的金額）是排名第二廣告主的出價（廣義二價是指第n名用n+1名的出價計費，以下討論我們不特意區分廣義二價和二價）。比如CPM出價下，廣告主A出10元排第一，廣告主B出9元排第二，那么這次展現就扣廣告A 9元/1000=0.009元。

另外，在計費點不等于排序點（也就是展現）的時候，GSP的具體的計費規則要稍微變換一下。因為在按cpm排序的最終隊列里，因為第一名和第二名的廣告的點擊率不一樣，可能出現第二名的點擊出價還比第一名的高的情況（例如上面的例子，廣告主B的點擊出價是0.4元比0.3元還高，不能直接扣第二名的點擊出價。這里就需要用點擊率來換算下。

GSP的計費公式是這樣的（當計費點不等于排序點時）

在CPC（或oCPC) 的情況下為

然后在上面的基礎上再扣一個最小貨幣單位，比如1厘錢。下面會解釋為什么需要加1厘錢。

在上文的例子中，廣告主A最后計費的金額是：0.02*0.4/0.03=0.267元，如果加上一厘錢，就是0.0268元，比0.3元少。

關于GSP計費，記住兩個性質就好了。

一是計費值等于讓廣告ad1保留在第一位的最低出價。

把計費公式兩邊都乘以??，則有

這里如果廣告ad1按??出價，最左邊就是廣告ad1的eCPM。右邊就是廣告ad2的eCPM。如果廣告ad1的出價比少1厘錢，廣告ad1的eCPM就要低于廣告ad2的eCPM了。也就不能排到第1位了。如果出價按出，eCPM也只是剛好和ad2的一樣。因此，大多數廣告系統會在??的基礎上，多扣1厘錢，保證廣告ad1的eCPM是大于廣告ad2的eCPM。

二是計費的最高值一定不會超過廣告ad1的出價?。

因為廣告ad1既然能排第一，說明它的eCPM比第二名的廣告ad2的eCPM高，也就是說有

兩邊同時除以??則有

左邊就是??，所以??。

接下來解釋下為什么需要用GSP計費。我們上面的第二個性質也說了，計費的最高值不會超過出價，而如果用一價計費，計費就等于出價。也就是說GSP計費的錢，是一定小于等于一價計費的值的。那為什么廣告平臺不選擇一價計費，豈不是更賺錢？

嚴謹的證明需要涉及博弈論，要證明二價計費是納什均衡的。大概意思是說，在二價計費機制下，廣告主直接給出心里能承受的真實的價格，對廣告主和平臺而言都是最佳的選擇。這里的證明比較復雜，筆者不展開說明了。從一個簡單的角度舉個例子，大家也許更直觀體會到二價計費的好處。

為了好理解，我們用計費點就在展現的二價計費來舉例。假設我們在拍賣某一個廣告位的流量，按cpm一價計費拍賣，也就是出價高的人拿走流量，計費完全等于出價。假設有兩個廣告主競價，保留價是10元。那么一開始廣告主A出10.1元買走了第一個的流量，廣告主B出10.2元買走了第二個的，這個時候廣告主A會調整出價到10.3元，廣告主B又調到10.4元。。。直到當前價格是廣告主A出100元，這個時候廣告主B算了下再加價要虧本了，決定不再跟了，反正是第二名，出99.9元也是輸，出10元也是輸，不如把價格調回到10元，這樣如果廣告主A預算撞線了或者退出了，還能撿個漏。這個時候廣告主A發現B已經把價格調到10元了（不能直接看到B的出價，但是可能會逐漸試探到），自己也不用花100元去買，直接出10.1元就可以了。廣告主B又把價格提高到10.2元。。。于是，一個新的循環又開始了。排名第一的廣告的價格呈現鋸齒狀，非常不穩定。這就是沒有達到納什均衡的現象，即沒有達到：博弈的任何一方，只要改變當前的選擇，雙方各自的利益都不會增加。不管現在這個循環的哪個階段，總有一方可以針對性地調整自己的出價，從而提高自己的收益。

如果是二價計費會怎么樣？當廣告主B把價格調整到10元后，廣告主A不需要再把價格調到10.1元。因為計費按第二名+最小貨幣單位，也是按10元+0.001元計費。不管是保持100元出價還是修改到10.1元，都是按10.001元計費。這個時候循環就被打破了。在這個階段，廣告主A是沒有辦法再通過調整自己的出價，來提高自己的收益。廣告主B也沒有辦法再調整出價，來提高自己的收益。這個時候就達到了所謂的納什均衡。

這是在一個兩人競價的理想態的分析，真實的廣告競價場景要復雜一些，雖然Google和FB在一些特殊產品上，也有應用一價計費的case，但是總體來說，大多數的廣告系統還是采用GSP二價計費。

問題3. oCPX的"一鍵起量"是個什么產品？為什么需要有這個產品？

稍微介紹下“一鍵起量”是個什么產品。它的功能是這樣的：

在一個廣告單元冷啟動階段（已經過了冷啟動就不能用了），廣告主可以自己出一筆預算，讓平臺用這筆預算對這個單元進行冷啟動探索。通常平臺會通過在智能出價中提高出價的方式，來把這筆預算花掉。等到這個單元積累到了足夠的轉化數據，證明了自己是個好單元/或者差單元，再把出價降回到正常出價。這樣這個廣告單元冷啟動成功概率就增加了。

即使不用這個產品，平臺也會有自己的冷啟動機制，來對廣告進行探索。所以一般情況下，廣告主并不需要使用這個產品。只有當廣告主對一些比較好的素材有信心的時候，但平臺并沒有給這個素材足夠的探索量。或者在探索的時候，這個素材因為運氣不好，在較少的展現中，沒有展現出足夠的實力。那么這個時候，廣告主可以通過這個產品來告訴平臺，“這個素材麻煩你提高出價探索一下”。其實，即使沒有這個產品，很多廣告主也是通過自己主動提價，等過了學習期再降價的方式，變相實現了這個功能。

另外，之前廣告平臺之所以有超成本賠付，是因為平臺需要有個機制來保證自己不會故意對廣告主的各種率預估偏高，從而盲目提高出價使得最后超成本。但是現在是廣告主自己要求對這個廣告提價。因此“一鍵起量”這一類產品起作用的單元，是不會進行超成本賠付的。這個從機制上看也是非常合理的。如果平臺還是會進行超成本賠付，那么廣告主就會對所有的單元，都應用這個功能，讓投放系統進行提價，反正超成本了平臺還會進行賠付。

我們再來分析下為什么需要有這個產品。先回顧下前面討論的oCPM里智能出價這部分，它的本質是媒體平臺免費為廣告主提供把出價點價格轉化成計費點價格的出價轉換服務。這個智能出價即使完全交給廣告主自己來出，是沒有機制上的問題的。廣告主自己不做是因為p(計費點->出價點）的數據都在平臺手里，自己沒有辦法做得比平臺好。基于這個機制上的合理性，廣告主可以用各種手段對這個出價進行有利于廣告主自己的干預，都是符合雙方利益最大化的。包括使用一鍵起量來要求提高出價。

有些廣告主試圖通過回傳等手段來hack投放系統智能出價算法對這個單元的出價，其實是平臺沒有對應的產品來支持廣告主對出價的干預（雖然大多數時候，廣告主的出價干預也許不一定比程序做得更好）。

問題4. 智能出價產品是否可以用一價計費？

在oCPX產品中，每次競價的計費點出價都是平臺的出價算法出的，它考慮了p(計費點->出價點）的率，也考慮了當前出價點成本的達成情況。有些讀者可能自然而然就會想，既然現在出價都是平臺出的了，是不是就不需要二價計費了，直接用一價計費是不是就可以了？

前面舉例的一價情況下，廣告主A出10.1元，廣告主B出10.2元。。。形成惡性循環的情況，因為現在都是廣告主A和廣告主B都是通過平臺來出價，平臺理論上可以通過集中管理，來避免這樣情況的出現。其實這么做的缺點也很明顯，就是從原來機制上的保證，變成了平臺算法實現上的保證。例如按照前面的例子，假如是一價計費，當廣告主A出到100元，廣告主B把出價調回到10元的這個時刻，如果廣告主A自己來出價，是會把價格調整到10.1元的。但是平臺為了不讓價格出現波動，可能把廣告主A的出價穩定在100元。在這個時刻，平臺為了自己的利益（計費穩定）和廣告主的利益出現了分歧。長此以往，廣告主就有動力要求平臺把出價交給自己來控制（因為雖然比平臺缺少數據，但至少能往自己利益最大化的方向去出價），或者通過各種hack方式來試圖影響平臺的出價。另外，智能出價算法在優化的時候，除了優化客戶的成本達成情況，還需要額外考慮價格的平穩性（在二價的情況下，通過機制保證了）。這些都是智能出價產品仍舊使用二價計費的原因。

問題5. 用RTA做動態過濾是怎么一回事？

在（下篇）中，我們探討了RTA這種新的生態。回顧一下，文章中提到“所以RTA不適合于買新用戶，而更適合對廣告主旗下某產品A的用戶投放旗下其他產品B的廣告。所以RTA特別適合電商廣告，因為大部分用戶其實都在電商廣告主那里買過東西，電商廣告主已經有了這些用戶的特征數據，可以對這些用戶推薦他們沒有買過的新的商品的廣告。而RTA就不太適合游戲類廣告，因為游戲類廣告主通常需要買旗下所有游戲都沒用過的新用戶，對于這些新用戶，廣告主一點特征數據也沒有。” 這里主要描述的是RTA作為“動態出價”產品的使用場景。

在微信文章中遺漏了RTA作為動態過濾的一種用法，在知乎的文章里是有的，這里統一補充下。RTA其實也可以用來買新用戶的，但是主要是作為一個“實時黑名單（realtime blacklist)”的方式用來做用戶的動態過濾。具體的運行方式是，RTA的廣告主，對平臺發過來的每個廣告請求，看看這個請求對應的用戶，是否已經在別的平臺轉化過自己的這個產品，或者轉化過自己的類似的產品。如果是的話，就返回0告訴平臺說我不要這個流量；否則返回1，告訴平臺這個流量我要了。各種率都還是平臺去預估，使用RTA的廣告主自己不預估（因此廣告主還是需要回傳轉化等后鏈路數據給平臺，進行點擊到轉化率或其他率的預估）。這個用法和平臺的排除人群包比，差異在于這個黑名單是實時更新的，廣告主不用經常update排除人群包。

總結一下RTA的用法主要分為兩種：

RTA這個產品的問題主要在于，廣告平臺需要把自己的請求發送給廣告主，這個請求至少是帶了用戶ID信息。對平臺來說，有數據泄漏的風險。因此這個請求數的規模不能太大，另外可能可以有選擇性地發送請求。ADX發請求給DSP也會有類似的問題，不過好像在ADX的請求是從很多小媒體來的，小媒體對于數據不是太care，另外成熟的ADX也會有選擇性給DSP發請求的策略（例如長期對接ADX只拿請求不競價的騙數據的DSP，流量是要被ADX卡掉的）

6. 廣告產品如何支持廣告主更好地進行表達？

匹配效率對于廣告系統來說可能是最核心的訴求。要提高用戶和廣告的匹配效率，一方面要足夠了解用戶（用戶畫像，用戶數據和特征挖掘等等），另外一方面要足夠了解廣告（素材，廣告主訴求）。用戶側和推薦等產品沒有明顯差異，下面主要關注廣告主側。要讓廣告系統盡可能了解廣告，需要支持廣告主的以下兩類表達：

• 訴求表達（例如：各種出價產品，消耗速度選擇）

• 先驗表達（例如：定向產品，標簽產品，一鍵起量，一鍵繼承）

（a) 訴求表達

訴求表達主要讓廣告主告訴平臺，要的是量還是質，優化到激活就夠，還是需要優化付費甚至ROI。這些都可以通過讓廣告主選擇不同優化側重目標的出價產品來表達，因此很難有一個出價產品一統天下。出價產品的多樣性也是需要一定保障的。

另外廣告主在不同的階段，訴求也是不一樣的。例如在有些游戲早期上市的時候，會在于先把市場鋪起來，不太在乎ROI，只要激活成本達標，激活越多越好，玩游戲的人多了以后，形成一定的傳播性，社交性。等到中期后期的時候，前期已經積累了一部分數據，再開始優化付費/ROI，從要量轉為要質。早年間，Facebook的MAYA, AEO, VO產品就形成了這么一套滿足不同階段廣告不同訴求的出價產品矩陣。處在不同階段的廣告主同一時間也不是只用其中一個產品，而是搭配使用，只是預算占比不同。

（b) 先驗表達

訴求表達支持廣告主表達：我要什么要的廣告。先驗表達則是廣告主告訴投放系統：你一開始沒數據的時候，可以先按我告訴你的這樣去投，效率會好一些。等你有數據了，再按照數據里統計出來比較好的方式去投。

先驗后驗是算法里最經常遇到的概念，不做算法的同學可能陌生一些。先驗和后驗的關系大概可以理解為：

????????先驗+數據觀察->后驗

只有先驗需要廣告主表達，后驗是投放平臺自己計算的。這里有兩種情況都需要滿足才能形成完善的廣告產品組合

1. 沒數據（或者數據少的時候）用先驗

2. 有數據的時候用后驗

例如定向產品，提供了很多人口屬性，興趣標簽等定向條件給廣告主選擇。有一部分廣告主并不在乎誰下載了自己app或者購買了自己的產品，他們只是通過對自己產品的理解，選擇合適的啟動人群，來告訴廣告系統，投放這些人群效果會比較好。這就做到了第1點，沒數據時候用先驗，但是沒有做到第2點，就是有數據的時候用后驗。因此后來有了“智能擴量”產品，讓單元投放到一定量級的時候，系統可以根據投放歷史數據，適當放寬定向。

同樣的例子還有“一鍵起量”，廣告主提供的先驗是：這個素材轉化好，出高點的價格探索它。但是過了冷啟動，如果實際數據表現不好，系統會忽略這個先驗。同樣的還有“一鍵繼承”，廣告主提供的先驗是：這個廣告的目標人群和之前這幾個unit的人群差不多。

總結一下，可以從兩個角度審視現在有的產品是否很好地支持了廣告主的先驗表達：（1）有什么其他先驗知識是廣告主可以輸入，但是現在產品不支持的？（2）有什么產品支持了廣告主先驗的表達，但是在有數據的時候，沒有切換用后驗來投放的？

另外，支持廣告主表達，需要用機制保證廣告主是truth-telling的

先驗信息有些是自帶boost屬性的，例如“一鍵起量”，會讓投放系統提高這個unit的出價。如果“一鍵起量”產品中的超成本賠付沒有取消，那么廣告主就會有動力對所有的unit使用這個功能。另外這里再說一個某條失敗的產品案例（聽說的，也許與事實有出入。另外不是貶損競對，某條大部分產品還是挺成功的，難得有一些失敗案例可以講）。據說某條曾經設計了一個讓廣告主可以對自己的廣告打標簽的功能，讓廣告主表達自己的廣告是與什么內容相關的。初衷是為了用戶和廣告更加匹配，例如給經常看二次元內容的用戶，展現給自己的廣告打上二次元游戲標簽的廣告主的廣告。但是因為這個標簽是廣告主自己填的，沒有機制保障他們填的都是真實的。后面廣告主就都填成了和自己的產品其實完全不相關，但和當前熱門事件相關的詞。這樣做的后果就是這個標簽在模型里的權重越來越低，低到可以忽略。

最后，廣告產品對于廣告主來說，是用來賺錢的生產工具，和用戶產品不一樣，不用過分擔心產品功能太多廣告主不愿意學習，或者懶得使用。當然合理的產品結構，降低上手門檻，和提高使用效率是基本操作。

廣告（做廣告的發起廣告來真是心安理得)

筆者希望招幾名廣告算法一起在某手商業化做更酷更優雅的廣告策略，初中高級廣告算法職位均有。感興趣的朋友歡迎加我的個人微信約飯約咖啡或發送簡歷。做廣告產品和運營的朋友，我也可以幫忙內推簡歷。

作者個人微信（添加注明申探社讀者及簡單介紹）：

歡迎掃描下面二維碼關注本公眾號，也歡迎關注知乎“申探社”專欄