从广告点击率预测说起

在计算广告学中,有一个很经典的议题便是预测广告CTR(Click-Through-Rate,点击率),很多人也鼓吹CTR预测在计算广告领域是多么重要,但却很少看到有人真正的解析——我们为什么要预测广告CTR?

经济学中的供给与需求

说到为什么要预测广告CTR,那么我得先回到广告交易的源头。在广告交易的最原始资源是什么?当然是用户关注广告这件事了。用户的每一次关注,都是一次实实在在产生广告效果的行为,也就是最常见的Impression(广告曝光)。每一次广告的Impression,都对应着用户的一次注意力。市场上充斥着大量的Impression位置与内容,比如搜索引擎中的结果列表、电梯中电视屏幕、公交车站的站牌附近,等等位置。

精明的商人,发现了这些独特的用户注意力,如果可以作为一个产品服务的Impression位置,那么可能将为产品服务带来很高的辨识、认知,甚至是产生购买、复购等。因此也就出现了广告中最常见的付费模式CPM(Cost-Per-Impression,按照曝光付费)。

广告主的诉求

随着市场的成熟,大家逐渐认识了CPM这种付费模式,但是有一些机智的发布商(拥有曝光位置和人气的商家,网站主)发现有利可图,便偷偷的将一些虚假繁荣献给广告主,位置的流量大,但用户的关注度低,甚至模拟一些非真人流量(Non-Human-Traffic)来制造人气位置。导致CPM付费的后续效果模糊不清,变化空间太大。

另外一方面,做广告的人越来越多,大家在争抢有限的用户关注资源,因此大伙也在一步一步追求更深入效果的广告效果。因此,他们提出了一类需求:我们不需要广告的展示,因为我不知道我这些广告到底展现给谁了?到底是人还是狗完全都没办法辨识。我需要按照用户实际产生的点击行为付费(CPC,Cost-Per-Click),这些才是真正对我广告感兴趣,愿意更深入了解我们产品服务的用户。

发布商的困扰

但是,发布商本身并没有Click资源,他们并不清楚1000个Impression中的有多少会去点击广告,他们只知道核算1000个Impression是1000个Pageview(浏览量),而Pageview是对应到发布商的运营与成本的。另外,发布商总是在想,广告的点击又不单纯是由我们媒体的受众群体决定,同时也是由广告主的创意的好坏,以及创意与受众需求匹配程度决定的。显然,他们不愿意为这些不清不楚的点击率买单。

中间商的解决方案

随着广告领域日渐成熟,发布商没有足够精力去召集更多更优质的广告主,广告主也没有太多精力精挑细选每一个发布商,因此,广告领域的中介便出现了。中介往往是通过交易额的固定比例收费,所以他们也在不断努力增加交易额,一方面让更多的广告主去买广告,另一方面,收集更多的发布商资源去售卖。矛盾就在此出现了:发布商希望通过CPM的价格收费,他们觉得这才是我们实际的广告资源量,而广告主只愿意按照CPC的价格付费,他们又觉得产生用户行为才是有效的一次广告。

中介商没办法了,必须得想个折衷方案:如果Impression与Click之前存在一个线性的、固定的转换关系,那么岂不是就可以将CPM价格转换成CPC价格了吗?而这个关系就是点击率(CTR)。从此,就出现了CTR预测这个议题了。

广告主的贪婪

广告主从来都不满足现况,曾经他们一度觉得Impression就已经是他们想要的用户行为了,而现在又对Click感兴趣,未来,他们很可能对Action、Sale等等感兴趣。那么也就会有越来越多的付费模式出现:CPA、CPS等等。

结语

随着RTB广告的发展,Impression的精细化程度,以及其中的Real-Time技术,广告主的各类需求也在全面发展。CTR预测也将与时间、地点、创意、受众特征、匹配程度等等更加紧密,而中小广告主、效果广告主由于其营销领域的弱势以及营销费用的不足,他们也越来越倾向于选择更具备实际效果(Click、Action、Sale)的方式为他们的每一次广告付费。

DSP探花BiddingX团队如何利用数据改造生产力

走在科学与艺术的交叉路口,数据一直帮助我们优化生产。就在最近几天,我们用户体验团队使用团队新开发的网页A/B Testing工具AB Tester(www.abtester.cn),对BiddingX官方网站(www.biddingx.com)进行了一次大刀阔斧的“改版”。改版之前,BiddingX产品经理再三嘱咐我们:不要玩坏了我的网站!可是……

改版之前:

BiddingX 首页改版前

由于账户是由商务同事分发,无法直接从官网获取,而我们官方网站的用户往往是新用户。所以大家觉得“登录”按钮在这里会分散“在线申请”的注意力,会一定程度分享“在线申请”的点击率。因此,直接在AB Tester编辑器界面……干掉了“登录”按钮:

BiddingX 首页改版后

胆大的我们,直接上一部分流量开始真人实验,A/B Testing我们的改动了。

第一天……

A/B Testing 第一天

虽然置信度(转化率的可信程度)只有60%,好歹最终结果提升了6.4%,实验版本没有让大家失望。不过心里总是还有一点小忐忑,明天小笑脸你可别哭啊。

第二天……

A/B Testing 第二天

置信度到82%了,提升率也到16.7%了,想想还有点小激动。产品经理终于不会说我们玩坏BiddingX官网了。再等等吧,置信度依然没有达到统计学上常见的95%,因此我们再继续观察观察。

第三天……

AB Testing 第三天

实验出乎意料,一个微小的改动,对申请的点击率提升了25%,置信度也达到了93%。不过其中也还是存在更多的思考:原版本点击登录却无法登录的用户然后干什么去了?实验版本点击“立即申请”的朋友由是否如愿申请了呢?这些我们也需要通过网站分析中其他退出、跳出、流向数据帮助我们进一步了解真相。(由于篇幅,就暂不包含在本篇)

另一方面,我们还利用AB Tester在没有任何技术同学参与的情况下,改善我们的表单填写,对之前复杂的表单进行了精简,原来表单是:

表单 原版本

经过简单的拖拽修改,精简后的版本:

表单 实验版本

由于表单页面流量较小,我们使用了全流量进行测试,因此数据就不便透漏了,但是肯定的说,提升率又是绿色笑脸。

笑脸

最后,感谢为BiddingX团队改造生产力的A/B Testing工具:

AB Tester

感谢BiddingX产品经理姐姐的支持:

BiddingX LOGO

最最最后,小小的广告一下,本司有:

  • BiddingX DSP 广告投放工具
  • Clicki 网站分析工具
  • AB Tester 网页A/B Testing工具
  • 用户研究、移动广告发力中…

不限量招聘:

  • 有节操有数据观产品经理
  • Hadoop数据挖掘工程师
  • Golang后端研发工程师
  • MySQL高级运维工程师
  • Web前端研发工程师
  • Android/iOS研发工程师
  • 各种其他公司有,我们公司就有的岗位…

AWS云服务价格与付费模式

上篇我们主要是了解AWS云服务产品,这次我们再进一步了解下AWS的价格与付费模式。与AWS付费价格相关的概念有:按需实例,预留实例,竞价实例,使用率。

按需实例

按需实例,顾名思义是根据所需求要的时长付费,按小时付费,在不需要的时候可以停止购买。

预留实例

预留实例是指在一定可见范围内,预订固定时长的需求,从中可以获取到比按需实例更多一点的折扣,并且购买初期是不需要全额付款的,仅需要支付预留实例的预留定金。

使用率

预留实例中,存在一个叫做使用率的概念。使用率是指实例的实际使用时间,例如一天24小时候,平均下来只有16小时运行,服务器允许停止资源8小时,那么可能是属于中使用率,可以按照中使用率进行付费,在不需要的时候,暂停服务以获取成本节省。如果服务需要一直在线,那么属于高使用率。不同的使用率,使我们能在固有购买时长的基础上,费用进一步的精细化。

竞价实例

竞价实例将有限的计算资源作为一个资源库,市场上有着各类买家,买家根据自己的需求强度,愿意为计算资源付出不同的价格。这就是竞价实例市场了!简直太赞了,对计算时间不敏感的买家,可以选择在市场计算资源充足,价格便宜的时候购买服务;而对于计算资源需求强烈的买家,也可以付出更多的钱,买到市场上更多的计算资源。

数据传输

数据传输都是按量付费,根据输入、输出位置与网络不一样,使用量不一样,支付不同的按量价格,存在着阶梯价格,用的越多、单价越便宜。