數據與廣告系列一：初識在線計算廣告

題圖：699pic.com 作者 | 黃崇遠

01 緣起

一直以來對於廣告領域，都是一知半解，畢竟在當前的職業生涯裏頭，並沒有實打實的做過廣告，直到去年年末，在項目上逐漸會有些廣告相關的數據合作對接，才稍微對於廣告這個領域有點點了解和認知，但不成體系。

所以，一直想對廣告這塊的東西深入的去了解，圍繞廣告構建起自己的認知體系（我自己習慣性的把不同的知識領域構建起一個個認知體系，而廣告確實是相對空白的部分）。

所以，當前系列一方面是自己對於這方面的整理，更多的是自己在學習的過程中結合當前6年多數據領域的經驗，去做延申和結合思考，當然當前或多或少也會涉及到部分廣告的實際工作，部分相關有用的東西也會融入其中。

如此，在以後說不定還是有機會深入的在這個領域持續做下去的。而對於整個系列的組織，說真的，並沒有想的很徹底，因爲自己也目前也沒有成體系化的認知，所以一邊學一邊思考一邊整理，權當一個系列筆記，如有不當不詳之處，歡迎斧正。

如果對於廣告和數據體系感興趣的，也不妨跟着看，應該也會有點用處的。

02 廣告生態的基本瞭解

既然說到廣告，我們先對廣告有個基本的認知。

在過去，在互聯網遠沒有盛行的時代（Web時代之前），大部分廣告的載體是紙質媒體，或者線下實體廣告牌，然後緊接着是電視廣告，各種LED富媒體廣告。隨着互聯網流量的加大，很多廣告的形態開始出現在互聯網上，緊接着是移動互聯網的到來，各種移動應用，移動載體APP等，都能看到廣告的身影。

對於新一代來說，紙媒估計接觸的很少了，而線下類型的廣告關注度也不是很高，諸如電視我已經好久沒有怎麼看了，更遑論電視上插播廣告，但我們大量的時間都花在了互聯網上，所以我們這裏所說的廣告，更多的是指互聯網在線廣告。

並且我們的出發點是數據，所以一定是與數據關聯度最大的互聯網在線廣告爲核心（並不是說線下廣告，或者電視廣告就用不上數據，只不過作用沒有這麼大，並非是核心驅動力）。

對於我們所需要關注的在線計算廣告，其與其他傳統廣告的根本區別在於說，其廣告效果是可以做效果追蹤的，結果是可以量化的，人羣是可以計算定向的，中間過程是可以持續優化的，資源歸屬是可以做競價的。

這些本質上推翻了之前傳統廣告效果難以追蹤，過程較難優化，用戶難以個性化匹配等問題。

從這個角度上來說，不管是數據追蹤回收，人羣畫像定向，點擊轉化預估，競價模型等，都跟數據/算法有着密切的關係，甚至可以說在線計算廣告領域是大數據真正實打實落地，且產生真金白銀的商業模式。

對於廣告來說，整體可以分爲兩類，以品牌傳播品牌口碑塑造爲目的的品牌廣告，核心追求的是長期的關注和利益；以點擊轉化爲核心目的則一般稱之爲效果廣告，即一次廣告當前帶來的實際轉化。

而圍繞上述兩個目的，單純從商業計費的角度出發又會分爲CPM/CPC/CPS/CPD...，還有很多很多類似的計費方式。

CPM，千人成本，即可以理解爲展示千人對應的費用，這種方式是不爲轉化效果負責的。
CPC，每點擊成本，即不考慮展示曝光量，只按每個廣告點擊進行計費，一定程度上是需要考慮效果轉化的，但一般只是轉化的中間層，以電商頁面投放爲例，用戶點擊了頁面，也只是進入到了商詳頁面，最終的轉化還得看是否下單購買。
CPS，每銷售成本，即直接將最終的銷售與廣告計費掛鉤，其實更有點像分成模式，即銷售了多少，就需要給導流廣告計費多少，是一種純粹的效果負責的廣告。
CPA，每動作成本，所謂的動作，一般是指下載或者實際的一些轉化動作，比如在流量池裏投放APP的下載頁面，只要有一個下載就記爲一次，同樣也是一個偏向於爲效果負責的模式。
CPD，按天計費，這種實際上是把時間維度拉出來做計費方式，除了天還有其他時間顆粒度，比如小時，周等等，這種廣告模式在各種應用分發市場中非常常見，對於部分資源位按天進行費用計算等，通常不爲效果轉化負責。

如上列了很常見的5種廣告計費方式，實際上還有很多，並且如果加個o（optimized）比如oCPA，oCPC等，就是所謂的動態優化廣告了，區別在於說o能借助轉化預估模型實現智能的動態出價（競價），而這則是數據發揮作用，優化效果，提升利潤的靈魂所在，也是後續我們會反覆討論探索的部分。

03 互聯網在線計算廣告的本質

不管是商業模式也好，或者具體的計費方式也好，其實我們核心要認清一個事實就是，廣告（這裏我們主要討論就是數據能核心賦能的在線計算廣告）最核心的是將廣告主的資源與用戶做關聯，而我們所做的一切都是爲目的，然後優化中間的過程。

至於說目的，對於廣告主來說就是有限的預算內，最大化的轉化，但注意這個轉化不能單純的認爲是本次廣告的轉化，比如說品牌廣告，個人認爲就算是品牌廣告追求的一樣是最終的銷售轉化，只不過路徑很長，週期很長，所謂品牌影響力，品牌形象，最終還是會轉化爲購買力，只不過是一種隱性的影響，且無法做顯性的量化追蹤。

而對於平臺方來說，一方面需要想方設法提升廣告和用戶的匹配度，匹配度是提升廣告主廣告轉化的核心邏輯，但站在平臺方的角度出發，則與此同時，需要考慮平臺方的收益最大化，舉個簡單例子，假設AB廣告都匹配了C用戶，但一個時間週期一個場景裏用戶只能看到其中之一，如何選？

假設就算A的匹配度稍高些，那麼選擇A嗎？顯然不一定的，萬一B說選擇我我給十倍的成本。所以，這就是涉及到了匹配度與收益的權衡，而隨之而來的就是廣告競價體系。

所以，我們沿着這個思路下去會發現，其實更本質的邏輯是，針對於流量（用戶），如何做候選資源（廣告資源）排序的問題，只是說很多場景裏，只允許展示Top1的候選資源而已。

而我們數據所需要做的就是做好連接層，優化匹配的過程，提升效果轉化預估，權衡好競價和投放的問題。

下個章節，我們將沿着廣告內在的核心邏輯，衍生出僞廣告的各種場景以及邏輯，且將深入對比推薦系統和在線計算廣告兩者的差異點。

廣而告之時間：

2019年，講真，對於技術從業者來說並不是一個好的年份，不少大廠紛紛裁員，而小廠關門倒竈的不在少數。所以，多掌握一些額外的技能對於困難時期生存總是有很大幫助的。

這裏推薦一個程序員學習平臺，有圖文chat，也有成體系的課程，包括數據/算法/前後端/底層等各個維度方面的知識體系，感興趣的可以看看。