广告投放从操作层面看各媒体的一些公开算法_信息流

广告投放从操作层面看各媒体的一些公开算法

宁阿姨

2019/12/02

1490

推荐 U渠道 - 免费对接行业高端人脉、免费对接优质高返点渠道服务商，点击对接>>

媒体的算法是黑核，我们不知道是什么样的，就算告诉我们、我们也看不明白。但我们可以看一些基础的东西，就像上学要做作业、上课听讲、课前预习、课后复习，大家具体的学习方法各不相同，但这些基本的逻辑是共性的。

我搜集了头条、腾讯、快手对质量度的一些定义，理出了一些可能的影响因素，这些东西你可能知道，但可能没那么确定、或者知道的没那么全面，我觉得值得优化人员看一看。

我们以头条为主，其它媒体也可以参考。对于账户层级的叫法按照头条的“账户-组-计划-创意” 。

一、钱

算法就是决定把量分给谁，而把量分给谁的核心就是钱。但钱又会分为两个部分：一个是直接的广告收入，另一个是用户体验，也就是未来的钱。只有用户体验好了，用户愿意留在APP上，媒体才能长长久久地赚钱。

所以，媒体在做流量分配的时候，用户体验一定是很重要的考量因素。

用户体验可以分成3个部分：

互动行为：赞、顶、评论、喜欢、分享

观看行为：点击、阅读百分比、读完、视频播放时长、有效播放率、播完率

投诉行为：dislike（不喜欢）、举报

如果用户正面反馈（正面评论、看的时间比较长等）比较多，那对广告的流量分配一定会加分；用户有负面行为也会对广告进行打压。

所以“广告被投诉会影响分量吗？”

会的，算法里一定有投诉率、累计投诉次数的权重。

二、广告投放的简化流程

广告投放也就是媒体卖流量的过程，可以简单分成3步：

① 确认你想买

② 看你给多少钱

③ 综合考虑用户体验

都OK、就可以展现在用户面前了。

对应到广告系统里，每一步都对应一些设置：

我们具体来看：

1、确认在投状态

确认在投状态，需要检查几项：

首先开关得打开，然后日期、时间段是否包含当下时间点，是否有可用预算及余额。对于可用预算和余额，有一种说法是：取最小值。

a）账户预算、组预算、计划预算取最小值；

b）预算最小值-已消耗金额=可用预算

c）可用预算、账户余额取最小值

确认“可用预算、账户余额的最小值”是可消耗的，就可以进入在投状态。如果可用预算或余额即将耗尽，那么广告就会逐步下线。

确认在投状态的几个主要因素：

2、预估eCPM

预估eCPM，回到计算eCPM的公式：

按点击出价： eCPM=（点击出价）×（展示-点击率）

按转化出价： eCPM=（转化出价）×（展示-点击率）×（点击-转化率）

预估ecpm就会用到大家总说的“质量度”的概念。我们来看一下各媒体对质量度的影响因素的说明：

快手

腾讯

头条

可以将影响因素归成几类：

a）查户口：账户的历史表现、推广商户的信用

b）创意：点击率、封面点击率、有效播放率（主要）、创意历史点击率（主要）、新鲜度

c）落地页：落地页的加载速度、落地页的停留时长、落地页的相关性

d）定向：相关性（腾讯指创意和用户的相关性）

这里边提到的因素就几乎是“上学要做作业、上课听讲、课前预习、课后复习”这种层级的，非常基础，媒体之间不一定完全重合，但能放在这里的就都是基本要点，值得参考。我们依次来细看一下。

a)查户口

流量分配一定要先“查户口”，看你昨天消费多少、以前有没有被投诉。

所以“账户有权重吗？”

一定有的。账户历史表现好、对新计划测试计划是有影响的。

b）创意

创意里边如果是视频封面点击率是有权重的，创意的历史表现很重要。对一条创意的预估很大程度上会参照历史数据。腾讯提到了新鲜度的概念我在头条没怎么见过，可能对于“新”的创意也有鼓励。

c)落地页

接着是落地页。腾讯这张图里没有提到落地页的部分，但它关于落地页优化的说明也是这几个因素：打开速度、和创意的相关性等等。

腾讯落地页优化说明：

对于落地页和定向，头条的计划诊断里有更细致的说明：

落地页加载速度的影响因素主要是网页的总大小、图片的数量和大小。所以落地页不能做的太大了，要“少、小”——少放点内容、网页小一点。

今日头条落地页优化说明：

d）定向

定向可以细分成覆盖度、精准度和蓝海度。分别指：覆盖的人群范围、定向的精准程度、和该定向人群中竞争的激烈程度（腾讯的“相关性”指的就是定向的精准程度）

今日头条定向优化说明：

很好理解，转化量=转化率*人群范围，转化率和人群范围分别对应精准度和覆盖度。但是找到这些人并不代表你就能转化他们，还有别的广告主跟你竞争，比如大家都用某个行业的人群包，那这部分人竞争一定激烈，你定向了也未必能转化。

各媒体影响eCPM预估的主要影响因素：

3、频率控制

虽然eCPM是很重要的流量分配指标，但不能只看eCPM。对用户展示广告的频率控制也是很重要的策略。频率控制主要分为过滤掉用户不喜欢和去重两个方面。

· 过滤不喜欢可能的策略是：如果一个用户选择了不喜欢一条广告，那么不只是这条广告，和这条广告相关的“行业、产品、来源、落地页、广告组”等也不会向该用户展现。

· 另一个方面是去重，去重是各媒体基本的策略（包括小型的DSP平台也会做去重），不只是考虑用户体验，从广告效果的角度看，用户总看重复的广告转化的可能性也会比较低，所以要控制广告对同一个用户重复展现的频次。而且你在各媒体点击“×”，无论是内容还是广告，媒体都会提供一条不喜欢的理由选项：重复内容。说明大家经常因为看到重复的内容而选择不喜欢。

各媒体点击“×”之后提供的理由选项，都包含重复这一条

对于去重有几个维度：

广告主

安装包

落地页链接

账户

来源

组

计划

创意

你先知道这些都是可能被频控的维度，媒体会把这些项作为一个考虑的层级，但具体是不是这些层级都会被频控、各媒体也不一样。

所以“同一个账户、同一个组之间真的有竞争吗？”

真的。本来所有的广告之间就都是竞争关系，又因为账户、组层级有频控，对一个用户一个账户或者一个组可能只展现一条广告，这个竞争就会更明显。

同时，不同的媒体会有不同的侧重，比如有的媒体对重复的创意严格控制，有的媒体就没那么严，甚至一些初期的媒体可能就没频控。

广点通强调“重复广告”是导致曝光量少的原因，重复广告只会展现一条，但头条对优秀的广告系统就会给你自动建一条一样的计划

除了去重以外，还会有广告形式的限制：大图、下载。以前头条明确说明大图和下载是有频率控制的，但后来也不说了，所以这个可能有的媒体有、有的媒体没有；以及新用户一般会有保护，也不出广告，或者出的少。

频率控制可能的维度

总结一下，我们可以把广告投放简化成3个部分，每个部分对应了一些设置项。可以把它当成个地图来看，知道这些是可能的影响因素，广告效果不好的时候，可以改这些东西试试。

三、一种可能的算法

知道媒体预估的时候有这么多可能的影响因素，但它们具体是怎么预估的呢？

这就涉及到了“算法”—— “算法”就是根据广告和用户的一些特征来预估转化概率的方法（这个概率最终可换算成ecpm）。

为了便于大家直观理解“算法”，这里举一个简单的算法作为例子。

有一种算法是这样，每一项有不同的权重，来了一条广告之后从各个维度给它打分，然后算出一个总分，举个栗子：

视频时长 0.003分

音乐热度 0.03分

视频模特颜值 0.02分

封面颜色 0.001分

创意历史表现 0.2分

落地页加载时长 0.04分

落地页图片数量 0.01分

落地页页面长度 0.01分

……

得出一个eCPM的总分，对总分进行排名，然后按照排名分配流量。做算法的都是很优秀的技术，是非常聪明的人。而算法越聪明，预估的结果就会越接近实际数据。

四、总结

·用户体验是算法中必须考虑的因素，用户的互动行为、观看行为和投诉行为会对广告分量有影响；

互动行为：赞、顶、评论、喜欢、分享

观看行为：点击、阅读百分比、读完、视频播放时长、有效播放率、播完率

投诉行为：dislike（不喜欢）、举报

·我们梳理了几个媒体对质量度公开的一些解释，知道这些是可能的影响因素，可以长期作为优化的点。

附：对视频的分析可以到什么程度？

很细的程度。这些分析在技术上都是能够实现的，可能都会作为预估的影响因素。在头条，这些音乐啊、拍摄手法啊、视频前后反转的表现方式啊，都可能是预估的影响因素。

以上，欢迎留言讨论。

©特别声明

本文来源：三里屯信息流原创作者：宁阿姨

本站遵循行业规范，任何转载的稿件都会明确标注作者和来源，如果来源或作者有误，请及时联系我们更正；本站的原创文章，请转载时务必注明文章作者和来源，不尊重原创的行为我们将追究责任；作者投稿可能会经我们编辑修改或补充。

广告投放

算法