基于当前业务对广告变现的系统理解和总结：

背景：

本人当前负责业务涉及获客和变现的诸多方面，但个人认知和理解较为零散，在遇到问题时也无法一通百通，因此认为有必要做系统梳理和学习。另外根据团队里收到的反馈「抓大放小」，让我觉得不跳出执行，看不见「大」，也做不到「放小」，是一直以来的症结所在。想要尝试学习先看见「大」。

学习来源：

以下总结源于各方资料和个人基于业务的思考总结，因为涉及个人理解，可能有很多不准确的地方，还有待迭代。

待补充处：

基于梳理过程中的学习，确实发现业务执行中还有疏漏的地方，还需要就定位到的问题落地执行。

总结：

1.广告变现涉及的3大角色

    广告主：花钱买流量做推广的，核心诉求就是要效果，无论是品牌曝光，还是安装、购买等事件转化

    流量主：有流量想变现。由于产品定位、功能不同，所以用户群体特征也不同，接广告也要不断调整，通过平台找到匹配的广告主。一般强依赖广告平台。

    平台：作为广告主和流量主的媒介，依靠数据和算法，标签化用户画像，匹配二者需求，促成交易

    本人所辖业务当前阶段既是广告主又是流量主，依赖平台进行获客和变现。

    作为中小开发者，直接通过平台即可满足变现需求。如果用户规模和资本支撑足够大，有一定品牌影响力时，可以直接找广告主合作售卖流量（例如dolphin browser）。也可以选择搭建自己的广告平台，提升变现效率及收入规模（例如穿山甲）。

    以及以下这张图，当前业务几乎已经完全贯穿/对接到其中所有角色

    ATD：Sinoclick等

    DSP：Facebook Ad Plantform、Adwords等

    SSP：Admob等

    ADX：Google Ad Manager、Double click Ad exchange等

    ADN：Affiliaxe、FN等

2.广告场景及类型选择

    广告场景设计：根据用户在 APP 内的行为，选择采用哪种流程进行广告场景设计，按推荐广告场景更适合在第一层和第二层，第三层根据情况采用，同样是不能中断用户的核心行为。

    广告样式的选择：原则就是选择变现效率更高的广告样式。因此也有了当前原生广告和自适应横幅广告对比测试的实验。

    聚合（Mediaiton）：聚合多方广告 SDK，协调各广告位中的广告请求、展现等逻辑，使得多个 SDK 可以在一个广告位正常运作起来。可参考下图场景示例进行理解。

3.广告变现核心逻辑

    以下几张图非常好的梳理了广告展示的核心逻辑和流程

4.广告变现收入优化/增长点

    A.填充率

        FB：

        FB 广告填充的2个前提条件：

            请求必须匹配用户才能返回广告——通过 FB 进行推广买量，基本能做到 100% 填充（理论）

            应用必须在 Google Play 商店或 App Store 上架下载——及时关注政策，确保应用在 GP或 App Store在线即可

        填充率不足的其他 4 点：

            a.不合理的底价设置（当前我们未设置）——合理调整+实验即可

            b.集成 FB SDK 版本过低——关注+及时更新（发现当前多款audience netword的SDK未更新）

            c.广告版位质量不合格，在创收管理工具-集成-质量检查目录下，可以看到各 APP 及广告版位的质量情况，如果某个 APP 下多个版位不合格，将影响 APP 整体的填充率

            d.展示率异常低，一般低于 5% 一定会影响填充率——展示率异常低，大概率是广告缓存逻辑相关问题（以前没有关注技术侧广告请求、展示、缓存等逻辑，有必要了解和review当前已实现的逻辑）（在FB创收管理工具，可直接查看 APP、各版位填充率低的原因，定位具体问题需要细化到国家、版位、广告位）

        Admob：

            a.Google Play 商店或 App Store 被下架，Admob 则停止填充（Admob 支持线下 APP 变现，但上架 APP 被下架则停止填充）——合理调整+实验即可

            b.展示率异常低，一般低于 1% 一定会影响填充率——展示率异常低，大概率是广告缓存逻辑相关问题，定位具体问题需要细化到国家、版位、广告位对应的填充率

            c.不合理的底价设置（当前我们未设置）——合理调整+实验即可。

            d.新 Admob 账户或新创建 APP，系统学习期填充率低且不稳定（理论）——新Admob账户或新创建 APP，一般要经过 7 天左右的机器学习时间，期间保证数据稳定，如果请求量波动大，可能需要更长时间。

            e.还存部分国家在部分渠道的填充存在较大差异化的特殊市场情况，例如俄罗斯的VK变现效率一定高于FB。

    B.展示率

        广告缓存逻辑：

        由于不同国家网络环境存在差异，某些页面用户停留较短等原因，无法即请求即返回即展示，提前请求广告并缓存下来，在广告位页面展现时使用，最直接提高广告展示机会及提升用户体验。

        有效展示规则

        FB、Admob 广告的有效展示有各自的规则，据了解，要可以做到 100% 展示的，但需要 APP 内合理的广告场景、展示时机，都实现有效展示。并不是越多的广告位越好，一定要避免停留时间较短页面广告场景（某种程度上解释了WP feed流中原生广告的价值极低的情况。这个场景一定存在更好的展示设计）。

        学到一个公式可以参考展示量是否达标，广告展示率=广告展示量/广告位页面展示量。这个“广告位页面展示量”就是功能页面有广告位的页面浏览量，这个指标能做到 90% 就非常好，如果在 50% 以下就比较低，需要关注填充率及展示率的问题。

        简短总结：提升广告收入，核心在优化提升广告展示量及 eCPM，广告展示量提升核心在填充率及展示率、广告逻辑，针对 FB、Admob 广告填充及展示的影响因素进行了拆解，及提供了相应解决方法，根据市场指标值，衡量广告展示量是否达标。

    C.eCPM

        eCPM=1000*Revenue/Impression，eCPM是估算值，并非是交易的固定值，代表了广告展示的价值

            客户端

                a.产品品类：例如游戏品类 eCPM 高于工具品类。原因是同样的广告版位广告样式，用户行为及CTR也存在差异，本质上影响了广告主的转化效率。

                b.用户属性：例如T1国家用户eCPM高于T2国家用户eCPM，本质依然在于不同属性用户对广告主产生不同的转化价值。

        广告平台

                a.时间因素：例如Q4各大节日产生的电商活动需求，推动推广需求增长竞争加剧，预算增多，eCPM提升。本质上是供需关系的对应，和不同行业价值差异的双重作用。

                b.算法调整：广告平台内部算法属于黑盒，但能通过长期合作数据变化经验及广告平台自身迭代，捕捉部分有效点，例如对某些国家的权重调整，所以需要加强市场信息获取（外界交流），以及与平台交流（代理、客户经理）。

                c.广告平台故障：例如之前遇到过的长达2周Admob接口数据延迟。

                d.需求因素：个别品类或广告主的需求产生的临时波动。例如游戏广告主，在一款游戏成长期阶段，会加大推广预算，游戏广告在游戏品类的转化率比其他品类要高，某些游戏的广告位因此会转化率更高，eCPM 会出现上涨波动。

        推广：

         获客对应用户属性。

        商业

                a.底价：广告展示逻辑设置+竞价测试。例如当前阶段已接入待实验的多广告ID设置、竞价设置。

                b.渠道：例如Admob、FB、Unity、穿山甲等平台eCPM差异。

                c.广告类型：广告样式的选择，原则就是选择变现效率更高的广告样式，例如激励视频>插屏广告>原生广告>横幅广告

                d.广告场景：例如任务中广告位eCPM<任务前后广告位eCPM（个人认为是当前重点优化的方向）

                e.广告样式：理论上广告内容越完整，广告越吸引用户，eCPM相对越高。广告被用户吸引，愿意点击广告，进而有更多的转化，eCPM 就越好，CTR 直接影响 eCPM。但CTR过高可能被判定违规，例如FB 渠道 CTR 超过 5% 就比较危险（理论值）。