Update:2020-03-15
ADX的竞价策略不仅仅是广义第二价格了,还有广义第一价格、Open Bidding、Bid Shading和Bid Cashing等,而且广义第二价格里面也有很多不同的细分类型。
广义第二价格(GSP)
广义第二价格英文全称是Generalized Second Price 简称为 GSP。
大部分的ADX的竞价是采用广义第二价格,即多个DSP参与出价,出价最高的胜出,但花费是第二高价格加1分。
常规竞价
假设有三个DSP,出价分别为:
DSP | 出价(单位:分/CPM) |
A | 1500 |
B | 1400 |
C | 1300 |
那么胜出的是A,实际花费是B+1=1401分。
广告位低价
通常ADX会有一个最低价,高于和低于这个价格会采用不同的策略,策略的形成了不同的低价方式,如固定低价、多重低价、静态多重低价和动态多重低价等。
固定低价
固定为广告位设置一个低价,只有高于这个低价才有机会竞的广告位。
情形一:如果只有一个DSP出价的时候,那么就采用低价作为第二高的参考。
DSP | 出价(单位:分/CPM) |
A | 1500 |
低价 | 1000 |
假设DSP-A出价是1500,而广告位低价是1000,那么这时候A胜出,实际花费为1001分。
情形二:如果有多个出价都高于低价,那么就多个出价之间用第二价格:
DSP | 出价(单位:分/CPM) |
A | 1500 |
B | 1400 |
低价 | 1000 |
DSP-A出价是最高的,A胜出,实际花费为1401分。
多重低价
分段采用两种竞价方式,如价格低于低价,采用GFP(广义第一价格),如果价格高于低价,采用GSP(广义第二价格),假设低价是1000。
情形一:出价都低于低价
DSP | 出价(单位:分/CPM) |
A | 900 |
B | 800 |
低价 | 1000 |
那么DSP-A获得广告展示机会,花费为900。
情形二:出价有高于低价,也有低于低价,
DSP | 出价(单位:分/CPM) |
A | 1500 |
B | 800 |
低价 | 1000 |
那么DSP-A获得广告展示机会,花费为801(也可能是1001,这个根据ADX规则而定)
情形三:出价都高于低价
DSP | 出价(单位:分/CPM) |
A | 1500 |
B | 1400 |
低价 | 1000 |
那么DSP-A获得广告展示机会,花费为1401。
静态多重低价
根据不同的行业属性,城市划分,节假日、时段等划分不同的低价,通过细分实现比平时更高的价格,将一些价格高峰提升去,确保更多的收益。
动态多重低价
根据点击量和广告质量设置不同的低价,把波动的价格拟合更加精准,对低价做动态调整。
N个轮播竞价
轮播通常有两种情况,一种是视频贴片,一种轮播图,这种一次广告请求但包含有多个广告位的,这种竞价按从高到底,然后次高计算,但是会有3中不同的情况
假设现在有三个轮播图,三个DSP分别出价是
DSP | 出价(单位:分/CPM) |
A | 1500 |
B | 1400 |
C | 1300 |
低价 | 1000 |
低价位1000,那么这时候三个成交价分别为:
DSP | 出价(单位:分/CPM) | 实际花费 |
A | 1500 | B+1=1401 |
B | 1400 | C+1=1201 |
C | 1300 | 低价+1=1001 |
低价 | 1000 | — |
这个是非常常规的结果,但是有几种特殊的情况:
情形一:如果同一个DSP对这一次请求的不同展示机会有不同的出价,这个应该是常见的,这时候就不采用第二竞价,而是采用下一个DSP作为次高价格,这是为了避免DSP这件的内部竞争消耗为采取的竞价策略。
假如是4贴片广告:
DSP | 出价(单位:分/CPM) | 实际花费 |
A1 | 1500 | B1+1=1201 |
A2 | 1400 | B1+1=1201 |
A3 | 1300 | B1+1=1201 |
B1 | 1200 | 低价+1=1001 |
B2 | 1100 | — |
低价 | 1000 | — |
这里A1,A2, A3连续排列,所以参考价使用不属于A的次高的B1;对B1来说,参考价也是使用不属于他自己的底价(跳过同属一个DSP的B2)。
情形二:如果两个价格出价相同,那么参考价也选择低于该价格的下一个出价。
DSP | 出价(单位:分/CPM) | 实际花费 |
A1 | 1500 | C1+1=1101 |
B1 | 1500 | C1+1=1101 |
C1 | 1100 | — |
低价 | 1000 | — |
情形三:如果两个价格相同的素材
因为帖位有限只能选择一个,为公平起见,ADX这里是随机选择的,A1和B1都可能获取这次展示机会,随意选一个。
分层多轮竞拍
前面看到的竞价都是一轮竞拍的,但是随着程序化广告变得越来越越复杂,在二价竞价模式下,广告位竞价需要经过多轮竞拍,还需要适应不同的竞拍规则,二价竞价模式下,出价更高的买方可能会因为没能参与到最后一轮竞拍而无法胜出。
DSP | 出价(单位:分/CPM) | 第一轮竞价 | 第二轮竞价 | 实际花费 |
A1 | 1500 | 1101 | ||
A2 | 900 | |||
A3 | 1100 | |||
A4 | 1000 | |||
B1 | 1300 | 1201 | 1201 | 1201 |
B2 | 1200 | |||
B3 | 1100 | |||
B4 | 1000 |
例如,A表示第一轮竞价,B标识第二轮竞价,在第一轮竞价中A1出价1500高于A3的1100,所以以1101参与下一轮竞价,第二轮出价中B1以1300的出价竞的广告展示机会,但实际上A1是出到1500却没有竞得广告位。
广义第二价格是目前交易市场的主流模式,但实际情况所有的交易市场都不会采用简单的而第二价格,程序化广告市场交易日益复杂,有着有复杂的竞拍规则,很多供应方平台会利用第二价格拍卖缺乏透明度的特点,在买方不知情的情况下提升低价。由于缺乏透明度,该交易模式被第一价格拍卖取代,调整后的一价竞价模式(first-price auctions)可以提升透明度,为卖方减少运营难度,帮助买方和代理机构合理评估广告位的价值。
Header Bidding
在过去,网站往往只能接入一个ADX/SSP进行变现,而在海外Google DoubleClick For Publisher(DFP)是PC网站集成最多的广告平台,所以大部分的流量都接入到Google程序化交易平台去,交易模式模式是这样:
在这种看似透明的程序化交易过程,其实是有很多阴暗面的,媒体主并没太多的选择,在交易的过程中有些矛盾变得越来越尖锐:
一个是是程序化广告日益复杂,如分层多轮竞价,会出现出价更高的买方可能会因为没能参与到最后一轮竞拍而无法胜出。例如,第一轮竞拍中,出价7美元的买方甲同出价3美元的买方乙竞争,最终买方甲赢得竞拍,并以3.01美元交易;但在下一轮次的Google交易所竞价中,买方丙出价4美元并最终赢得竞拍,而最初出价7美元的买方甲却无法竞得广告位。
另一个是Google的Last Look特权,Last look是Google给自己保留的一个特权。一次竞拍结束后,Google保留“多支付1美分以赢得竞拍”的特权,这有利于Google的AdWords和DSP买家提升胜出的概率,并以相对合理的价格获得有价值的广告位。不过这种方式引起媒体主的不满,他们想在自己的广告栈中拥有广告主排序的决策权。
以上就是Header Bidding出现的原因,Hearder Bidding是在调用广告服务器获取广告之前,通过js向多个平台发出询价,允许多个平台同时竞价同一个广告位,导致交易价格模式改变,Header Bidding的交易模式是:
在前面截胡了,媒体主拥有更大的话语权,媒体服务器将Header Bidding出价结果和RTB出价结果放在一起进行排序,出价最高者赢得本次广告展示机会。
这种方式的优势在于增加了竞价密度,增加收入的机会,可以获得收益最大化;缺点在于,增加了媒体主基础设施的压力。
广义第一价格(GFP)
Generalized First Price就是广义第一价格,简称为GFP,是价高者得,以最高出价结算。
随着第二价格拍卖越发展越复杂,如ADX并不是向所有的需求方DSP都发送竞价邀请的,它会根据DSP的历史出价数据和成交情况去筛选部分的DSP,然后发送邀请,获得竞价响应后,并不是以广义第二价格去成交,为了便于广告主理解,一般对外直接宣传是广义第二价格,但由于交易规则的复杂性可以参考前面的第二价格的规则,如一些广告主优先级因素,分层竞价因素,可能会出现出价最高的并没有竞得广告展示机会,这是广告主难以理解。
在2017年便有交易平台转而采用一价竞价模型,2018下半年,越来越多的广告平台默契的转向选择一价竞拍模型,这种竞价方式不会有复杂的竞价规则,简单粗暴,如下图,广告主出价多少,如果竞得广告位就直接付出的出价的价格:
DSP | 出价(单位:分/CPM) | 实际花费 |
A | 1500 | 1500 |
B | 1400 | |
C | 1300 | |
低价 | 1000 |
之所有这么多的交易平台选择第一竞价拍卖,表面理由是:程序化广告交易过于复杂,不透明,广告主和媒体主不理解;实际原因是:在过去的两年内首次竞价在美国的市场份增加了几倍,广告的价格有百分之几十的提高,简单的就是改为首次竞价,广告收入能大幅提高,赢回市场份额。
调整后,对整个产业链的参与者都会有深远的影响:由于将所有广告主和程序化广告资源都到一个统一首次竞价市场竞拍,在一个统一的市场里,竞价将会更激烈,广告价格会上涨;对小广告主而言,可竞拍和可获得优质广告位的资源更加多的;对于中大型的广告主而言,在广告交易市场失去优质媒体的优先权,可能会转移从媒体主直接获取流量;对大型媒体主而言,由于中大型对优质流量的直接需求,会推高营收。
Open Bidding
Open Bidding会向所有的参与者发送竞价邀请,使其能够在单一的统一的竞价市场产于竞争,所有的参与者都具有相同的优先级,谁的出价高,谁得到展示机会,结算价格就是出价。
其实Open Bidding也就是第一价格拍卖,可以理解为第一价格拍卖在移动端叫Open Bidding,数字营销领域就是这样,总要搞个新名字出来,才显得技术高大上。
Open Bidding是谷歌AdMob在2018年初进行公测,并于2019年推出的新功能,越来越多的移动交易市场加入了这个项目,如AdMob、Smato、Index Exchange、Openx、Facebook、Tapjoy 、 AdColony、 AppLovin, Rubicon Project 等,目前Open Bidding只是在移动应用市场上,为了帮助开发者后的更多的广告收入和更少的用户延迟。
在单一的统一的竞价市场产于竞争,这样看上去Open Bidding还不错的样子,但又有人觉得让广告主支付全额支付竞价金额太高了,影响广告主的竞价积极性,广告主很不爽,所以就提出了Bid Shading,竞价隐藏。
Bid Shading
在程序化广告中有两种主要的竞价模式,一种是首次竞价(Open Bidding),一种是第二价格,在首次竞价中,价格最高的将获得广告位的展示机会,且付出最高的价格;在第二价格中,出价最高的将获得广告展示机会,但支付的价格仅为第二价格多0.01,首次竞价效率高,但支付的金额太高,第二价格支付的金额低,但效率低和规则复杂,Bid Shading就是为了缓解这两种竞价的不足,最终成交的购买者只需要支付金额在首次竞价和第二价格之间,具体的取决于广告平台的算法。
Bid Shading出现的原因是首次竞价效率高,但DSP支付的金额太高,第二价格支付的金额低,但效率低和规则复杂,Bid Shading最开始是在SSP里面引用,后面逐渐也在DSP里面应用,由第二价格转为第一价格的时候会考虑引入Bid Shading。
我们来看一下Bid Shading是如何工作的,假设几个DSP的出价如下所示:
在首次竞价里面,竞的的价格是10,对于DSP1这个出价相对第二个是8高了2,会觉得这个出现太高的了。
在第二价格里面,不考虑多阶段竞价等复杂情况,竞得的价格是8.01,如果考虑多阶段竞价,价格可能是5.01,这个规则对很多的媒体主和广告主来说是黑匣子,不透明,
Bid Shading的出价是在第一和第二价格之间有个折扣,以这个价格作为实际支付的金额,通常是线性,比如第一价格10元和第二价格的8元的平均值,就是9元的了,另一种方式就是个人这个广告位的历史价格结算,比如9.2。这样对各方都相对有益的价格。
这样的出价相比第一价格是更低,毕竟这个是为了优化首次竞价的竞拍决策过程,会更多的DSP会参与到竞拍。但缺点也是很明显,不透明,因为具体价格所使用算法不同导致。又出现的多一个黑匣子了。
Bid Cashing
Bid Cashing中文名是竞价缓存技术。
BidCashing指的是在程序化交易过程中,DSP如果在一次竞价中失败,ADX会将买方这次的出价信息缓存一段时间,看看是否有机会在该消费者下次浏览的内容中投放这条广告。也就是说,用DSP这次失败的竞价信息去竞买下一次广告曝光的资源。
竞价缓存技术可以帮助拍卖中没有胜出DSP自动参与到下一场拍卖中。
这种技术是一种很大的创新,如果直接沿用上次失败的竞价信息去竞买下一次的广告曝光机会,会变成固定价格模式,广告主所投放的广告很可能出现在相对较差的网站和页面,并非自己想要购买的位置,而并不是RTB的每次都出价,但可以对下次参参与的竞买机会做严格的限制,如果是同一个用户的请求呢?用户访问一个站点第一页,第二页,大部分的站点都架构都是一样的,也就是第二次竞价很大可能有跟第一次相同的广告位,如果第一页竞价失败,那可以继续用这些竞价信息去竞买第二页的广告位。
2018年,Index Exchange(一家ADX平台)使用竞价缓存技术被曝光后,这种技术只有Index Exchange使用,而且使用长达一年之久,竞价缓存成为告行业最为瞩目的技术, 所有这些操作,都是在广告主、代理商、DSP或者媒体不知情的情况下,由Index Exchange自主完成的。根据Index Exchange的的说法是:效果很好,不仅提升了用户体验,增加了买方竞价的成功率,还大大提高了媒体的CPM。但受到很大的质疑和争议,几天之后,Index Exchange宣布暂停Bid Caching。