初见广告系统-常见概念及单次展示全流程

概念

pCTR :预估点击率
pCVR :预估转化率

1.ecpm : effective Cost Per Mille，有效的千次展示成本

预估点击率点击出价
pCTR (predicted Click-Through Rate)：模型预估的、这个用户看到这个广告后，点击它的概率。
这部分的技术和推荐系统的CTR预估模型几乎完全一样，都使用LR、GBDT、DeepFM、WDL等深度学习模型。
模型输入的特征就是用户、广告、上下文的所有信息。
Bid_cpc (Cost Per Click Bid)：广告主为每一次点击愿意支付的最高价格。这是由广告主设定的商业出价。
含义：它衡量的是，如果这个广告被展示1000次，平台预期能获得多少收入。广告系统会选择eCPM最高的广告进行展示，因为这同时兼顾了用户兴趣 (pCTR) 和 商业价值 (Bid)。一个用户再喜欢某个广告（pCTR高），如果广告主不出钱（Bid低），eCPM也会很低，广告也排不上去。

2.RTA

RTA (Real-time API) 是一种技术接口，它允许广告主在广告平台进行实时竞价的瞬间，利用其第一方私有数据参与投放决策。本质上，是广告平台在最终排序前，向广告主服务器发起的一次实时问询，赋予广告主对单次曝光的“一票否决权”和“动态调价权”。
作用：利用第一方数据
精细化用户生命周期管理
数据安全与隐私保护
实时预算与风控

3. RTB

4. 头部竞价

传统媒体变现采用“瀑布流”(Waterfall)模式，即按预设顺序依次请求广告网络，一旦某个网络返回广告就成交。这种模式的弊端是：排在后面的广告网络即使出价更高，也可能没有机会参与竞价，导致媒体收益损失。
而头部竞价则是：

1. 并行询价： 在向主广告交易平台(Ad Exchange)发送请求前，媒体网站/App的前端代码（Header部分）会同时向多个广告需求方（SSP/DSP）发起竞价请求。
2. 收集出价： 在一个极短的超时时间内（如200ms），收集所有参与方的出价。
3. 传递胜者： 将最高出价作为“底价”或一个特殊的竞价参数，传递给主广告交易平台，让这个“场外最高价”与场内广告进行最终PK。

5.DSP,DMP,CMP,SSP等核心组件

0. 头部竞价
1. 广告请求 (Ad Request)

• 触发： 用户设备（App/网页）即将展示广告位时。
• 任务： 向广告平台发送请求，携带关键上下文信息。
• 关键信息：- =用户 (User)： 用户画像标签（年龄、性别、兴趣）、设备ID。
  • 环境 (Context)： 时间、IP地址（地理位置）、网络类型、当前浏览内容。
  • 广告位 (Placement)： 广告位ID、尺寸、类型（如信息流、开屏）。

2. 检索与定向 (Retrieval & Targeting)

• 任务： 从海量广告库中，快速筛选出符合本次请求条件的候选广告集（百/千量级）。类似推荐系统的“召回”。
• 核心技术/策略 (定向方式)：- 基础定向： 人口属性、地理位置、设备等。
  • 兴趣/行为定向： 基于用户历史行为（点击、浏览、搜索）匹配广告。
  • 重定向 (Retargeting)： 针对访问过广告主网站或App的用户进行再次营销。
  • 人群扩展 (Lookalike)： 寻找与广告主已有高价值用户相似的人群。

3.RTA（可选）
4. 排序 (Ranking)

• 任务： 对候选广告集进行精准打分和排序，选出最优广告。这是广告系统的技术核心。
  核心公式：eCPM:
• 公式解析：** pCTR** (预估点击率)： 通过机器学习模型（如DeepFM）预测“该用户点击该广告”的概率。衡量用户兴趣。
  • Bid_cpc (点击出价)： 广告主为单次点击愿意支付的最高价格。衡量商业价值。
• 排序逻辑**：** 系统按 eCPM 从高到低排序，eCPM 最高的广告胜出。这确保了用户兴趣和商业价值的综合最优。
• 可选策略 1：智能出价 (oCPX / Smart Bidding)- 工作流： 广告主不再设定固定的Bid，而是设定一个转化目标成本（如CPA）。平台通过pCVR（预估转化率）模型自动反推出价。
  • 公式演变：****eCPM = pCTR × (pCVR × CPA_target) × 1000(以oCPC为例)
  • 作用： 投放目标从“买量”转向“买效果”，将优化目标与广告主业务目标对齐，是目前的主流投放方式。
• 可选策略 2：动态创意优化 (DCO) - Dynamic Creative Optimization - 工作流： 系统不再投放一个固定的“成品”广告，而是拥有一个“创意元素库”（如多张图片、多个标题、多个按钮文案）。在排序时，系统会实时组合这些元素，并预估哪个组合的pCTR最高，然后用该组合参与竞价。
  • 作用： 实现“千人千面”的广告创意，极大提升点击率和用户体验。

5. 竞价与计费 (Auction & Pricing)

• 任务： 确定最终胜出的广告及其需要支付的费用。
• 核心机制：GSP (广义第二价格拍卖)- 竞价胜者： eCPM 排名第一的广告获得展示机会。
  • 计费规则：胜者需要支付的实际点击价格(Actual CPC)，是刚好能以微弱优势战胜第二名eCPM所需要的价格。
    Actual_CPC_1 = (eCPM_2 / pCTR_1) + 0.01
  • 目的： 鼓励广告主写真实出价，维持系统稳定性。
• 可选其他策略：第一价格拍卖

6. 展示与反馈 (Display & Feedback Loop)

• 任务： 将胜出的广告返回给用户设备进行展示，并收集后续行为数据，形成闭环。
• 行为记录：- 展示 (Impression)： 广告被成功加载。
  • 点击 (Click)： 用户点击广告。
  • 转化 (Conversion)： 用户完成广告主期望的后续行为（如下载、注册、购买）。
• 闭环作用： 收集到的真实数据（展示、点击、转化）将作为训练样本，用于迭代和优化 pCTR/pCVR（预估转化率）等机器学习模型，使预估越来越准，从而提升整个系统的效率和收入。