流量售卖逻辑：CPM最高者得

广告平台收入=广告曝光总量*每次曝光收益= 广告曝光总量*千次曝光收益/1000=曝光量*CPM/1000。

（CPM，cost per mille，千次曝光收益）

我们知道，广告曝光量取决于广告平台可以且愿意商业化的流量，对于朋友圈这种用户基数都比较稳定的平台，除了逢年过节，一般情况下流量都不会有大的变化。优量汇虽说接的是第三方APP流量，会随着用户波动，但一般也不会变化很大。

所以，那个经典问题，“我今天消耗跌了，大盘流量是不是有变化？”。消耗下跌的锅，流量不背。自己账户消耗如果有大的下跌，那完全还没到考虑流量波动的地步。

那么，在流量不会有大的波动前提下，那么我们知道平台想要收益最大，流量的售卖逻辑肯定是CPM最高者胜出，所谓的竞争力指的就是CPM值。

广告主提升CPM；广告平台准确选出CPM最高值

那么，基于这个逻辑。

广告主的任务，就是提升CPM拿到流量，有义务和动力寻找合适的创意、优化落地页（微信是否用小程序）、甚至更改sku。

广告平台的任务，就是准确选出CPM最高值。

需要广告平台做两件事。第一，需要有一套统一的排序标准，表单、加粉、APP等是不同的标的，怎么放在一起比较；第二，尽可能准确地预估，数十万上百万广告在某个人身上的eCPM值（e就是estimated单词首字母，意思是预估），经过激烈角逐选取最高者胜出，然后展示广告。

提升CTR、CVR、CPA

对于广告主的任务，提升CPM的路径是什么呢？

我们需要拆解CPM。

CPM=1000*CTR*CPC            ---CPM与点击率、点击均价的关系

CPC=CVR*CPA                       ---点击均价与转化率、转化成本的关系

CPM=1000*CTR*CVR*CPA   ---CPM与点击率、转化率、转化成本的关系

那对广告主来说，提升CPM，无非就是努力提升ctr、cvr、cpa出价了，很朴素了；

信息流广告重要的公式只有这三个，就算忘了吃饭睡觉，也别忘了它！

附：具体的推导公式如下

eCPM一统标的

对于广告平台的任务，第一件事，如何实现统一竞争排序标准呢？

“不同的投放标的，表单、加粉、APP，是在一个人群池子里竞争吗？出价和转化率都不一样，怎么比呢？”

根据CPM=1000*CTR*CVR*CPA ，相应的eCPM=CPA*eCVR*eCTR*1000，只要知道了eCVR、eCTR和CPA出价，就都可以统一在eCPM维度比较了。

从这张图可以看到，面对同一拨A人群，对不同标的都有相应的eCPM值，容易知道投广告2表单标的广告eCPM最高，胜出。

*当然，真实的广告系统中，eCPM最高者胜出后，系统并不是直接以第一名eCPM收钱（一价收费），而是以第二名eCPM收钱（二价收费）。为什么呢？视频号搜索“信息流运营王学长”了解。下文便于讨论，都以第一名eCPM收钱（一价收费）举例。

那么，eCPM和CPM的关系是什么呢？eCPM是广告未曝光前的预估CPM值，实际曝光后就可以知道真实的CPM值。所以，广告平台的使命就是让eCPM逼近广告主的真实CPM值.

这里需强调，平台是不能改变广告主的真实CPM值的，除了广告主自己！那种“只要成本达成，预算不限，你帮我花完”的话，怎么说呢...以后藏在心里哈。

表单、加粉、APP等都在一个流量池子竞争

对于广告平台的任务，第二件事，怎么准确预估eCTR、eCVR？

预估是通过机器学习建模来完成的。

一直在说模型学习，看不见也摸不着，它到底长啥样呀。

模型可以抽象成一个函数  f（用户特征，广告特征，上下文特征），输入了用户信息、广告信息、上下文信息，就能输出用户的预估转化率。

详细用户特征：

• 人口学属性:自然属性、教育状态、工作状态、婚恋状态、消费状态等

• 地理属性:地点、工作地、居住地、家乡、到访地点等

• 行为&兴趣爱好&意向

• 再营销属性:公众号关注、App安装、广告是否感兴趣等

详细广告特征:

• 广告基本属性:行业、广告主、商品类型、优化目标、出价、计费类型等

• 广告数据:广告历史曝光点击转化数据等

• 素材相关:文案、创意类型、素材指纹等

• 商品相关: 商品维度的曝光点击转化数据等

详细上下文特征

• 流量和广告位相关:广告位属性

• 环境相关:设备特征、联网方式、浏览内容特征等

注意模型是动态更新的，这是因为不断有新的“输入-预估-真实比较”，广告模型函数每几小时会更新一次。

比如，第一条样本，用户A在朋友圈点了一条男装广告，模型预估eCVR是3%。实际已转化，所以模型会收到正反馈结果;学习迭代之后，模型下一次更新后对于相似的用户在朋友圈点这条男装广告，预估的eCVR就可能高于3%;

第二条样本，用户B在XQ点了一条手机广告，模型预估eCVR是4%。实际未转化，所以模型会收到负反馈结果;学习迭代之后，模型下一次对于相似的用户在信息流点这条手机广告，预估的eCVR就可能低于4% ;

大家都知道，数据样本积累越多，预估就越准。所以，点击预估eCTR就相对容易，和真实CTR偏差就比较小；但转化预估eCVR因为只有点击数的百分之几，和真实CVR的偏差就比较大，对广告平台来说就是最大的挑战。

成本过高时调低，成本过低时调高

只要是预估，就会有偏差，然后成本就会有波动。

高估（预估会转化，实际没转化），成本变高；

低估（预估可能不转化，实际有转化），成本变低。

成本不符合目标预期，系统怎么调整呢？

这就是广告平台要做的第三件事：通过调价因子调价。

根据公式，eCPM=CPA*eCVR*eCTR*1000，所谓调价就是根据实时的成本来动态调节eCPM，主要通过在CPA这个点上设置调价因子，成本过高时调低，成本过低时调高，让广告的实际成本更接近目标转化成本。广告主实时调价需求，也都通过调价因子变化来实现。

但如果两个小时过去了，成本依然高，这条广告量级还挺大，那就找媒体运营看看，调价因子是不是正常工作，然后给予你下一步建议。

在博弈中，历史选择了oCPX

相对准确地预估和实时调价能力，使得oCPX出价方式在计算广告界成为出价的主流。

细数现在历史常见的出价方式，CPM、CPC出价解决不了广告主成本的问题；

CPA 出价也解决不了媒体平台受损失的问题。因为只有收到广告主转化数据，媒体才能扣费，要是占媒体便宜，故意少传转化数据怎么办？就算把数据一个不少地传给媒体了，媒体要预估转化率，只要有预估，那肯定有偏差，超出的成本媒体全责，对媒体来说是不平等的买卖。

这也不行，那也不行。怎么办？

这个时候，oCPX站出来对广告主和媒体平台说。

这么的，广告主还是按照CPA出价，媒体平台还全力去帮达成目标。但是避免媒体吃亏，咱可提前说好，虽然按照CPA出价，但是计费按照点击或曝光来收。什么意思，就是不管广告主传不传数据，一旦有点击就收费。对于广告主来说，反正媒体先收费了，少传数据还影响竞争力，那当然如实上报了，这个机制就规避了广告主作弊的问题。

那广告主会担心，钱收了，效果能保证吗？坦白讲，不能像CPA那样完全满足成本，但因为可以实现相对准确预估和动态调价，不会像CPC或者CPM出价，成本完全不可控，广告平台尽可能把成本偏差，稳定在一个合理波动范围，比如优先拿量不超过30%，稳定拿量不超过20%。

这里需要补充下，关于oCPX，百度、字节、腾讯各公司一度都有自己的叫法，oCPA、oCPC 、oCPM等，本质都是一样的，叫什么不重要。现在业界基本会统一成oCPC 、oCPM两种叫法，按照CPA出价，计费按照【点击收费】就叫oCPC，计费按照【曝光收费】就叫oCPM。选那种计费方式是广告平台定的，主要是基于收益稳定性考虑，但大体上效果差异不会大，因为点击收费和曝光收费，是可以互相转化的。

举个例子，系统预估某广告在A人群上预估其中CPA出价=20，eCTR=2%，eCVR=5%。如果按照oCPM计费，那么CPM=eCPM=20元；如果按照oCPC计费，根据公式CPC=CVR*CPA，那么CPC=1元。

总结，信息流广告基础原理的7个基本知识如下：

1、从平台收益考虑，流量归属CPM最高者；

2、广告主的任务是提升CPM，广告平台的任务是准确选出CPM最高值；

3、公式CPM=1000*CTR*CVR*CPA ，为广告主提升CPM指明路径；

4、eCPM为广告平台找到统一所有标的竞争排序标准；

5、机器学习可以相对准确预估eCTR、eCVR；

6、成本的波动可以由实时调价来纠正；

7、准确预估和调价使得oCPX成为信息流广告的明珠。

以上内容基本就是信息流广告的所有知识了，甚至如果要保留一条的话，就是

（e）CPM=CPA*（e）CVR*（e）CTR*1000的公式了。

有这个公式，优化师核心的动作就清楚了：

1）提升CTR*CVR来提升竞争力；

2）通过合理的运营操作，帮助模型快速地积累必要的转化数据，让模型在大多数情况下准确预估广告的CTR、CVR，来达成成本。

毫无神秘可言，常识往往简单，却被容易忽略。

-END-