在互联网发展早期，门户网站手中有许多用户，借鉴传统媒体的广告牌售卖方式，广告主与流量主以合约的方式进行交易，即在某一个网站上某一位置在一段时间内只展示该广告主的广告。但是很快，流量方发现这种售卖方式自己的收益并不能最优化，比如某一个广告主与自己签订了协议，购买一周甚至更久，但是在这期间如果流量暴涨，那就意味着虽然有了更多的流量，但是变现收益并没有增加。这个时候就产生了展示合约广告，流量主按照每一千次曝光向广告主收费。在广告机制还并不完善的时候，流量主为了获取更高的收益，完全可以通过造假来获取更高的收益，比如很多的强制弹窗，虚假ip，这一点从cpm时代一直到ocpx都存在。流量主的收益增加了，但是广告主的效益却没有得到更好的改善，这时候广告主对流量效果和筛选上就有了更高的要求。

线上广告在数据方面相比线下有更多的优势，这就为广告技术的发展提供了基础，从反作弊到用户受众的定向，慢慢就有了我们现在广告竞价的雏形。广告主的要求从最初到曝光，到点击转化，再到后来的各种cpx，以及现在的后端数据roi的优化。而作为广告平台为了获得更高的变现收益，一方面要满足广告主的需求才能获得更多的订单，另一方面还要想办法提升自身的流量变现效率。

 这个时候我们来看ecpm，它的本意是指每一千次展示可以获得的期望广告收入，这是一个预期值，在竞价中机器算法要最大化媒体收益就需要对广告的ecpm进行排名，ecpm越高获得展示的机会就越大，从公式上来看可以这样计算：

 ECPM = 收入/展示次数×1000

 收入 = 广告单价×点击次数=广告单价×点击率×展示次数

 ECPM = 广告单价×点击率×1000

 但是随着出价方式的变化，到了ocpx时代，计算方式稍有变化：

 收入 = 转化单价×转化数=转化单价×转化率×点击量

 ECPM=转化率×转化单价×点击率×1000

 作为一个预期值，广告平台通过算法优化转化率以及点击率来提升ecpm确保自己的预期收益最大，唯一可能失控的就在于出价环节，这个是广告主的一个主观行为。

 那对于广告主而言，想要获得收益最首先的就是要让自己的广告曝光出去，也就是想办法提升广告的ecpm表现。想要用更低的价格获取更多的曝光的时候，对于广告转化率以及点击率的优化就尤为重要。但是素材定向这部分内容对于转化率以及点击率的影响和分析都属于后置的行为，在没有数据表现之前，广告主很难通过这些内容去做事前的判断，这时候优先测试的内容就是出价。

 我们知道，在广告平台中参与广告活动的广告主数量往往很多，每个广告主的广告目的和策略都有所区别。平台为了宏观调控配置广告资源，采用了竞价拍卖的方式对广告位进行售卖。谈到拍卖，大部分人可能都在电视里见过，拍卖师宣布起拍价和最小加价幅度后，竞拍者在场下喊价，最后价高者得，这种叫英式拍卖。但是对于互联网广告来说，这种拍卖方式就不适合了，广告主们并不希望自己的竞争策略被对手知道。在这种情况下，互联网广告通常是采用暗拍的方式进行。暗拍方式中大家比较容易想到的可能就是投标，即每个人将自己的报价密封上交，最后一起公开结果。如果是最高出价者支付最高价，则是第一价格密封拍卖（GFP）；如果是最高出价者支付第二高价，则是第二价格密封拍卖（GSP）。

 第一价格密封拍卖它的优势就是简单，但是稳定性较差，广告主可以通过频繁修改出价而竞得广告位。通过不断的提高出价获得展现后，它又会开始不断的降低出价来降低成本，这样也很容易知晓竞争对手的出价。并且当出价最高广告主停止投放后，容易对广告平台收入产生较大的波动，这是广告平台所不期望看到的。

 第二价格密封拍卖中诚实就是最好的竞拍策略，因为在第二价格密封拍卖中，当一个广告主获胜时，他最后支付的广告费独立于其出价。在没有串通的情况下，每个广告主的最优战略就是依照自己的估价据实竞标，当低于这个价格时，将减少广告主竞得广告位的机率。而高于此价格，虽然可以提高广告主赢的概率，但他获得了一场无利润的交易，因为他必须支付的价格可能高于其对商品的估价。在这种机制下，永远是对广告位评价最高的广告主胜出，在保证了平台的收入的同时，由于广告主缺少频繁调整自己出价的动力就确保了稳定性。这种方式也并不是万无一失，当广告主之间相互串通的时候这种稳定就失效了，尤其是在只有少部分广告主竞争的时候，头部大广告主的串通带来的影响就会很明显。但是由于互联网广告的复杂性，这种作弊方式实际上很难实现。这也是现在大多数广告平台依然采用这种竞价模式的原因。

 还有一种计费方法叫做VCG，它的基本原理是计算竞价者赢得广告位后，给整个竞价收入带来的收益损失，理论上这种损失就是竞价获胜者应该支付的费用。VCG是理论上较为公平的收费方式，但是由于概念比较晦涩，计算也相对复杂，而且经济学家们已经证明VCG的收入不会比GSP高，所以目前实用性较少。Facebook广告系统实行的就是一种改良的VCG方式。

 了解了竞价广告的背景和机制后，我们再来看如何出价。通过广告扣费的原理我们知道，在GSP的机制下广告主的出价并不是实际最终的扣费，随着算法优化的提升，广告主们越来越多的针对后端数据进行优化。而从曝光到后端的数据优化过程中的转化链很长，优化师在优化广告的时候往往是针对ROI整体去进行调优，这就导致出价本身跟最终结果的不确定性。就比如游戏行业，对于内购产品来说，不论是传统的cpc模式还是到现在ocpx模式，最终的目标都是提高广告roi。但是roi本身是个比值，无论是外部的流量波动造成价格变化，还是内部运营活动和生态变化造成付费波动都会对这个值产生影响。这时候单从判断竞争得到的广告位的价值去调整出价就会变得非常困难。

 这里我们先看最简单的一种情况，即在难以获得曝光的情况下，如何用最少的预算测得初步的广告出价。

 充足预算阶梯出价。顾名思义，通过阶梯出价的方式逐步提升系统给你曝光的可能性，这种测试方法比较谨慎，花费的时间也比较久。而且受素材定向时段的影响，比较难短时间测试出一个合适的出价区间。但是在一些流量紧张的节点，在已有过往测试数据的时候比较适用。通过筛选优秀素材来做出价变量测试，能稳健的测试出一个相对理想的出价范围。

 低预算高出价。通过设置一个较低的预算和高出价来测试系统给你的实际价格。因为GSP扣费实际是跟第二名挂钩，通过一个较高的出价，我们在快速获得曝光的同时也能够了解到在这个环境下其他广告主的一个出价策略，进而调整自己的出价。

 不过对于优化师而言，曝光不是目的，仅仅是作为优化基础的第一步。在对产品目标的基础出价范围有一定了解后，我们接下来要考虑的更多的是如何去获取更多的流量以及提升广告效果，那么在日常操作中又如何去设置和调整出价呢。

 对于新的广告计划，在市场竞争激烈的情况下，通常是在目标出价的基础上提高10%-20%。这样一方面能提升广告的竞得率更快起量，另一方面又不至于出价太高而导致成本失控后期难以调整。在广告计划跑出数据后，我们就可以通过数据表现去进一步优化出价控制成本。一般广告计划跑出来的数据我们可以通过四象限法来分析，并进行针对性的调整。这里的四象限法指标并不固定，主要取决于投放产品的关键目标，以及你想要优化的对象。以游戏行业的消耗和roi举例，有下面四种情况：

 高消耗高roi：这种基本属于理想情况，计划本身有量效果还好，但是并不是说就没有优化的空间和必要了。比如说当前的实际转化成本比出价要低，那对广告平台而言为了获取更高的收益，也就是提升ecpm值，实际转化价格就可能会被抬升，roi也会相应变化。同样的，如果发现转化目标成本高于出价，但是在roi能够接受的范围内，就不要急着给广告进行降价操作，可以更长线观察数据变化。

 高消耗低roi：这种情况一般比较少见，大多是失误操作，这类计划可以直接放弃。

 低消耗高roi：遇到这种情况是大多优化师都比较头疼的，有种食之无味弃之可惜的感觉。因为消耗低，计划不稳定，无法明确判断是单个用户支撑起整体数据还是计划本身模型跑的较好。常见的操作是调整预算，适当抬高计划出价，看计划后续的数据表现情况。还有就是新建计划，提高初始出价。

 低消耗低roi：低roi的计划大部分都会被直接放弃，但是这里由于消耗较低，同样无法判断这条广告本身是否质量不行。因为在消耗较低的情况下，系统建模数据量不够，对于ctr和cvr没有一个较为真实的判断，导致当前拿不到量。这时候同样可以通过调整出价的方式获得更多曝光，但是风险会较大。更多的是建议新建计划，提高初始出价获得更多的曝光机会。

点个“在看”，祝你起量