应用内广告竞价策略如何让APP广告变现收益最大化?

近年来实时竞价广告成为了许多中小流量主主要的变现方式,国内的广告联盟如穿山甲、优量汇等得到了快速的发展。对APP流量主而言,在实时竞价的环境中,合理利用和售卖流量是实现广告收益最大化关键。而要想最大化激发变现潜能,开发者必须要重视广告竞价策略。

01、什么是实时竞价(RTB)?

RTB是“Real Time Bidding”的缩写,意思就是“实时竞价”,是互联网在线广告的一种交易方式。能实现目标受众购买,可帮广告主大大提高广告投放的精准度,降低网络广告的无效预算,从而减少浪费降低成本。

程序化购买链条主要有三个主要参与者:需求方平台(DSP), 供应方平台(SSP),还有广告交易平台(AdX)。RTB是如何运作的?

步骤1:当用户访问应用时,相应的竞价请求将被发送给 SSP,通知其可购买的广告展示。该投标请求可能包含用户数据,如人口统计数据、位置信息等。

步骤2:随后 SSP 向交易所发出投标请求。

步骤3:然后广告交易所将投标请求传递给集成的 DSP。

步骤4:DSP 评估竞价请求,并将其与关联广告主的广告目标参数进行比较。算法为每一个有匹配广告的广告主确定广告展示的出价。

步骤5:DSP 将所谓的竞价响应发回给广告交易所。竞价响应包含关于每个匹配活动的所有信息:广告商、广告单位和他们对该广告单位的首选价格。

步骤6:广告交易所通过比较 DSP 和其他买家发出的竞价来进行拍卖。赢得拍卖的广告主可以在下游媒体的应用程序中获得广告服务。

在程序化广告体系下,实时竞价缩短了广告投放优化周期,同时,竞价系统可实现精准人群定向,提高了媒体的长尾流量价值,实现广告主和媒体的双赢。

02、广告竞价策略

广告收益=广告请求*填充率*展示率*eCPM,广告请求和展示率很大程度与广告聚合SDK的请求及缓存机制有关。而竞价策略更多是为了其中填充率及eCPM两个指标服务。

目前市面上主要有三种竞价策略:

(1)传统瀑布流(Waterfall)

(2)应用内竞价(In-App Bidding)

(3)混合模式

Bidding+Waterfall技术如何最大化app广告变现收益?

目前的行业趋势走向是,游戏行业短期还是会以一种瀑布流加上应用内竞价共存竞争的形式存在,但长期则会逐渐转变为应用内竞价的这种变现模式。

03、竞价策略优化技巧

(1)传统瀑布流(Waterfall)

瀑布流模型(Waterfall)是传统用于应用广告的变现模型,一般情况下,开发者会使用多家广告平台,并根据平台的表现设置waterfall排序,例如有两家广告平台,A的ecpm为20,B的eCPM为15,waterfall顺序就是:A > B。

上述提供的简单广告分层方式能满足提高填充率的需求,但未必能达到最大化提升eCPM的效果。这主要由于每个广告平台都有高价和低价offer,尽可能展示高价offer才能更好地提高整体收益。

通过设置底价的方式精细化分层,分层不要太密也不要过多,要有一定落差,广告填充低于10%、广告展示量低于1000的层数可以选择合并,若只集成一家广告平台,往往无法达到100%的广告填充,而且eCPM也不太稳定。因此一般建议集成5-8家广告平台,使用常规底价层、结合Bidding的分层,通过广告分层的方式尽可能保证填充率和提升收益。

(2)应用内竞价(In-App Bidding)

In App Bidding(应用内竞价)是一种先进的程序化广告竞价技术,允许所有的广告平台(Ad Network)针对同一个广告展示机会发起竞价,在规定的请求时间内,最高出价者获得展示机会,以此确保APP的每次展示可以获得更高的收益。

国内市场虽然有使用,但由于还不是完全的Open Bidding市场环境。Bidding出价高低完全由平台进行价值判断,很多开发者不知道如何提升广告平台出价,因为广告平台的管控条件多,开放的条件非常少,开发者没有办法去通过后台数据与策略提升广告平台出价并且保证填充。所以,暂行的还是Bidding和Waterfall混合使用的情况,即Bidding+瀑布流方式。

(3)混合模式

Bidding和Waterfall混合模式是一种Bidding和Waterfall两种广告投放方式结合起来的模式。其运作模式是:流量先请求 Bidding 策略下的渠道,这些渠道同时出价,价高者胜出;胜出者会实时和瀑布流策略组中的其他广告渠道进行比价,并进行优先级排序;出价高的优先填充;如果不填,则继续向下请求,直到有广告被展示。

AdSet支持Header Bidding(实时竞价)、Waterfall及混合竞价,平台聚合众多广告联盟,在用户打开APP发出广告请求后,快速响应,移动应用开发者只需要对接AdSet SDK,即可根据APP的实际情况与商业目标来灵活应用多种流量请求机制和分发机制,实现应用广告收益的最大化。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,732评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,496评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,264评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,807评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,806评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,675评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,029评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,683评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,704评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,666评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,773评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,413评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,016评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,204评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,083评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,503评论 2 343

推荐阅读更多精彩内容