计算广告是一个拆解度很高的业务，整体的业务模型已经发展的比较成熟。在腾讯广告时，业务完全是流量导向，广告的收入主要靠曝光、ctr和cpc。到了电商业务后，发现这里完全是一个新的世界，广告收入更多是广告主导向，大盘的GMV和抽水率的影响因素会更大。

回顾几年的从业经验，分别总结了一下从流量角度和广告主角度去拆分广告消耗的公式，给读者参考不同思路下，关键的影响因素都有哪些。同时，也可以拿着这些标尺扫描业务，看看自己家的广告业务可期的增长动力在哪里。

流量角度

cost = pv × cpm

流量，也就是用户侧，也是常说的supply端。最简单的理解，消耗是曝光数量与曝光质量的乘积。pv，曝光量；cpm，千次曝光的价值。

cost = 请求量 × 填充率 × 曝光率 × cpm

将曝光量进一步拆解，实际的工程实现上会有多个步骤的漏斗数据。请求量，表示当用户刷到这条信息流或者搜索这个关键词下，前端去请求广告引擎的次数。当广告引擎被请求，同时会获得这个请求下用户的画像信息，包括他是男是女、喜欢足球还是T恤，这些信息会经过一系列的召回排序逻辑，最终返回广告。

但并不是每次都能够返回成功，即因为用户画像的缺失（可能是个新用户）或搜索关键词的生僻（可能是个错别字）等原因，引擎无法选出符合条件的广告，那自然就会有一定的折损率。填充率，即广告返回量/广告请求量。

即使广告能够被正常的返回，并不代表这条广告能够曝光，很多情况下，前端会预先发起请求，把数条内容一次性的准备好，然后用户是否滑动浏览要看用户的实际行为。也就是说很多广告已经返回给了前端，但并没有滑动到手机的可视区域内，依然记录不到曝光。曝光率，即广告曝光量/广告返回量。

cost = pv × ctr × cpc

这是经典的点击计费的效果广告的拆解公式。将cpm进一步拆分会得到点击率（ctr）和点击单价（cpc）。一次曝光下，用户点击的概率决定了流量能够获得的可计费点击量。点击单价决定了每次点击可带来的实际收入，点击的数量与点击单价的乘积，即为整体收入。

cost = pv × ctr × bid × 扣费比

将cpc进一步拆解，我们可以得到广告主出价（bid）和扣费比（rate of gsp）。点击单价并非广告主的直接出价，在计算广告领域广泛应用着二阶拍卖理论（GSP），实际的扣费价格由广告主出价和竞争激烈的程度共同决定。扣费比一定程度上决定了流量的竞争强度，扣费比过低一般会有discount GSP等策略进行缓冲调整。

cost = pv × ctr × cvr × cpa

按照转化漏斗的角度去拆分点击单价（cpc），我们可以得到转化率（cvr）和转化成本（cpa）。在程序化广告领域中，虽然按照点击计费是最为主流的方式，但也有很多按照转化计费的场景，比如应用商店、淘宝客等。这里的“转化”会有非常多种的定义，或许是app下载、表单提交、购买、用户注册、游戏付费等等。

cost = pv × ctr × cvr × price  × 1/roi

在电商场景下（比如淘宝、京东），因为用户点击后的加购、购买、收藏、评价等转化数据均产生在平台内，所以这类流量商业化变现的转化数据会非常的完整，转化成本（cpa）可以进一步拆解为商品价格（price）和投入产出比（roi），商品单价贵或者广告主利润高（即可接受的roi低）都会提升转化成本（cpa），或反映在点击扣费、出价上。

小结

流量视角，我们拆解了6个公式，总的来说，将因子拆分到最细粒度，我们可以看到实际上是一个清晰的转化漏斗，从用户的一次请求到客户的一次成交、获利。

cost = 请求量 × 填充率 × 曝光率 × ctr × cvr × price  × 1/roi

广告主角度

cost = 广告主数 × arpu

从广告主的角度看，最直接的拆分方式就是看广告主数，和单广告主消耗（arpu）。基于广告主消耗能力不同，数据表现和运营方式往往会有不同，一般会按照大盘的消耗分层来统计不同消耗层级的广告主表现出的出价、活跃、渗透等不同维度的表现。

cost = 入驻商家数 × 广告主渗透率 × arpu

与资讯流量不同，在电商场景下，广告主会有一个明确固定的客户来源，那就是入驻到电商平台的商家。比如要成为阿里妈妈的广告主，首先需要是淘宝的一个卖家，甚至还会有准入的门槛。在这个前提下，广告主数可以拆解为，总体的商家数和广告主的渗透率，渗透率会是广告主拉新的一个关键指标，用以评价广告主增长的天花板。在电商平台，无法被转化的商家往往呈现两极分化的趋势，一方面是长尾商家，体量过小，每天仅有数单成交，完全没有现金池可以用以前期投资广告；另一方面是头部的超级卖家，在自然流量上已经是霸主地位，大促活动、频道专题、搜索推荐均有了稳定的流量来源，无需再通过付费的方式获取有偿流量。

cost = 大盘GMV × 大盘takerate

接下来的公式均只适用于电商广告，如前面说的，电商平台因为业务特点会有十分完整的转化数据，从交易额（GMV）层面会有非常多的拆解维度。最宏观的拆解方式是大盘交易额（GMV）和大盘抽水率（takerate）。Takerate = GMV/COST，这是每一个电商公司都需要写在财报中的数据，这个指标象征着电商平台的终极价值体现。

一个电商平台，本质解决的是帮“人”找“货”的“场”的问题。这个“场”在人货匹配上效率越高，也就值越多的钱；Takerate是从“用户最喜欢”到“用户可接受”的折损程度，也就是电商平台可以透支的盈利空间。

cost = 大盘GMV × 广告主GMV渗透率 × 广告主takerate

将大盘抽水率进一步拆解，我们可以得到广告主的GMV渗透率和广告主的抽水率。广告主的GMV渗透率决定了广告主整体GMV的大小，从而决定了广告可抽水GMV的天花板，广告主GMV越高，无论是付费流量的GMV还是自然流量引导的GMV均能够为广告抽水提供出更多空间。广告主抽水率是指作为商家来看，广告费用占到店铺GMV的比例。这个指标是商家更容易感知的一个参数，越高抽水代表商家越高的引流投入。

cost = 大盘GMV × 大盘中广告引导GMV占比 × 1/roi

从电商平台整体来看，流量可以大致分为两个类型，自然流量和付费流量。自然流量，比如搜索结果、你可能喜欢的推荐、大型促销等等，这些场景下产生的GMV是自然流量引导的GMV；付费流量，也就是广告流量，在广告场景下产生的GMV是广告引导GMV。一般从一个电商公司的决策者来说，需要有一个明确的分配比例，即需要有多少GMV划分到付费流量的场景下来引导，这决定了平台的商业化进度，也决定了大盘抽水率的大致区间。经验来看，淘宝的广告引导GMV在大盘占比大约8%左右。

前面三个公式均是从大盘GMV出发，来看广告消耗的拆解方式。我们现在从广告主的GMV（大盘GMV × 广告主GMV渗透率 ）的角度来看能够如何拆解。

cost = 广告主GMV × 广告主takerate

广告主的抽水率（takerate）表现了商家投放广告的力度，这里会有多种原因决定这个指标。一般一个新商家需要解决店铺原始数据的积累，在运营初期需要大量投放广告用以引流到自己的商品或店铺上，才能够完成原始积累。同理，在打造新品的初期，商品是否受到用户喜欢，需要用广告密集引流用以测款。再一种情况就是商家的商品具有足够的品牌溢价，用户对这类商品十分依赖，从而表现利润率很高，可用以推广的利润空间较大。

cost = 广告主GMV × 广告主中广告引导GMV占比 × 1/roi

广告主作为商家，GMV也由两部分构成，广告引导的GMV和自然流量下引导的GMV。其中广告引导的GMV在全店铺GMV中的占比，表现了广告对于店铺生意的影响力度。一般来说，经典的成长模型应当是广告主的投放力度不变的情况下，随着广告引导的GMV持续固定，自然流量上的GMV会逐渐增长，广告引导GMV占比会逐渐变小；从而商家追加预算，加大广告投放，撬动更多的自然GMV，整个店铺生意呈螺旋状上升。

cost = 广告引导GMV × 1/roi

投入产出比（roi）是广告主投放广告的终极依据。它决定了广告主的利润空间是否可以支持广告推广的费用，同时也决定了电商平台能够将GMV转化至广告消耗的效率。过高的roi会是平台流量贱卖，但过低的roi可能会让广告主无法承受过于昂贵的流量而导致流失。

小结

广告主视角，我们拆解了8个公式，将因子拆分到最细粒度，我们可以看到大盘GMV是如何一步步转化为广告消耗。

cost = 大盘GMV × 广告主GMV渗透率 × 广告主中广告引导GMV占比 × 1/roi