广告流量分发的逻辑和思路

如今，大部分开发者都是通过waterfall+bidding混合模式获得更高广告价格和广告填充。那么，什么是waterfall？什么是bidding？它们是如何运行的？本文分析其广告流量分发的逻辑和思路，希望对你有所启发。

目前绝大部分开发者通过waterfall+bidding混合模式，以期获得更高的广告价格和更多的广告填充。

但也有很多运营同学，对于waterfall+bidding的配置存在很多的疑问，因此本文主要解答在广告运营中，waterfall和bidding配置中的要点和可能存在的问题。

一、什么是waterfall？什么是bidding？

waterfall和bidding都是广告聚合系统中流量分发的模式。

waterfall是串行模式，广告聚合系统根据基于历史数据的配置，从高价到低价依次向广告平台给出价格询价，直到有广告平台接受价格，此时的价格就是所有广告平台可以接受的最高的价格。

bidding则是并行模式，广告聚合系统同时向配置的各广告平台发起询价，各广告平台返回报价，媒体选择报价最高的广告平台，此时的价格是所有广告平台可以给出的最高价格。

这里可以看出两种模式的差异。waterfall是先预设价格，分次降序询价，直到有广告平台接受价格。而bidding则反之，无预设价格（可以设置底价），一次询价，价高者得。

对于开发者来说，waterfall存在着诸多的问题：

• waterfall基于历史数据设置价格，这个历史数据是多久的数据，冷启动没有历史数据怎么办
• 市场上预算是千变万化的，历史数据能否真实反应当下的价格，运营同学能否及时根据市场情况调整价格
• 串行的模式也意味着如果层级过多，广告请求时长会很长，造成前端展现延迟，影响用户体验。而以上的问题，bidding模式均不存在，因此对于开发者来说，bidding无疑更好的模式。在当下，虽然主流的广告平台大多支持了bidding模式，但也有很多中小型平台对bidding的支持还不完善，因此短时间内，纯bidding模式还不现实，waterfall+bidding混合模式依然是开发者的主流。
• bidding既然这么好，为什么在waterfall稳定运行了多年之后，bidding才姗姗来迟。一方面是技术原因，bidding对于广告平台的出价能力要求更高，广告平台对于流量需要一次性出价，而不再像之前通过waterfall试探。另外一方面也有利益原因，相比于waterfall，bidding模式下广告平台浑水摸鱼的空间变得更小。无论如何bidding取代waterfall是大势。

二、waterfall和bidding怎样运行

目前waterfall+bidding混合模式主要有两种运行模式：

1. 优先请求Bidding，Bidding胜出者会和传统瀑布流中的各个分层进行比较，最终让出价最高的平台获得展示机会（如Bidding胜出者高于瀑布流的第一层价格，则不再请求瀑布流）；
2. Bidding和瀑布流同时请求，两者比价，最终价高者得。两种模式整体差别不大。

如果想要效率最大化，那么在2的基础上做进一步的优化：

• bidding和waterfall均已出现胜出者，则两者比价，价高者得。
• bidding出现胜出者，waterfall尚未完成，bidding胜出价格高于waterfall当前执行层级，则bidding胜出。
• bidding出现胜出者，waterfall尚未完成，bidding胜出价格低于waterfall当前执行层级，则等待waterfall执行到bidding胜出价格所在层级，如果waterfall无广告平台报价，则bidding胜出

这样的优化一定程度上可以提升整体的效率，但竞价逻辑变得更加复杂，因此是否需要采纳还需要产品自行决策。

三、waterfall和bidding怎样配置

无论Bidding还是瀑布流，两者只是竞价模式的区别，其中的配置才是关键。这里有几个要点是配置中需要特别关注的。

• 不管是bidding还是waterfall，都需要有足够的广告平台进行竞争，才能使利益更大化，广告平台较少都体现不出聚合的优势。所以建议在预算的情况下，至少配置4~6家广告平台，以寻求竞争最大化，提升填充和价格。
• waterfall的层级需要精细化，不能太少也不能太多。无脑堆砌瀑布流层级，虽然一定程度上可以提升ecpm，但瀑布流是串行结构，过多的瀑布流层级会显著影响广告的耗时，尤其在一些网络条件不是很好的地区，问题会更加显著。因此对于曝光较少的层级可以选择合并或者移除。瀑布流层级太少也存在问题，价格梯度不平滑，使得梯度间的价格收益被抹平。价格梯度上，建议低层级价格梯度20%，高层及价格梯度50%来进行梯度区分。
• waterfall需要经常调整，但频繁的调整也会存在问题。广告平台机器学习需要时间和数据，因此对于陌生的流量，平台倾向于出高价来获取流量。虽然短期可以提升收益，但长期来看，频繁更换id，调整waterfall配置并不利于广告稳定的获取，长期甚至会影响广告平台对于开发者的评价，反而得不偿失。
• 不同的地区和用户群体，也需要使用不同的配置策略。发达地区的用户、手机价格更高的用户可以配置更高的价格来获取更高的收益，欠发达地区用户。手机价格低的用户可以减少高价层级的配置，降低广告请求时长。这都是常见的策略。
• 对于同一个广告平台同时配置在bidding和waterfall，其实并无太大必要。同一个平台对于同一流量，waterfall和bidding的价格不会有很大的差距，而因为waterfall梯度的原因，往往是bidding获胜，最终结果是该平台在waterfall的曝光减少，进一步导致在waterfall价格的下降。因此对于同时支持waterfall和bidding的平台，可以在早期同时配置进行AB测试，在稳定后减少在waterfall中的配置。
• 一个好的广告策略配置，最终呈现的结果是，从价格上来看，曝光呈现价格正态分布，曝光正态分布意味着既没有把流量贱卖，又尽可能的获得了高价（可以思考一下这个问题）从填充上来看，能实现95%以上的填充率，基本上可以认为接近了广告收益的上限了。