本文主要记录计算广告领域ADX的基础功能和工作中用到的策略。
询价
低价（市场保留价，Market Reserve Price）
-
公开底价
-
密封底价
-
多重低价
-
静态多重低价
-
动态多重低价
智能询价（Selective Call Out）
随着接入的DSP越来越多，媒体方的每次广告请求，对于ADX来说要发送N倍的请求给DSP，成本非常高。在带宽和服务成本的约束下，如何获得最优的出价和参与度呢？
我们的策略是：基于ADX的用户信息、广告位信息、竞价信息等数据对各DSP的出价分布进行建模，实时预估各DSP对每次请求的出价能力，再结合各DSP耗时统计，动态调整请求的DSP组合。
更多文献：《Selective Call Out and Real Time Bidding – 2010》
动态底价
对于同一个请求，不同的DSP有不同的出价策略和预算，同一DSP在不同时间的出价策略和预算也不相同，所以动态低价的目标是提高ADX和媒体方的利润。论文《An Empirical Study of Reserve Price Optimisation in Real-Time Bidding – 2014》提出了三种方法：
-
基于贝叶斯推断的底价估计算法，这种方法是数学理论最完备的，但是要求每次竞价的最高出价符合对数高斯分布。另外一点是这个算法优化的是单次收入最优，而非全局收入最优。
-
基于均值统计的底价估计算法，这种方法的思想就是把历史平均收入作为本次请求的底价。如果考虑时间序列的化，可以使用加权平均的方式，比如距离越远的收入权重越小。这种方法实现最为简单。
-
基于经验的One-Shot底价调整算法，这种方法虽然没有数学理论指导，但是是一种值得尝试的方法。一来实现也比较简单；二来这种方法也比较符合常规理解。主要思路是：当低价小于最高出价时，则缓慢提高低价；当低价大于最高出价时，则迅速降低低价。具体的调整幅度由不同的系数控制，完全基于上一次的最高出价和低价，计算下一次的底价。
上述论文可以参考文章《拍卖与博弈：计算广告中的底价问题》
我们的策略：在每个时间段内为各DSP设置不同的底价，统计各DSP在不同低价下的出价分布和参与度，挑选出使得各DSP出价和参与度联合最优的底价作为当前时间段各DSP的底价。对于同一个请求，不同的DSP低价不同。
更多文献：
《Learning Algorithms for Second-Price Auctions with Reserve – 2016》
超时熔断
对于SSP的每次广告请求，ADX会并行给多个DSP，而各家DSP的性能不同，也就是返回时间不同，因此ADX容易出现为了等某些性能差的DSP响应而导致本次SSP请求超时，错失一次填充机会。所以我们的目标是在出价和参与度的约束下，最小化端到端时延。
我们的策略是：对每次请求实时预估各DSP的出价能力和响应速度，在已有DSP返回达到综合最优的一定比例的条件下，及时熔断尚未返回的DSP请求，也就是不一定非要等到媒体最大时延才熔断，可以有条件的提前熔断。
竞价
竞价系数
- 提权。通常ADX都是大型媒体构建的，同时也会构建自有DSP。相比三方DSP，自有DSP更容易受自己ADX的倾斜保护。通常采用对自有DSP出价提权的策略，即实时计算每一次请求的提价系数（大于1），然后乘以自有DSP原始出价的结果去竞价。
- 降权。为了打击在技术和市场角度都具有绝对优势的DSP通过抬高出价但是低计费拿量的现象，可以使用降权策略，即周期性统计三方DSP的出价溢价率作为降价系数（小于1），然后乘以其原始出价的结果去竞价。
竞胜策略
通常采用价高者得的策略。
计费
计费策略（主要针对返回1个广告的场景）
- 一价计费：出价即计费价。特点是：广告主出价不说实话；非占优策略激励兼容；非社会福利最大化。
- 二价计费：次高价为计费价。特点是：广告主说实话；占优策略激励兼容；非社会福利最大化。
- VCG计费：因胜者而导致其他参与方的损失总和为计费价。特点是：广告主说实话；占优策略激励兼容；社会福利最大化。
自从2019年开始，越来越多的ADX采用一价计费。主要是因为现有的广告竞拍模式至少是两阶段的，即广告主先在DSP内部竞争；竞胜后以计费价作为出价再在ADX内进行竞争，这就很可能导致在DSP内出价高的广告主在ADX内竞争失败的情况出现。但是DSP内部通常还是二价计费。VCG计费策略比较复杂，不好向客户解释，所以实际使用的比较少。
更多文献：
《Boosted Second Price Auctions: Revenue Optimization for Heterogeneous Bidders- 2021》
《Optimal Auctions through Deep Learning – 2019》
《Repeated Auctions with Budgets in Ad Exchanges: Approximations and Design – 2014》
动态计费
通常DSP与广告主采用二价计费，因为这种方式简单易解释且为占优策略。但是ADX向DSP计费时，多数采用一价计费或者是基于二价的改进策略，并非完全二价计费，这样可以确保媒体和ADX的利益。试想某一ADX其市场竞争不激烈，最高价和次高价相差可能很大，若完全按照二价计费，则媒体和ADX利益严重受损；若抬高低价，则可能只有1家DSP出价，甚至没有DSP参与，对媒体和ADX来说也不能保障利益。综上即因为出价和计费价差距非常大，导致媒体和ADX的收益大大受损。
我们的策略是：在设置较低底价的同时，动态设置计费比例(0~1)。若DSP出价，则$计费价=\max(低价, 二价, 出价*计费比例)$。
流控
智能流控
在服务器负载较高和流量高峰期间，容易出现请求超时现象。智能流控的目的是在成本和超时率的约束下，最大化收入。
- 广告位优先：实时统计各媒体广告位价值，对低价值的广告位请求进行流控，优先保证高价值广告位请求超时率不增。
- DSP优先：实时预估各DSP的价值，对低价值的DSP请求进行流控，优先保证高价值DSP的请求超时率不增。
建议阅读
欢迎各位留言交流探讨
本文永久更新地址: https://notlate.cn/p/883c597a2c2ab576/
I don’t think the title of your article matches the content lol. Just kidding, mainly because I had some doubts after reading the article.
I don’t think the title of your article matches the content lol. Just kidding, mainly because I had some doubts after reading the article.
I don’t think the title of your article matches the content lol. Just kidding, mainly because I had some doubts after reading the article.
Thank you for your sharing. I am worried that I lack creative ideas. It is your article that makes me full of hope. Thank you. But, I have a question, can you help me?
推荐一篇动态底价文章《拍卖与博弈：计算广告中的底价问题》