广告商业化运营入门（从用户视角 & 投放视角看全链路）
这份文档整理了我们商业化从投放和用户视角的核心概念与通俗示例，用于快速入门广告商业化运营（含：广告源、聚合、waterfall、bidding、计费与优化指标、floor、归因、iOS 隐私与 SKAN、Adjust 等）。
0. 商业化运营是什么？
商业化运营：把产品/内容/流量持续、可规模化地变成收入与利润的一整套方法与日常工作。
- 广告商业化运营：围绕“广告变现”负责：策略、配置、数据、增长与稳定性、以及与投放侧/广告平台的协作。
通俗例子：
你有一家商场（App 流量）。商业化运营要做的是：把人流变成租金（广告收入），同时保证顾客体验不被破坏。
1. 广告生态的全链路（两种视角都要懂）
1.1 用户（App）视角：我怎么赚广告钱？
链路：
广告主预算 → 广告源/广告平台（Ad Network / DSP）→ 聚合（Mediation）→ App 展示 → 用户看到广告 → 计费与结算
你在 App 里通常关心：
- 填充：有广告可展示吗？
- 价格：展示一次大概多少钱（eCPM / CPM）
- 体验：加载/展示延迟、卡顿、崩溃、广告是否过期
- 稳定：不同地区、时段、广告类型的收益是否稳定
1.2 投放（广告主）视角：我怎么把钱花出去并回本？
链路：
广告主设置目标（CPI/CPA/ROAS/CPM）→ 平台对每次展示机会估值 → 出价竞拍 → 赢得展示 → 用户安装/注册/付费 → 归因 → 回传数据 → 模型学习与优化
投放侧关心：
- 能不能买到量（赢拍卖、可达性）
- 买到的质量（转化率、留存、付费）
- 回本（ROAS、LTV）
- 归因准确性（IDFA/GAID 可用性、SKAN）
2. 关键角色与名词
2.1 广告源（Ad Network / 广告平台）
把它理解成“广告库存批发市场”，连接广告主预算与媒体流量。
它负责：
- 根据请求判断：是否投放（定向/合规/频控/预算）
- 决定价格：出价（bidding）或给出填充（waterfall）
- 返回广告素材（视频/图片/原生等）
2.2 聚合（Mediation）
把它理解成“多家广告源的统一调度器”。
它负责：
- 同时/按顺序请求多个广告源
- 选择展示哪个广告源的广告
- 提供统一报表与策略能力（bidding + waterfall、floor、A/B、超时等）
2.3 广告位、场景、placement
- scene / 场景：你业务里某个“触发广告的时机/位置”（例如：游戏复活、关卡结算、首页信息流）
- placement / ad unit：聚合/平台里配置的具体广告位 ID（与 scene 关联）
3. Waterfall vs Bidding（本质差异 + 通俗例子）
3.1 Waterfall（瀑布流）
关键词：排队试（顺序优先）
做法：把广告源排成队列：A → B → C
- 先请求 A：有就用 A；没有再请求 B；再请求 C……
- 通常不会等所有人都回来“比价”
通俗例子：
买奶茶：先去第一家问有没有；没货再去第二家。不是把所有奶茶店都叫来竞价。
3.2 Bidding（实时竞价）
关键词：同时报价（价格优先）
做法：同一时刻让多个广告源同时出价（bid），价高者得（通常还会结合质量/预测）。
通俗例子：
拍卖：大家同时举牌出价，最高价成交。
3.3 为什么 bidding 看起来更优，但 waterfall 仍存在？
- 历史与兼容：早期网络不支持统一竞价
- 并非所有广告源都支持 bidding
- 保量/保价/强控制需求：直客、PMP、保量活动、品牌安全
- 成本与稳定性：bidding 并行请求更耗资源；低价值流量上未必划算
- 混合策略最常见：bidding 抬价 + waterfall 兜底
4. “请求了不用”会怎么样？（非常重要）
把“请求”分两类：
4.1 bidding 阶段：询价/出价但没赢（正常）
- 通常没问题：拍卖输很正常
- 平台预期就是“多数人出价，只有一人成交”
4.2 load 阶段：广告已加载成功但你没展示（风险更大）
常见后果：
- show rate（展示率）下降：请求/填充高，但展示少
- 广告源可能认为你在“浪费库存/资源”，长期可能：
- 降低出价（eCPM 下滑）
- 降低填充（no fill 增多）
- 限流或策略降级（尤其激励视频）
通俗例子：
餐厅为你做了一桌菜（加载成功），你却不吃（不展示）。久了餐厅会觉得你不靠谱，以后不优先接你单。
5. 多聚合并行比价（“聚合上再聚合”）的风险
场景：你同时接入多个聚合（M1/M2/M3），每次都并行请求，最后只展示出价最高的聚合结果；且多个聚合里配置了相同广告源。
风险点：
- 同一个广告源可能被重复竞价/重复请求（资源浪费）
- 若多聚合都走到 load，未展示的一方会出现 loaded-but-not-shown
- 广告源侧可能观察到 show rate 变差 → 价格/填充/限流风险
- 数据口径更乱、延迟更高、稳定性更差
更推荐的策略（从稳到复杂）：
- 单主聚合（最稳）
- 主聚合 + 备用聚合作为“真正兜底”（主聚合连续失败才切换）
- 多聚合但尽量做到：并行仅到 “bid” 阶段、或让网络不重叠（减少重复）
6. 混合机制：为什么同一广告源能同时配 bidding 和 waterfall？
这通常是聚合的 Hybrid（bidding + waterfall）：
一次请求常见顺序：
- 先跑 bidding：所有 bidder 同时报价
- 若 bidding 无合格出价/超时/展示失败 → 进入 waterfall 兜底
- waterfall 里可能也有同一个广告源（作为另一条“兜底实例”）
目的：
- bidding 用来“抬价”
- waterfall 用来“保填充/保稳定”
7. 投放侧的出价与优化策略：CPM / CPI / CPA / ROAS
注意：这里“策略”常指 优化目标，不一定等同于最终计费方式。
7.1 CPM（Cost per Mille）
每 1000 次展示花多少钱。
适合：品牌曝光、覆盖、触达。
例：CPM=5
7.2 CPI（Cost per Install）
每个安装花多少钱。
适合：拉新（用户安装）。
例：CPI=2
7.3 CPA（Cost per Action）
每个关键行为成本（注册/首购/订阅/首充等）。
适合：更重视“安装后的关键转化”，而不是只要安装。
常见误解澄清：
- ✅ 平台买的是“更可能发生 Action 的展示机会（概率）”
- ❌ 不是“这个用户已经首充过，所以带着首充标签被更贵买走”
7.4 ROAS（Return on Ad Spend）
广告投入产出比：
ROAS = 广告带来的收入 / 广告花费
- ROAS=1（100%）：回本（收入=成本）
- ROAS=2（200%）：赚（收入是成本两倍）
- ROAS<1：亏（收入不足覆盖广告费）
8. floor（底价）是什么？为什么影响投放与变现？
floor（底价）：发布方对某广告位设置的最低可接受 eCPM/CPM。
低于 floor 的出价可能直接被过滤，或只能在无更高价可用时才成交。
发布方视角：
- floor 用于保护高价值流量不被低价买走（保收入）
- 但 floor 太高会导致 no fill 增多（填充下降）
投放视角：
- floor 是“上桌门槛”：出价低可能根本赢不了/买不到量
9. 为什么会出现 “CPM 低但 CPI 高”？
核心原因：曝光便宜，但转化率（安装率）太低。
关系式（非常常用）：
- 安装率：
IR = Installs / Impressions - 近似换算：
CPI ≈ CPM / (IR × 1000)
例子：
- CPM=$2（很便宜）
- 安装率 IR=0.05% = 0.0005（很差）
则：CPI = 2 / (0.0005×1000) = $4（反而很贵）
10. 归因（Attribution）：平台怎么知道转化算谁的？
归因：把“安装/注册/付费”等转化与之前的广告触达（点击/曝光）匹配起来。
10.1 有设备标识时（更“确定性”）
- Android：GAID 常见
- iOS：IDFA（需用户允许追踪）
典型规则：last-click（最后一次点击归因）
也可能有 view-through（展示归因），窗口更短。
10.2 iOS 隐私下（ATT 拒绝，没有 IDFA）
主要依赖 SKAdNetwork（SKAN）：
- 苹果以隐私保护方式回传（postback）
- 信息更“粗”（非用户级）、回传延迟、更有噪声
- 但可用于活动级/组级评估与优化
11. 平台怎么在展示前预测“谁可能付费/回本”？（ROAS/CPA 的关键）
它不是“提前知道”，而是用历史样本训练模型做预测：
- 用回传的历史数据学：
（国家/设备/媒体/版位/创意/时段…）→（是否首充/金额/留存…） - 新机会到来时，按相似性估：
P(首充)、E(首充金额)、或 E(LTV)
通俗类比：
导购根据穿着/谈吐/看的商品区间，统计上更可能判断你会不会买单。不是确定知道你钱包里多少钱，而是“概率判断”。
11.1 “用户没首冲过，平台怎么预测首冲？”
- 预测的是：这次展示机会带来首冲的概率
- 用的特征多是展示前可见的“上下文信号”：国家、设备、媒体、版位、创意表现、时段等
- 以及在合规允许下的平台侧行为信号（兴趣、相似人群）
12. Adjust（MMP）是怎么做归因的？（你要能讲清）
把 Adjust 理解成：归因裁判 + 数据中台。
典型流程（简化）：
- 用户点击广告（平台记录 click 信息）
- 用户安装并首开（App 内 Adjust SDK 上报设备/会话信息）
- Adjust 按规则匹配（常见 last-click） → 确定“这次安装归因给谁”
- 你在 App 内上报事件（注册/付费/金额）给 Adjust
- Adjust 把事件按归因结果回传给对应广告平台（postback / S2S）
- 平台用这些“价值回传”继续训练 CPA/ROAS 模型
iOS 隐私下：Adjust 会更多依赖 SKAN 的回传（更慢、更粗）。
13. D0 / D7 / D30 是什么？
以“安装日”为 Day 0：
- D0：安装当天
- D7：安装后 7 天内累计
- D30：安装后 30 天内累计
常用在 ROAS/留存：
- D0 ROAS：当天收入 / 花费
- D7 ROAS：7 天累计收入 / 花费
- D30 ROAS：30 天累计收入 / 花费
意义：很多业务不是当天回本，D7/D30 更能反映真实价值。
14. 聚合怎么赚钱？App 一定要用聚合吗？
14.1 聚合怎么赚钱（常见）
- 抽成（rev share / take rate）
- 平台服务费/技术服务费
- 自家生态/广告源收益（部分聚合背后也有广告业务）
对 App 侧可能“看起来免费”，但聚合一定要在某个环节变现才能长期服务。
14.2 App 可以不装聚合、直接接广告源吗？
可以，三种常见形态：
- 只接广告源：你自己写调度逻辑（维护成本高）
- 只接聚合：最常见（统一管理、易优化）
- 混合：大部分走聚合，少数源直连（要注意重复请求/口径冲突）
15. 一套“看报表定位问题”的入门口诀
发布方（变现）侧常看四件事：
- 请求成功率/填充（Fill）
- 展示率（Show rate）
- 价格（eCPM/CPM）
- 收入（Revenue）
投放侧常看漏斗：
CPM → CTR → CVR/安装率 → CPI/CPA → D7/D30 ROAS
常见现象快速解释：
- eCPM 掉了：竞价变弱、floor/策略变化、地区/流量变化
- fill 掉了：网络问题、底价过高、配置错误、超时、合规/定向
- show rate 掉了：加载不展示、过期、展示失败、时序/缓存策略问题
- CPM 低 CPI 高：便宜曝光但转化率太低（质量差/创意不匹配/落地弱）
16. 练习
练习 1：判断是哪类问题
某地区广告收入下降 30%，请求量不变；fill 不变；展示率 从 95% 掉到 60%。
问题更可能在哪？
- 提示：优先怀疑“加载后未展示/展示失败/过期/时序错误”，而不是“广告源没广告”。
练习 2：用公式解释 CPM 低但 CPI 高
给定：CPM=$1.5，安装率=0.03%。计算 CPI 并解释现象。
17. 术语速查表（Glossary）
- Ad Network / 广告源：连接广告主预算与媒体流量，返回广告与价格
- Mediation / 聚合：统一调度多个广告源（bidding + waterfall）
- Waterfall：按顺序逐个请求，先成功先用
- Bidding：同时询价/出价，选最高价赢家
- Floor：最低成交价门槛
- CPM：千次展示成本
- CPI：每安装成本
- CPA：每关键行为成本
- ROAS：收入/花费（投入产出比）
- Attribution / 归因：转化算给哪个渠道/广告
- SKAN：iOS 隐私框架下的归因回传机制
- Adjust（MMP）：归因与数据回传中台
- D0/D7/D30：安装后第 0/7/30 天累计窗口
- Fill rate：有广告可用的比例
- Show rate：加载成功后实际展示的比例（或展示/填充）
18. 你提供的“通用打点模型”如何映射到核心概念（快速对照）
以下是与你的埋点字段相关的概念映射，便于教学时把“数据”讲成“业务语言”。
- mediation_init：聚合初始化（哪个聚合、结果码、耗时、错误描述）
- biz_ad_response：广告请求响应（session_id、scene/placement、网络、耗时、结果码）
- biz_adpv：广告可展示判断/展示时机（是否 ready、过期、缓存、展示失败等异常码）
- biz_ad_impression：广告真正展示（这是变现和计费关键）
- biz_ad_revenue：广告收益（金额、币种、精度）
- biz_ad_click / close：点击与关闭（用于评估交互与体验）
提示：
“请求成功 ≠ 展示成功”，一定要理解 response / adpv / impression 。
