diva-notes
  • README
  • Ads
    • 定价策略
    • 广告层级
    • 归因模型
    • 买量
    • Chat GPT
    • Google
  • AI
    • 参考资料
    • Chat GPT
    • stable-diffusion-webui安装
  • Algorithm
    • 倍增
    • 并查集
    • 参考
    • 环的判断
    • 凸包
    • 蓄水池抽样
    • 最短路径
    • 最小生成树
    • KMP算法
    • Rabin-Karp算法
    • Tarjan桥算法
  • Architecture
    • Serverless
  • Career
  • CICD
    • 代码质量
    • CICD实践
  • Data Structure
    • 布谷鸟过滤器
    • 布隆过滤器
    • 浮点
    • 红黑树
    • 锁
    • LSM树
  • DB
    • My SQL
      • 隔离级别
      • 架构
      • 索引
      • 锁
      • 页结构
      • 主从同步
      • ACID
      • Log
      • MVCC
      • Questions
    • Postgres
      • 持久化
      • 对比MySQL
      • 隔离级别
      • 索引
      • Greenpulm
      • MVCC
    • 倒排索引
    • 列式存储
    • H Base
    • HDFS
    • MPP数据库选型
    • Questions
  • Distributed System
    • 分布式事务
    • 服务网格
    • BASE理论
    • CAP
    • Etcd
    • Raft协议
    • ZAB协议
  • Go
    • 1.语言基础
      • 1.CPU寄存器
      • 2-1.函数调用
      • 2-2.函数调用栈
      • 2.接口
      • 3.汇编
      • 4.调试
    • 2.编译
      • 1.编译
      • 2.词法与语法分析
      • 3.类型检查
      • 4.中间代码生成
      • 5.机器码生成
    • 3.数据结构
      • 1.数组array
      • 2.切片slice
      • 3.哈希表map
      • 4.字符串
    • 4.常用关键字
      • 1.循环
      • 2.defer
      • 3.panic和recover
      • 4.make和new
    • 5.并发编程
      • 1.上下文Context的实现
      • 2-1.runtime.sema信号量
      • 2-2.sync.Mutex的实现
      • 2-3.sync.WaitGroup
      • 2-4.sync.Once的实现
      • 2-5.sync.Map的实现
      • 2-6.sync.Cond
      • 2-7.sync.Pool的实现
      • 2-8.sync.Semaphore的实现
      • 2-9.sync.ErrGroup
      • 3.定时器Timer的实现
      • 4.Channel的实现
      • 5-1.调度-线程
      • 5-2.调度-MPG
      • 5-3.调度-程序及调度启动
      • 5-4.调度-调度策略
      • 5-5.调度-抢占
      • 6.netpoll实现
      • 7.atomic
    • 6.内存管理
      • 1-1.内存分配基础-TCmalloc
      • 1-2.内存分配
      • 2.垃圾回收
      • 3.栈内存管理
    • 参考
    • 各版本特性
    • 坑
    • Go程序性能优化
    • http.Client
    • net.http路由
    • profile采样的实现
    • Questions
    • time的设计
  • Kafka
    • 高可用
    • 架构
    • 消息队列选型
    • ISR
    • Questions
  • Network
    • ARP
    • DNS
    • DPVS
    • GET和POST
    • HTTP 2
    • HTTP 3
    • HTTPS
    • LVS的转发模式
    • NAT
    • Nginx
    • OSI七层模型
    • Protobuf
    • Questions
    • REST Ful
    • RPC
    • socket缓冲区
    • socket详解
    • TCP滑动窗口
    • TCP连接建立源码
    • TCP连接四元组
    • TCP三次握手
    • TCP数据结构
    • TCP四次挥手
    • TCP拥塞控制
    • TCP重传机制
    • UDP
  • OS
    • 磁盘IO
    • 调度
    • 进程VS线程
    • 零拷贝
    • 内存-虚拟内存
    • 内存分配
    • 用户态VS内核态
    • 中断
    • COW写时复制
    • IO多路复用
    • Questions
  • Redis
    • 安装
    • 参考
    • 高可用-持久化
    • 高可用-主从同步
    • 高可用-Cluster
    • 高可用-Sentinel
    • 缓存一致性
    • 事务
    • 数据结构-SDS
    • 数据结构-Skiplist
    • 数据结构-Ziplist
    • 数据结构
    • 数据类型-Hashtable
    • 数据类型-List
    • 数据类型-Set
    • 数据类型-Zset
    • 数据淘汰机制
    • 通信协议-RESP
    • Questions
    • Redis6.0多线程
    • Redis分布式锁
    • Redis分片
  • System Design
    • 本地缓存
    • 错误处理
    • 大文件处理
    • 点赞收藏关注
    • 短链接生成系统
    • 负载均衡
    • 高并发高可用
    • 规则引擎
    • 集卡活动
    • 秒杀系统
    • 评论系统
    • 熔断
    • 限流
    • 延迟队列
    • Docker
    • ES
    • K 8 S
    • Node.js
    • Questions
  • Work
    • Bash
    • Charles
    • Code Review
    • Ffmpeg
    • Git
    • intellij插件
    • I Term 2
    • Mac
    • mysql命令
    • Nginx
    • postgresql命令
    • Protoc
    • Ssh
    • Systemd
    • Tcp相关命令
    • Vim
Powered by GitBook
On this page
  1. Ads

Google

PreviousChat GPTNextAI

Last updated 3 years ago

先来看一个公式:

CPM=coverage∗depth∗CTR∗CPC∗1000CPM = coverage * depth * CTR * CPC * 1000CPM=coverage∗depth∗CTR∗CPC∗1000

公式的最左边是 CPM,意思是 每千次展示所产生的收入,CPM 越高,意味着谷歌赚的钱就越多。

Coverage 指的是 广告覆盖率。广告覆盖率 = 出现广告的搜索页面 / 所有搜索页面。

Depth 指的是 平均每页广告数。即谷歌页面最顶端、最有价值的广告位,如果这个数字是3,那一个页面上出现的广告条数就是3条。

CTR 指的是 点击率。

CPC 指的是 每次点击产生的费用。

现在问题来了。我们要提高 CPM(也就是要赚更多钱),应该去提升哪些变量?

许多搜索引擎的选择是头两个。因为CTR(广告点击率)取决于用户,CPC(每次点击产生的费用)取决于广告主,这两者都难以控制,但 coverage(广告覆盖率)和 depth(广告显示条数)很容易提升。

但这也导致用户看到的广告大大增多。如果这些广告是无用的,甚至是负面的,那它会极大地干扰用户获取正常的信息。

同时,这四个变量也不是互相孤立的。举个例子,不管你搜什么词,我都给你推送一堆安全套广告,那点击率一定会下降。同时,广告主发现投了广告没什么用,他们的付费意愿也一定会下降。久而久之,就没人上你的网站了,也不会有人愿意投广告了。

所以,谷歌选择严格控制coverage和depth,而去从更难提升的CTR和CPC入手。

谷歌的coverage大约是三分之一,有三分之二的页面是一个广告都没有的。Depth是1-3,每个页面上展示的广告条数是1-3条。这个数值远远低于其它搜索引擎。

我们希望通过技术达到这样的效果:每展示一条广告,用户就会去点击一条,并且点开后会觉得,哎呀这正是我需要的东西。同时,广告主会发现在谷歌投广告非常高效,转化率很高,他们自然也更愿意付费。

于是,我们在早期做了许多开拓性的工作,比如将机器学习运用于广告系统,去预测和分析用户的行为。在很多时候,页面上显示的广告,甚至比自然搜索结果更匹配、更有用、质量更高。

比如,我想要搜索“去旧金山的廉价机票”,自然搜索的结果中会有trip advisor之类的攻略,告诉你可以去哪个地方买廉价机票。但是广告里直接展示了一家航空公司的打折机票——而这真的就是用户想要找的机票。

在我的印象中,谷歌综合的CTR是 3%-4%,其中TOP位的广告点击率高达30%-40%。在业界,这个数字比别家要高一个数量级。

接下来说CPC。我们究竟应该对广告主采取怎样的收费策略呢?

谷歌用的不是公开竞价模式,而是 Generalized Second Price(GSP,广义第二出价,二价) 模式。

公开竞价可能导致哄抬广告位价格,引发恶性竞价。另一方面,它会导致某些冷门广告位的贱卖。如果是公开竞拍,广告主发现这类广告位没有人买,他们就会以非常便宜的价格(比如一分钱)去买下来。

而第二私密竞价模式则不一样。你出价的时候,并不知道别人的价格是多少。大家一起来买这个广告位,时间到,一起举牌,但只有谷歌会看到价格。如果出价的人分别举:10万、20万、100万,谷歌就会告知出价100万的广告主,你赢了,但你需要支付的不是100万,而是21万——也就是在第二高的价格上,再加一个最小单位。

这个方式非常高效,它会激励所有人出一个自己心目中的合理价位。并且,最后的成交价总是会低于赢家能够承受的最高价格。

广告质量

最后还要解决一个问题。如何防止财大气粗的广告主垄断广告位?比如,有一个卖医疗用品的广告主,他就是想通过购买热门词汇,让自己的广告在搜索页面里铺天盖地的出现。如果让他得逞,那用户搜“杯子”,出现的是医疗用品,用户搜“奥运”,出现的也是医疗用品。

谷歌引入了广告质量得分,它将决定你在广告栏上的最终排名。而 CTR 点击率越高的,广告质量得分就越高,排名也就越高。

我们再来看一个公式:

广告排名分数 = 最高点击成本 * 广告质量得分

广告排名分数越高,这条广告的排名就越靠前。这样即使一个客户出价很高,但他的广告点击率很低,也会排在别人后面。

这意味着,相关性越强的、质量越高的广告,就能获得越低的价格,在谷歌也越有竞争力。也就是说,当广告主不断优化自己的广告质量,提高 CTR 以后,他就能出更少的钱,获得更高的排名。

靠着这个机制,优质的广告主得到了更高的转化率,因此也更有在谷歌投广告的意愿;与此同时,用户也看到了更好、更有用的广告。

参考

郄小虎Tiger - 谷歌的广告业务是如何赚钱的