一文说透游戏投放平台信息流广告算法流程和付费回传优化经验

总有朋友＋我微信后，试图寻求我提供具体的买量计划，投流技巧，素材爆款方案——讲道理，我只是一个从业久一点，然后因为这样那样原因不得不去理解和亲自去投放过广告的野路子游戏运营。我的意思是，术业有专攻，广告投放素材卖点这类的事，我能做会做不代表我做的好以及就想做😦

但是，我也发现会来询问我这些的，也确实不太理解广告投放的弯弯绕绕，尤其现在值得投流的平台都在搞算法学习下的自动化投放。那么我这里主要还是介绍下我理解下，大家作为广告主，把一条广告投放出去，在现在各个准许你投流的平台，算法角度的广告展示流程。

这有助于大家理解，广告主，流量主，平台这三方角度围绕起来相互对抗相互猜测和相互认可的基本逻辑点。争取一文说透，然后再遇见类似来咨询这方面问题的朋友，回传本文就可以了……吧。

当一条信息流广告开始投放时

最大的逻辑，根据用户质量和广告请求来源不断进行分层，分层后，出价高的分配到A池，出价低分配到B池——A池和B池本身，又按平台需求做动态变化。

具体实现为：

1，指定展示形式和位置下，流量主那边广告请求量，也就是某一种广告展示形式下，流量主用户发起的广告请求数。这是一切开始最源头的基础，广告用什么形式在哪里展示，决定了一个曝光和进入用户质量的下限，只是具体这些素材匹配哪些位置，用什么形式展示，这儿就不做具体科普，因为一般平台相关说明文档里已经图文并茂了（虽然大部分人都不去阅读）。

2.开始第一次定向过滤，这里主要是先从发生请求的流量主那边，把不在投流广告定向范围内的流量主那边请求做一次过滤排除，得到一个剩余的会去分配广告主广告的请求数。如果平台还有额外针对流量主账户级的惩罚性措施，比如怀疑流量主作弊了，也一般是在这一步里做排除或者各种降权处理。

3，同类型广告过滤：针对上一步的结果，做潜在用户质量相关进一步筛选，注意，这里一般说法上上是过滤掉那些看过同类型广告次数过多的用户请求后，筛选出还剩余的广告请求数。但是过滤，筛选的前提就是打了标签，而反复看了同类型广告还没有转化行为的，假定打了非优质用户的标签，接下来是降低给广告主用户曝光的可能还是优先显示给广告主曝光，就是广告主那边猜测算法寻求对抗的黑箱环节，取决于平台自己本身的倾向性。

4，对兴趣和素材过滤：基于历史数据，把对广告不感兴趣，素材样式不合适，流量主那边特定勾选不接受的素材，各种平台黑箱算法下判断也不合适等原因的流量主请求再过滤，这样剩余出一个广告请求数。这里和3也是一样，能过滤本身就是能打标签，只是这一步通常就是个动态标签，所以一方面，平台可能依托什么去打这个动态标签？一方面打完这些标签后，可能会如何？基本也是广告主这边如果有回传，认为回传的影响点可能生效的步骤，也是素材本身能不能生效的重要环节。

5，预算与余额过滤：在4的过滤步骤后，还剩余的可分配流量主广告展示机会数量后，到这一步就开始按广告主最可控，也是平台最在意吃肉，流量主跟着喝汤的环节，首先自然是在考虑了请求发过来的广告主们，广告预算和余额，把没有足够可用预算与余额的广告请求pass掉，得到一个剩余的有效广告请求数。

注意，接下来的6，7，8可能是一个平行关系，8的判断权重可能最高。

6，开始分配给高价值用户池的概率预估，比如广告最终被成功投放到算法认为最合适这个广告匹配的投放概率。

7，开始分配给中价值用户池的概率预估，广告不能成功投放到高价值用户池，进入相对低价值用户池的概率。

8，ECPM排名资格，广告具备参与ECPM（每千次展示成本）排名的资格。这一步是最可能去采用，人工干预策略下的投放账户历史累计权重，来做优先排序的地方。

9，ECPM竞价胜出：在ECPM竞价中胜出，广告有更高的机会被展示给算法认为最合适展示的用户池。

10，混排竞价胜出：没有在最高竞价胜出的，会在与流量主用户内容质量混排（不同流量主的相同广告展示位和用户价值，也会有类似一套算法排出权重）的竞价中胜出，广告最终被次第降权分配到合适用户池实现成功投放。

请注意，算法认为最合适的，代表的是平台认为合适的，平台认为的合适是什么策略，就是永恒博弈的黑箱猜测——A池不一定全是高价用户，B池不一定都是垃圾曝光。

这样的描述下，应该可以帮大家理解作为广告主，一个投放的广告请求发出来，到成功展示出来的整个流程，以及如果做博弈和猜测对抗，是哪几个环节了吧？

以及这里呢，我也再解释算法这玩意吧，根据我有听（技术大佬直播）没太懂，有看（一些论文）也不太懂的理解，就是业内最顶尖的大佬亲自搭建，也只能保证基础的运行逻辑是这么个一二三四五六，但是也无法预测这个逻辑下算法的实际结果，所以对于高度依赖算法构筑整套投放逻辑的平台，第一他有没有人工干预的动力？

当然有。只是海外可能比国内相对更克制，但是这里的克制，在我看来也不是什么道德素质的结果。单纯是因为，海外，因为实际投流平台虽然高度垄断但是面向全球，平台和平台之间还是充满强竞争，他们被迫看中一个长期持续的to b生态。也不是说谷歌，苹果良心，而是他们这种做全球都背后一堆虎视眈眈的竞争对手，不这样干，也不持续。而我们国内平台和平台之间吧，其实是高度垄断但是弱竞争，kpi考核在那里，自然没有那么克制。

但是第二他能不能精准的人工干预？能是能，比想象的难，因为对于越来越出于垄断状态的投流平台，他最长期的战略角度，最佳算法策略还真不是向高转化的人展示高价的广告，低转化的人展示低价，而是努力做到对打上标签的每一个平台用户，很快其在平台历史上积累的用户行为，基于平台觉得合适的价格展示对他留在平台上有帮助的，他最大限度不反感的高匹配度广告（可能很啰嗦，但是我确实想不到简化的描述）。而相对短期的利益追求，才会做额外多干预，需要给算法打更多学习和例外的逻辑补丁，反而代表有机可乘。

这些因素综合一起，最终结果就是，一个广告投放出去，能在什么标签用户那里得到呈现，“随机性”和“规律性”同时存在，投放者（广告主）和呈现者（流量主）努力琢磨的技巧经验就是这种规律性的体现，而平台对算法和自己贪婪/公平的不确定策略选择，让“随机性”本身也显得更加随机了。

那么最后，对广告主来说，因为现在所有的有投放价值的投流平台，都搞的以上这套算法下的自动化投放，可选可定向的余地被剥夺的七七八八后，衍生出的对抗手段，最终指向就是付费回传上四大策略集的交替组合。

这四大策略集听着玄乎，说穿了也就是通过不同的出价和付费事件回传策略，来控制自己出价投流后可能吸引不同价值的用户群体，同时控制平台可能知晓的成本和利润率，避免被算法人工干预部分针对性分配AB池。

A：全量回传真实数据

不做任何修改过的付费数据回传，老老实实全量传真数据积累账户权重。

这个策略的主要理由是假定回传修改数据这种事，平台一定知道，并会纳入算法，给投放账户定对应标签，然后突然出手卡真实付费用户展示，让低权重的投放账户，展示后付费那边断崖。所以预期长期投放的时候，对于当前选品是相对冷门的游戏类型，同行卷出价的概率低的产品品类，不亏的前提下，老实传全量，持续买很久，攒账户权重，择机待变。

B: 小额付费回传，中等偏上出价：

这种模式下，游戏公司只将所有付费行为，都用小额付费事件回传给广告系统，同时设置一个中等偏上的出价。

目的是吸引那些相对价值偏高的用户，但同时控制平台取到付费具体数据后能估算的成本，使自己的投流成本，保持在游戏品类的大盘均值水平以下，获得相对好的曝光分配。

这种策略适用于小预算投放就可以买到量，又选择了希望吸引广泛用户群体的游戏品类，避免因为过高的利润率而受到平台算法关注和针对。

C：大额付费回传，高出价：

在这种模式下，游戏公司针对自己的用户付费行为，只回传产生了大额付费事件（通常128元档和以上），同时大幅提升投放的出价。

只回传出高额度付费，目的是让尽快让自己的素材对那些平台打了标签的高价值用户（俗称“大R”，即大额付费用户）做曝光，匹配一个相对高出价，是因为只有出价足够高，才能算法加持下，相对不做这类策略的对手，优先持续曝光给这部分高价值用户。

这种策略适用于那些依赖少数大额付费用户来回收成本，其他用户主要作陪玩存在的游戏类型，释放给平台的潜在信息也是，我有钱（出价高）！游戏贼好（充值的都是大户），务必把我素材，最快曝光到头部高价值用户。

C，大额付费事件多次分解回传：

这种模式下，是将实际发生的大额玩家单次行为，拆分为多次不规律付费事件回传，同时也会将一些从游戏行为看，未来会极度活跃的正向用户的首次付费或者准付费事件做为不规律的中高付费事件回传。

这个策略的目的，是对那些需要一定数量的付费事件来支持机器学习算法的自动化投放，做有意引导训练，维持住一个投放账户里，对投放方有利的买量模型。

所以如果游戏本身的付费事件数量不足，可以通过回传一些额外的付费事件来提高自己游戏投流后，对有付费行为的用户曝光量，从而吸引更多的优质用户。

而以上这四大策略的怎么混合组合使用，也就是投放策略上的精细化运营——毕竟越来越多的机器化学习自动化投放下，广告主真正能把控的定向选择，已然不多了啊😦

——我是分割线——

谢谢大家看到底！如果看完我的杂谈文字野路子经验，你也有感触，欢迎点在看、关注、分享或者给点个「赞」哟