什么是waterfall?要理解waterfall,我们需要回归问题的本质,没有办法在不理解本质的前提下理解一个陌生的术语。
什么是waterfall
waterfall,中文翻译为瀑布流,也叫做菊花链(daisy chain)。在移动广告行业,至少在中国和美国的广告行业,大家使用约定俗成的名字——waterfall。
Waterfall描述了这样一种机制——『业务按照从上到下依顺序发生』。在广告行业,waterfall的意思是说——『当媒体侧想请求并展示广告的时候,媒体侧会按照从上到下依照顺序来请求和展示广告』。那么,这里的『从上到下』具体是什么意思?上和下是空间位置的概念还是大小的概念还是事件发生顺序的概念?
广告行业的新人(包括各个岗位上的新人),往往对waterfall的概念似懂非懂;很多文章也人云亦云的解读waterfall,比如,有的文章说:
Waterfall作为分控流量的工具,将流量通过聚合平台向不同平台进行分发,各平台按权重排序自上而下进行请求。
这种解读是循环论证——这相当于在说:
waterfall 作为一个从上到下依照顺序来请求和展示广告的机制,将流量通过聚合平台向不同平台进行分发,各平台按权重排序自上而下进行请求 。
这也难怪大家都在谈论waterfall,但其实并不知道自己谈论的是什么。
要理解waterfall,我们需要回归问题的本质,没有办法在不理解本质的前提下理解一个陌生的术语。
为什么要使用waterfall
为什么要按照从上到下的顺序?why ? why ? why ?
广告收入是媒体收入的一个重要来源,特别是免费的媒体资源,比如微博、微信、知乎、免费游戏等等。要理解waterfall,就要理解媒体侧变现的内核逻辑。
我们以免费的app和ad network为例来说明一下。每当媒体侧出现一个潜在的广告展示机会的时候,媒体侧需要考虑的是——到底展示哪个(或者哪个类型的,或者哪个广告主的,或者哪个ad network的)广告,才能让这次曝光机会产生最大的收益?
ad network 不可能保证每次送给媒体的广告都是同样的价格,因此,ad network 往往会推荐一个“千次展示的平均价格”,行业里称为eCPM。
媒体侧的思路是,既然没有办法确定每个广告单次展示的具体价格,那么,我应该将历史成绩最好的ad network 优先展示。这样,广告展示的收益最大(原因是:随着广告不断的展示给用户,越到后面展示的广告,用户的兴趣越低,用户往往不去点击广告或者根本不看直接跳过)
如下图所示,媒体侧没有理由不将eCPM最高的ad network 进行优先请求和展示。
按照历史eCPM的表现,将ad network 从eCPM最高排序到eCPM最低,并且在广告请求和展示的时候按照eCPM从高到低的顺序来请求ad network 并展示广告,看起来就是『业务是按照从上到下依顺序发生的』。
所以, waterfall是人为设计的产物,如果按照ad network 首字母的顺序从A 排序到Z,那么从A到Z就是从高到低;如果按照ad network 注册时间的顺序排序,那么从最早注册到最晚注册就是从高到低。在广告行业,waterfall可以理解为『按照历史eCPM从高到低排序』。
waterfall的意义在于:在无法对广告价值进行实时精准判断的情况下,依照历史成绩进行排名能够有效的实现广告展示收益的最大化。
关于Waterfall的疑问
那么,问题来了,历史是指多长时间的历史?如果多个ad network的历史eCPM相同,怎么办?
要回答上面两个问题,我们需要回到问题的本质——我们要理解媒体侧变现的内核逻辑:
每当媒体侧出现一个潜在的广告展示机会的时候,媒体侧需要考虑的是——到底展示哪个(或者哪个类型的,或者哪个广告主的,或者哪个ad network的)广告,才能让这次曝光机会产生最大的收益?
如果能够理解这个逻辑,关于waterfall的问题几乎都能迎刃而解。
很明显,历史成绩也是人为定义的。我们需要的是『利用过去若干时间段的历史成绩能够较好的表征未来若干时间段的成绩』。
作为媒体,你是否做过以下观察:是过去7天的eCPM表现能很好的预测今天的eCPM,还是过去14天的eCPM表现能很好的预测今天的eCPM?是否当天上午的eCPM表现能很好的预测当天下午的eCPM?
试想一下,如果要预测一个学生,比如学生A,下一次的数学考试成绩,是用过去7次的数学试成绩预测好,还是用过去14次的数学考试成绩预测好,还是用他当前考试试卷的前几道题的成绩来预测更好?如果学生A是中国学生,那是用这个学生A的成绩来预测好,还是用另外一个美国学生学生B的成绩来预测好?
- 第一个问题:历史是指多长时间的历史?没有标准答案!因为每个广告主不一样,每个ad network 不一样。唯一需要做的是,你要明确我们是在用过去预测未来,因为找到稳定的预测才是根本。过去3天,过去7天,过去14天,都行。找到适合你的就可以。要找到适合你的,不是靠别人告诉你,而是靠自己的观察。
- 第二个问题:如果多个ad network的历史eCPM相同,怎么排序?请思考,如果两个学生的成绩一样,应该按照成绩把哪个学生排在前面?答案是无关紧要,谁在前面都行。
每当我看到有文章传授watefall 搭建方法并且搞出“分量、分层及优先级排序”的时候,我都会觉得,这种事情哪有标准答案呢?这么设计waterfall跟拍脑袋有什么区别?
给广告新人的几个建议
永远回归问题的本质——『每当媒体侧出现一个潜在的广告展示机会的时候,媒体侧需要考虑的是——到底展示哪个(或者哪个类型的,或者哪个广告主的,或者哪个ad network的)广告,才能让这次曝光机会产生最大的收益?』
重新思考问题和策略——watefall的设计不在于“分量、分层及优先级排序”和选择 ad network。而在于如何用过去的成绩(eCPM)预测未来的成绩(eCPM)。有哪些因素会影响过去的成绩呢?app的类型,用户的类型,国家和地区,跟你合作的ad network或者广告主的类型,广告形式。找到这几个要点,然后自己做实验去观察,根据你观察到的eCPM,去实验你设计的waterfall是不是『过去的历史成绩相对稳定的预测了未来的成绩』
实践一下——注册几个账号,自己试一下,比看100篇文章还管用。
能不能够不依赖历史成绩而是靠实时的eCPM表现来排序?
既然这个问题躲不过,那就预告一下,下一次我们谈谈waterfall的问题,waterfall未来的发展方向和替代物——header bidding。
本文为@运营喵原创,运营喵专栏作者。