[ZT]关键词拍卖方式

| No Comments

         广告竞价排名的算法并不那么简单,直观。很多人可能和我最初的想法一样,对某一个关键词出价最高的广告主的广告排第一,次高的排在第二,比如对"处理器"这个关键词,Intel出价5美元,AMD出价3美元,那么用户搜索"处理器"时看到有Intel和AMD的广告时,它点Intel的广告,Intel就要为搜索引擎公司付费5美元,如果点AMD的,则AMD付费3美元。

         如果你这么想,也没错太多,只是不足够好,这种方式术语叫"一阶密封价格拍卖"( first-price, sealed-bid auction),密封的价格是指广告主之间不知道对方的出价( 即Intel和AMD不知道对方的出价 ),不同于电影中常看到的公开拍卖,它的术语叫公开增价拍卖( open ascending bid auction )。一阶价格拍卖是由GoTo公司提出, GoTo靠这种商业模式曾经达到过市值30亿美元,但它被Yahoo!收购的时候卖了16.3亿( 《浪潮之巅》134页有更详细的描述 )。

         前面说一阶密封价格拍卖不够好,现在讲一下原因,现在假设Intel要彻底要铲除AMD公司( 《浪潮之巅》第5章讨论了Intel和AMD的关系,很有意思 ),如果大家都用一种搜索引擎,这种搜索引擎用的是一阶密封价格拍卖,如果AMD的广告每点5次就会有一个点击者被广告打动,买AMD的CPU,AMD每 卖一个CPU可以收入15美元,再假设AMD可能会出价1美元投关键词"AMD",简单的计算,点5次付广告费5美元,收入15美元,15-5美元,纯收 入10美元。出于恶意,Intel公司也买"AMD"关键词,出价4美元,并把搜索页面前几页的广告全买下来,以这种方式封杀AMD广告。它如果投自己的 广告也差不多是5次有一个点击者被打动买它的CPU,它的利润与AMD差不多,那它这样做就会亏本,如果它不想以本伤人,毕竟世界上并不是就Intel和 AMD两家会生产CPU。它可以把广告词写上一些用户不太可能点的内容,比如它可以陷害Coca Cola公司,写上"Life Begins Here"。

         首先AMD是遭殃了,搜索AMD的人完全看不到AMD的广告,而Intel并没有很多损失,因为很少有人在关注CPU的时候去点关于Coca Cola的广告。也许这时你还没看出有什么不对,你或许会说AMD可以起诉Intel,或是用相同的方法封杀Intel广告。但我还没提到最大的输家,它 就是搜索引擎公司,两个广告者在斗气,相互封杀广告,但投出去的广告都是完全不相关的,没用户去点击,那么索引引擎公司根本就赚不了钱了。

         其次还有一个在法律和道德范围之外的缺点,也就是两个广告主都是有着正常人格的人。我这里借用参考资料【1】中的例子:假设广告主A会为关键词 Coffee最多付$1,广告主B会为同样的关键词Coffee最多付费$0.74。如果B以一个尽可能低的出价开始,假设$0.10,那么A广告主会出 价0.11就可以得到第一个广告位。广告主B会做出出价0.12的反应,以此以往。一旦A出价$0.75,B不会再跟着出价$0.76,因为B认为 Coffee这个关键词只值0.74。如果要得到第二个广告位,B只需要出价$0.10。A只需要出价$0.11就可以得到第一个广告位了,这样循环就开 始了,参见下图:
关键词拍卖方式

 keyword_bid.jpg

Google的AdWords平台开发者改变了这种竞价方式,他们设计了一种更稳定的二阶价格拍卖(second price auction ),在二阶价格拍卖中,出价最高的广告主只需要付出价次高的价格再加一个零头$0.01。

         这时,广告者改动自己价格的兴趣就会小很多了,因为你要付的费用是由下一名的出价决定的。还是资料【1】中的例子:考虑一个我们前面的例子,其中广告者A 对关键词Coffee最多出价$1,而广告主B最多出价$0.74。在封闭拍志中,只有搜索引擎公司知道所有竞标的价格。如果A出价$1,B出 价$0.74,那么在两阶价格拍卖中,A需要付$0.74 + $0.01(0.01是最小的差值),B付最小的出价价格$0.01。现在我们假设A和B更有出价的技巧。如果A出价$0.78(少于A认为这个关键词本 身的价值),并B出价$0.80(多于B认为这个关键词的价值),那么B会以$0.79的价格得到第一个广告位。这个价格比B最高出价多$0.05。换个 假设,如果A出价$0.70而B出价$0.65,那么A会以$0.66得到第一个广告位。但如果B出价$0.74,他会以$0.71的价格得到第一个广告 位,这样就可以节省$0.03。当广告主们想看或是推测他们竞争者的出价还是可以做到的。比如,如果A的真实出价是$1,B可以出价$0.99而不 是$0.74,迫使A对他的广告位付费$1而不是$0.75。

         但是二阶价格还是没有完全解决上面的问题,就是Intel封杀AMD的例子。在2005年Google引了入质量得分的因素,解决了这个问题。质量得分里 最关键的是CTR( Click Through Rate ),用上面的例子,Intel投的广告因为上面的广告语是Coca Cola,点击的只有那几个手抖了的人,假设是0.01%,AMD的广告如果出现的话有0.5%的人会点,那么算一下搜索引擎的收入,假设展示了 10000次,如果展示Intel的广告只能收入10000 * 0.01% * $4 = $4,而展示AMD的广告可以收入10000 * 0.5 % * $1 = $50,显然,不应该在竞价排名时,只考虑价格,而应该综合价格和点击率。影响Google质量得分的还有:点击率,关键词和广告语的相关性( 也就是防止Intel帮Coca Cola打广告 ),广告帐户历史,目标网页质量( 比如,你用一个与你网站完全无关的广告语来引诱用户点 ),等等。

         提到Google的技术,一般我们就认为这就是问题的答案了,但是Google的做法还是没有做到最好。首先,二阶价格拍卖中,广告主的出价不能反应用户 真正对这个广告位的估价,比如Intel和AMD都投"CPU"这个广告词,Intel出$2,AMD出不起这么高的价格,它本来认为第二个广告位 值$0.5,它想我出$0.5,那Intel只用每次付费$0.51了,既然得不到第一个广告位,我也不能便宜Intel了,我出$0.99好了。这就引 出了理论上很有名气的Vickrey-Clark-Groves(VCG)拍卖,它是通过计算一个广告主参加拍卖给别的广告者带来的损失之和来定价的。

         继续资料【1】中的例子,假设广告主A每次点击出价$10,广告主B每次点击出价$5,广告主C出价$1。现在只有两个广告位,第一个广告位平均每小时有 100次点击,第二个有50次点击。A得到第一个广告位,B得到第二个广告位。在广义二阶价格拍卖中,A要付费$500,B要付费$50,(忽略计算 0.01这个零头)。要使用VCG方式来定价,我们必须考虑如果A没有参与拍卖会发生什么,A没参与那么B会得到第1个广告位,会再多得到50次点击,并 且B认为每次点击值$5,所以A的出现意味着B损失了$250,相同的,如果A不出现,C会得到50次点击,C认为每次点击值$1,A出现意味着C损失 了$50,所以根据VCG,A的付费应该是给B和C带来的损失之和,即$250+$50=$300。现在考虑B如果没有出现,A的位置不会受到影响,C即 因此每小时失去了50次点击,对C来说损失是$50,所以B的VCG付费应该是$50。

         Google没有采用VCG方式是因为VCG方式在实践中比广义二阶价格有更大的缺陷,这个在资料【1】的参考文献中( 我还没关注那么深 )。

         结束。也许你看到这里的想法是:是的,我开始想的的确比这要简单,但是我感觉竞价策略也不复杂呀,我全看懂了。虽然我不知道拍卖理论到底有多难,但它绝对 不简单,Google也改了很多次。Paul Milgrom这个诺贝尔经济学奖得主也对此进行了研究,Google也把聘请了Hal Varian这个Berkeley经济学教授来指导广告拍卖。如果我是拍卖策略设计者,我已经对大方向思考的兴趣了,会直接照搬Google。

 

参考资料:

1.       Sponsored search: an overview of the concept, history, and technology
2.       Truthful Auction for Pricing Search Keywords。

原文来自:http://quweiprotoss.blog.163.com/blog/static/408828832012014104147374/

Leave a comment

Archives

Pages

Powered by Movable Type 5.2.2

January 2013

Sun Mon Tue Wed Thu Fri Sat
    1 2 3 4 5
6 7 8 9 10 11 12
13 14 15 16 17 18 19
20 21 22 23 24 25 26
27 28 29 30 31    

Recent Assets

  • keyword_bid.jpg
  • dish_st4.png
  • dish_m5.png
  • dish_3.png
  • dish_two.png
  • dish_6.png
  • dish_1.png.png
  • 照片1028 105.jpg
  • 照片1028 088.jpg
  • 照片1028 084.jpg
Creative Commons License
This blog is licensed under a Creative Commons License.

About this Entry

This page contains a single entry by Cnangel published on December 24, 2012 11:15 AM.

神奇的js was the previous entry in this blog.

学车囧途 is the next entry in this blog.

Find recent content on the main index or look in the archives to find all content.