Facebook-RTB广告投放及策略工程师工作
我希望这是一篇有意思的博客，虽然内容里没有代码，没有技术名词。我想说说Facebook广告投放是怎么回事，然后说说作为策略工程师的一些感受。 首先说明，策略的内容不能谈，工作里确实见过不少，每个广告主都有不同的想法，我们也有自己的想法，但一是直接把这些放在这里不合适，毕竟不都是我的想法，二是看起来没有必胜的策略，所以如果想看这个就请忽略本文吧。
Facebook广告
因为我是做这个的，先谈谈对自动管理系统的认识：
我觉得一直存在一个误区，好像用了自动投放系统，效果就能特别好，量级又大成本又低。其实不是的，广告的效果本身是取决于产品（魔兽就是比一个不知名的MMORPG好投），其次取决于创意（美女图片ctr就是比一般产品高），自动投放系统只是控制广告的预算出价和开关，它没有能力把一个坏创意或者坏产品变成好的，它能做的，其实也只是在广告量价关系上的改善：把好创意尽量多投（高出价高预算），把坏创意尽量少投（及早关停）。
下面说正经的：
原理篇
Facebook有四种竞价方式：CPM, CPC, oCPM和CPA。前两种分别是对M（展现）和C（点击）出价，后两种都是为A（激活）出价，但结算方式不同。 从覆盖人群能力讲，CPM>CPC>oCPM>CPA，因为CPC相比CPM要做ctr的预估，这就会过滤到一批不合理的人群，oCPM与CPC同理。 通常而言，App广告主都会选择oCPM或CPA，但CPA要求广告账户有足够的安装积累为前提，因此并非一开始就可以用，所以oCPM相比而言用的最多。但题外一句，CPA对成本控制会更好。 但无论是哪种竞价方式，Facebook在内部都是会进行广告排序，然后决定对这个流量展现哪个广告，而广告排序，就必然要统一到CPM级别，CPC广告会根据预估的ctr和当前的C单价去计算一个CPM，oCPM和CPA则是要预估ctr和cvr，然后反算一个CPM。 Facebook的广告排序不仅考虑CPM（即谁的出价高），同时也要考虑广告的品质，即质量得分（relevance score），当用户Like转发品论广告时，relevance score会提高，反之当他们关闭广告时，relevance score会降低。 最终，每个广告会获得一个分数，这个分数取决于CPM和relevance score
score = CPM + a * relevance_score
当然，尽管Facebook对外暴露出的relevance score只有1-10，但它内部肯定有更详细的指标，只是我们可以把relevance score作为一个定性指标了。 从这个角度出发，提高广告曝光有两个途径：提高广告质量， 提高广告出价（无论是A,C，还是M）。 Facebook还有一个因素是daily budget，因为pacing算法的存在，daily budget其实也是对广告花费量级有影响的。
指标篇
当广告投起来后，我们就会看到展现，点击，安装，常用的几个指标：ctr, cvr, cpm, cpa, spend, roi
ctr：click/impression，点击率太低的广告，要想想素材第一眼的吸引力
cvr：install/click，转化率太低的广告，可能主要是素材和产品不匹配，用户点进去了发现不是那么回事
cpm：1000*spend/impression，其实表示你覆盖的人群类别，
cpa：成本，广告主关心问题之一
spend：花费，广告主关心问题值二
roi：(income-spend)/spend，其实就是由cpa和spend决定的
这些指标，重要的不仅是绝对值，还有相对值：
和昨天同时段的比较
通常而言，CPA在投放地域的凌晨都会很高，而量级都会很少，以东南亚为例，我们通常都是在白天看数据，那么直接比较今天和昨天的CPA并不信服，而是应该看看今天和昨天同时段的情况。同理，周末的成本也会和平时不一样，这点也需要在比较时参考。
和理论值的比较
CPA在不同投放地域的表现不同，欧美的成本就是远高于东南亚，cvr对新游戏老游戏不同，在投放地域存在基准值，可以用于判断ctr和cvr是否合理，以及素材本身是否需要改进。
看趋势
有些时候成本或量级不符合要求，我们做了某些调整，但如果只看总体的效果，一段时间后仍然不符合预期，这时候需要仔细去分析小时数据的变化，即调整后怎么样了，才能合理评估调整的效果。这里面的一个黑科技是，通常调整后的一个小时，成本都有可能飙高，所以一是不要调整太频繁，二是看3-4个小时的效果较好。
再说说绝对值的事情：
要看花费后再看CPA/ctr/cvr
花费只是几十美金的情况下，看CPA/ctr/cvr的绝对值高低参考意义不大。一定量级后再分析成本，包括离线模型也会滤除花费太少的ad。
CPM与ctr*cvr是正相关的
投出的CPM某种程度上代表了你买到的人群，抛去特定产品的因素，人群本身对游戏的转化率也是不同的，比如有些人群会更喜欢玩游戏，当然，对他们的竞争也更激烈，表现为CPM也更高。 所以这里的一个黑科技是，覆盖不同的人群，因为本质上说，CPM增加和ctr*cvr增加速率高低，决定了CPA的大小，所以如果能够在指定人群上取得增量收益，即虽然花的钱多，但ctr*cvr增加更多，你还是能够降低成本的。
设置篇
素材
做好素材，这不用多说了，原则上你素材够好，下面我写的都可以不用看了
多尝试不同的素材类型，比如轮播，视频，尤其是新广告形式刚刚上线的时候
文案意义不大，从目前的情况看，把语言搞对就行了
定向
不要在一个定向上设置多于4个创意，否则也会竞争
不要在一个地域定向里包含太多国家，除非有必要这样做（比如每个国家人群太小）
对太大的游戏设置wifi-only
设置排除app和page like
一版friend of connection没什么用
游戏性别基本就是男性，应用可以混着
受众比较有用
兴趣其实用一般都名词就好，太细了除非你有研究
。。。
保证你的受众人群不要太小，越小竞争肯定越激烈
设置
bid方法很多，我很推荐用我们的系统，简单来说，就按广告主的设置也可以，或者了解投放地域特点大致设置
daily budget 如果是应用，不要太高，如果是游戏，就看要不要量级
pause/start 创意级别开关可以的，但最好不要只看凌晨的数据
autobid: 有些时候结合daily budget可以，有些时候测试图不错，有些时候也会飞
策略工程师随想
其实最开始到RTB项目组，我们日常最花费精力的事情就是投放广告case的维护，现在想想，这应该是策略工程师的日常。
运营会反馈：“我的广告投不出去了”，“我的广告成本不行”，“我的广告花费速度比昨天慢了”，“我的广告被拒了”。。。
策略工程师的任务 第一步来说，是通过后台投放的逻辑和数据分析，去发现问题究竟出在哪里。
比如广告花费少，是因为内部排序的win\_rate低，那么是不是这个case单价过低，比如广告内部win\_rate不低，但在Ad Exchange上的win\_rate低，那么对比几天，看看是不是有土豪对手在竞价。。。再比如成本相差大，看看是不是ctr预估不准，是离线的问题，能不能加在线的因素控制，是在线的问题，看看会不会是时间窗口问题。。。
第二步，是根据发现的情况，给运营建议。因为在RTB投放里，运营看到的是一个黑盒系统，策略工程师实现系统，他可以了解问题出在哪里。
比如是创意不行，还是出价过低，定向人群过少，或者其它的一些设置不合理（初始探测预算较小），也有可能问题是系统本身的问题，简单说是bug，复杂说可能是系统现在的局限。比如新创意没有保护，是否考虑保护一段时间，至少让它有一定的展现，万一是ctr, cvr很高的case呢
第三步，是总结常见的问题，进行系统改进。策略工程师相比运营更加理性，同时可以了解更多运营的通用需求，这种情况下，去总结问题，将它变成策略。 策略要注意的是实验，条件允许的情况下，总要通过A/B测试去确定策略是否合理。 策略同样要注意case by case的特点，广告主的诉求彼此不同，通常在投放的不同阶段也不会相同，所以策略总是有使用条件的，甚至有些时候，为特定广告主特定调整参数，也是完全可能的。
第四步，和前三步不同，那就是问题未必来自运营的直接反馈，而是自己的主动发现。 广告的核心问题，就是量级和成本的关系。我们总是希望用少的成本，同时获取高的量级。
当然它们本身是矛盾的，但总有一个平衡点，比如广告的动态出价，依赖当前广告的实际成本，去反馈不一样的出价，当前成本高了，实际出价低些，反之高些
这些大概都是两年以前在RTB项目组做项目的体会，现在居然还有不少印象。我在RTB项目组只呆了半年的时间，后来新成立Facebook项目组，我是从零开始的参与，事情类别多了很多，比如要先开始搭广告管理和统计的服务，研究Facebook API，后来又做数据支持和应用，但很大一部分工作，仍然是在策略上。 Facebook的模式和RTB不太一样，RTB是对每个流量竞价，你有个内部广告库，要过滤后排序，然后给出一个流量的绝对出价；Facebook你看不到每个流量，也不需要你对广告自己做排序，但要你为每个定向决定出价。从模式上说，Facebook很像做SEO，从技术上说，Facebook模式里，我们扮演的是RTB运营的角色，内部广告系统对我们是黑盒，我们要决定该怎么参与其中。 关于Facebook投放中的一些指标，在上面已经提了，总体而言，因为Facebook的黑盒特点，策略工程师的事情更不容易做，但我也在想办法更好的去理解它。