一文读懂互联网产品商业化
-
-
木瓜 这家伙很懒，还没有设置简介...
0 人点赞了该文章 · 35 浏览
笔者结合自身工作经验，以什么是产品商业化内容为切入点，深入分析梳理互联网产品商业化的基本逻辑，与大家分享。
商业产品和用户产品是产品经理的两大方向，其产品逻辑明显不同。我有幸在生活了近1亿天的产品的用户端和商业化端工作。用户的一些方法已经在社区中讨论过了。我会根据个人的工作经验，梳理互联网产品商业化的基本逻辑。希望大家看完都能有所收获。
一、什么是产品商业化
商业化的本质是流量的实现。一般来说，做产品的最终目的是赚钱。提供产品价值吸引用户，同时实现用户流量，是一种交换关系。很多用户不喜欢商业化，从个人体验来看可以理解，但从可持续性的角度来看就不合理了。只有盈利了，企业才有动力做出好的产品。
tyle=”font-family: font-regular, ‘Helvetica Neue’, sans-serif; font-size: 16px; margin-bottom: 1.7em; outline: 0px; vertical-align: baseline; overflow-wrap: break-word; word-break: normal; line-height: 1.8; color: #121212; white-space: normal; background-color: #ffffff; border: 0px initial initial;”>产品商业化的基本模式包括广告、电商、游戏、直播等，其中广告是最为主流的商业化模式。
这里以抖音、快手为例，2019年，抖音的广告收入占比约为80%，快手则相对较低，广告收入占比为27%。
但是两年过去了，根据快手发布的2021一季度财报，快手一季度广告收入为 86 亿元人民币，占比已经上升到50.3%，这个变化是值得关注的。
另外和大家常识可能不太相符的是：拼多多的广告收入占其总收入的80%左右，而电商的收入不到20%。
当然，产品商业化的程度和其生命周期以及公司核心战略相关。
一般而言，在引入期和成长期，产品的核心目标是打磨用户体验，快速的拉新增长，这时不宜做过度的商业化。但是在成熟期，产品最需要关注的指标就是变现和留存（做变现是为了提升ARPU值，做留存是为了延长用户生命周期，单用户价值 = ARPU值 * 生命周期）。当然，市场上还是存在一部分小而美的成熟公司，商业化程度相对克制一些（如豆瓣），这是比较少见的（创始人的态度，外加没有上市压力）。
二、广告的基本逻辑
正如我们上文所说，对于大部分互联网产品，广告都是最主要的商业化变现模式。
这里我们先简单讲下广告的基本逻辑：
1. 广告的基本分类
广告有多种分类维度，如广告目的、展现形式、计费方式等，这里只从广告目的出发，讲一讲品牌广告和效果广告。品牌广告的目的是通过大量的曝光增强品牌心智，基本的承载形式是开屏广告和头图；效果广告的目的是吸引点击，产生消费或转化，基本的承载形式是信息流广告。
2. 互联网广告的发展历程
互联网广告的发展历程大体可以分为三个阶段（总体而言，广告的不同呈现形式是由技术的发展决定的，伴随着互联网产品的变迁而变迁），分别是：
门户网站广告，基本的承载形式是banner和文字链（参见网易）。 搜索广告，基本的承载形式的query词购买和联想广告（参见百度）。 信息流广告，基本承载形式是图文、视频、topview等（参见今日头条）。
3. 广告的计费方式
计费方式也是划分广告类型的一种特征，不同的计费方式往往反映着广告主的不同诉求，目前市场上主要的计费方式如下：
按千次展示付费（Cost per Mille,CPM）：即按照千次展示结算。这种方式是媒体与广告主约定好千次展示的计费标准，至于这些展示是否能够带来相应的收益，需要由广告主来评估。大多数的开屏广告、片头广告等，都是这种计费方式。 按点击付费（Cost per Click, CPC）：即按点击结算，用户产生一次点击，对广告主实时扣费，cpc结算在在效果类广告市场中具有接近垄断的地位。 按转化付费（Cost-per-Action）：根据广告最终投放的效果，即回应或激活的数量收费，而不是广告的投放量。按转化付费，其中，cpd（cost – per- download）是cpa计费的一种重要方式。 按时间付费（cost per time）结算，这是针对大品牌广告主特定的广告活动，将某个广告位以独占式方式交给某广告主，并按独占的时间段收取费用的方式，这类大广告主财大气粗，其中多数传统采买都是按天结算（CPD,Cost-per-Day）的。三、现代广告的基本形式 —— 计算广告
1. 广告的参与主体和计算广告的由来
了解了广告的基本概念，给大家分享一下目前互联网广告的新形态 —— 计算广告。
广告是种自古有之的交易模式，这种交易模式下由三个主体，分别是需求方（广告主）、供给方（媒体侧），和受众，这三个主体有各自的诉求，三者的利益博弈推动了广告活动的向前发展。
广告主的诉求：希望能找到最有价值的目标用户，在固定广告预算下获得最大收益。广告界里有一个哥德巴赫猜想，“我知道我的广告费有一半都被浪费掉，但就是不知道哪一半。”这是广告主最大的痛点。 媒体侧的诉求：待价而沽，现有的流量如何卖出最高的价钱？ 对于用户：如果广告无可避免，请给我最有价值（如时效性强、相关性强）的广告。
因此，用数学的方式来表达，我们进行广告活动，实际上就是期望：
这里的i代表从第1次到第T次之间的某一次广告展示。核心目标就是最大化T次展示上的总收入（r）与总成本（q）的差，即广告活动的利润。根据我们上文所说的三个主体（a —广告主 ， u — 用户，c — 广告主），可以进一步细化公式，如下：
这个公式很简单、也很优雅，但是这个最优解问题在过去很难解决。
随着数据科学的发展，尤其是定向技术和计算交易的出现，一切才成为可能。
2. 计算广告的基本流程
这里为了便于大家理解，我不直接讲机械的广告计算流程，而是以QQ浏览器为例，讲述一个信息流广告如何产生的全过程。
可以看到，当我打开QQ浏览器时，首次刷新的第5位是唯品会的广告，恰好我最近有买衣服的需求，点击了该广告，QQ浏览器以deeplink的形式拉起了唯品会，我在唯品会里进行了浏览消费。
上述过程是可见的，也只是冰山一角。
那么冰山下的的整体流程是怎么样的呢？
首先，当我浏览QQ浏览器时，QQ浏览器的客户端会向其广告服务端发起广告请求，发起广告请求的同时会携带大量的用户信息参数（主要包括用户画像数据、设备信息、用户行为数据、场景数据、广告位数据等）。 广告服务端将上述数据透传至SSP（SSP就是所谓的供给方的平台，ssp连接着不同的媒体，做统一的流量分配），SSP再将数据上传至ADX平台（ADX就是所谓的广告交易平台）。 ADX平台是供给方（SSP）和需求方（DSP，需求方平台，大大小小广告主所在的平台）的交易平台，将SSP发起的广告展示请求和DSP发起的广告竞价请求进行匹配，完成竞价。 完成竞价后，将获胜的广告主素材以及相关信息参数下发给QQ浏览器服务端，服务端再透传给客户端，完成广告展示。 当用户点击时，客户端对广告监测链接中的部分参数进行宏替换，作为监测付费的依据。
整个竞价流程有几个关键点，如下：
1）用户信息
用户信息越多、越全。定向的准确性就越高，这就是为什么腾讯的广点通、头条的穿山甲计算效率那么高，因为他们有海量的用户数据（想想你手机里有多少腾讯系的app？），并整合多方数据源，形成了一套完整的用户标签体系（DMP，数据管理平台）。
2）关于SSP和DSP
SSP和DSP都是平台性质的产物，对于大公司而言，旗下的媒体众多，为了统一管理流量，增加计算效率，往往会建立供给方平台；而对于广告主而言，加入DSP平台也能有机会获得更多优质的流量，这两者的核心目标都是为了提升效率。
3）关于ADX竞价机制
不同的广告主在ADX进行竞价，这里ADX会计算不同广告的千次展示期望收入（expected Cost Per Mille, eCPM）作为衡量指标。ecpm高者得到本次广告曝光的机会。
eCPM= 预估点击率*点击价值
点击价值（click value），即单次点击为广告产品带来的收益。在CPC结算的广告产品中，eCPM可以表示成点击率和出价的乘积：
ecpm = CTR * bidCPC
该公式同时考虑了点击率和广告主的出价这两大变量，避免出现广告主出价虽高，赢得了竞价，但是无人点击，媒体也没有收入的窘况。
这种计算方式是由google率先发明的。
我们继续拆分，如何精确的计算出ecpm呢？
首先，广告主的出价是已知的东西，问题就转换为如何获得精确的预估点击率——这就属于机器学习的预测问题。通过获取广告特征和用户特征，进行特征工程和模型训练，最终能达到根据特定的特征算出对应的预估点击率的效果。这里大家可以参考科大讯飞预测点击率的比赛代码，贴上冠军大佬知乎文章和的github：
https://zhuanlan.zhihu.com/p/47807544
https://github.com/bettenW/2018-iFLYTEK-Marketing-Algorithms-Competition-Finals-Rank1/blob/master/README.md
四、互联网广告的优化逻辑
最后一部分，我们讲一讲互联网广告的优化逻辑，这也是日常工作中涉及最多的部分，大多情况我们不需要从0开始造轮子，而是在已有的体系上不断优化。
广告的优化分为两个方面，分别是广告收入优化和广告体验。
收入不必多说，这里值得注意的是体验——只有保证一定的广告体验，才能可持续的发展，而不是竭泽而渔。
1. 广告收入优化
首先要拆解收入，这里以信息流广告为例（其他广告的计算方式和信息流广告大同小异）：
广告收入 = 广告曝光 * 点击率 * 点击单价
继续拆分：
广告曝光 = 产品日活 * 人均刷次 * 每刷次广告条数 *pvr（每刷广告请求率） * 广告返回率 *曝光率
综上，可得：
广告收入 = 产品日活 * 人均刷次 *每刷次广告条数 *pvr（每刷广告请求率） * 广告返回率 *曝光率 *点击率* 点击单价
这确实是一个很复杂的公式。想要优化收入，就要从公式的各个变量入手，整条链路逐一优化。
要说明的是：拆分漏斗的思维是互联网最重要的思维之一，相比大家有所体会。
先来看产品日活和人均刷次，这个需要产品侧不断优化，提升日货和用户的消费数据，这里不加赘述，这是用户产品的课题。 每刷次广告条数是指用户刷新一次最多能出几条广告，这个值直接决定产品的adload，需要媒体侧和商业化侧达成一致。 PVR 和 竞价返回率，PVR是每刷次的广告请求率，这个值要尽量逼近100%，如果PVR较低，可能是广告请求的时机存在问题。竞价返回率是指媒体侧发出广告请求后，能竞价成功获得广告返回的概率。竞价返回率是由媒体侧的流量价值和广告主数量共同决定的，一般而言，流量价值短时期内不太会发生变化，所以需要引入更多的广告主，接入第三方DSP等。 曝光率，曝光率是指成功返回的广告中有多少成功曝光了，曝光率与广告素材的加载时间，广告位置相关。比较通用的技巧就是对广告素材，尤其是视频类的广告素材做预加载，或者提升广告位置。 点击率，点击率反映了广告素材对用户的吸引程度，除了提升定向准确性之外，还需要优化广告素材，创新广告形式（如按钮动效、topview形式）等，广告素材优化有单独的一个领域。 CPC，CPC就是广告主出价，广告主的出价对产品而言是个黑盒，但是可以明确和后向的转化链路有关，即广告 “曝光 → 点击 → 下载 → 安装 → 激活”全链路。后向的转化率越高，广告主的出价也就越好。比如说针对下载成功率优化，首先可以分析下载错误代码，确定失败原因，通过断点续传优化、预约下载解决网络问题；通过引导用户空间清理解决空间大小不足的问；通过缩小安装包体、双wifi加速等方案解决下载时间过长的问题。2. 广告体验优化
广告体验也是产品商业化必须关注的另一层面，因为体验往往是个主观的东西，所以首先需要找到可以量化体验的指标，这样后续的优化才可衡量。
关于广告体验，主要关注如下指标：
1）adload
首先是adload。
adload = 广告曝光 / （广告曝光 + 内容曝光）
如果adload过高，用户就会觉得整个产品充斥着广告，一般而言，adload维持在10%是比较合理的，当然同时也要参考竞品的情况。
2）广告质量
和内容一样，针对广告素材也必须要有完整的审核体系，从广告主、广告标题、广告文案、广告素材、广告样式等不同指标进行打分，将广告划分为S级、A级、B级、C级等不同等级，监控整体曝光中不同等级广告的曝光占比，就能对整体的广告质量心中有数。
3）广告重复度
重复广告也是用户经常吐槽的点，想象一下，当你使用一款产品时，所有广告都是抖音，这绝对会让你抓狂。而且如果用户已经看到了一个广告而未点击，你给他大量推送相同广告大概率也不会点击，从效率上来说也是不合适的。
关于定义重复广告，广告重复度从高到底有三个维度，首先是相同广告，即广告素材完全一致；其次是相似广告，即同一广告主，但是素材不一样；最后是同行业的广告，比如抖音和快手，都属于短视频行业。
一般而言，在用户一个刷次内不能出现相同广告，一个session内不能出现相似广告，至于同行业广告，因为现在广告主市场头部效应很明显，财大气粗的就那几家，所以较难控制。
商业化产品需要配合算法同学，基于频控策略、相似性模型解决问题
4）用户负反馈率
一般而言，广告都会有负反馈的按钮，只有用户对广告非常不满意才会点击，因此负反馈率是红线指标，而对于那些点了负反馈的用户，应当少出广告，甚至是在一段时间内不出广告，否则很容易流失。
以上就是互联网产品商业化的一些基本逻辑，包括广告的基本概念、计算广告的流程以及广告的优化思路，篇幅所限，整体内容相对简单，大家如果对产品商业化感兴趣，可以详细阅读参考文献中的书籍。
参考文献：
《抖音vs快手深度复盘与前瞻 ——短视频130页分析框架》 方正证券 《国内互联网公司全年广告营收情况》中国18大互联网公司广告收入榜（2020年全年）丨Morketing榜单 《计算广告- 互联网商业变现的市场与技术》 刘鹏 《程序化广告实战》吴俊 《程序化广告 – 个性化精准投放实用手册》梁丽丽作者：carmanzzz
