效果广告防超投策略

　　效果广告投放的过程中，如果遇到广告超投的问题，不仅会造成广告主对分配预算、把控投放节奏的困扰，同时也会让广告主对平台的可靠性产生质疑。面对这种情况，产品经理应该提前做好哪些防范措施呢？
　　在效果广告投放的过程之中，经常会遇到广告超投的问题，例如200元的一个广告组，可能实际花费230元。如果这种超投的广告组比较多，金额又不较大，就会造成广告主对分配预算、把控投放节奏的困扰，同时也会让广告主对平台的可靠性产生质疑。
　　面对这种情况，产品经理要怎么解决呢？
　　我们先来看下广告为什么会超投。
　　以CPM出价投放的广告为例，当广告计费已达限额被通知下线前，粗略的讲广告需要经历请求、检索、筛选、排序返回、曝光，5个阶段。中间的时间差，会导致广告下线指令已发出，但已被检索下发的余量部分，无法终止投放，依然会因为被展示而产生扣费。流量越大，请求并发量越高，超投现象就越显著。
　　图：以CPM出价计费为例的广告投放及计费过程
　　面对广告超投的情况，常用的策略的有哪些呢？我们来逐一说明：
　　一、缩短结算发出下线指令到下线广告之间的时间间隔
　　从上文可以看出，广告超投的主要原因是因为有一个时间差，广告下线指令与广告实际下线的时间差。这个时间差越长，就会导致这个时间段中间下发的广告越多，广告超投的金额就越大。解决这个问题，可以通过技术手段优化程序的处理速度，最大限度的减少时间差。
　　但是，由于检索广告等系列动作是先发生于广告下线指令的，所以，极端的说就算技术将结算发出下线指令到下线广告之间的时间间隔缩减到＂0＂，也无法完全有效的避免广告超投情况。
　　业界主流的做法是通过流量控制来达到减少超投的目的。我们来详细看下
　　二、减少下线指令发出前广告被检索的数量，即流量控制
　　流量控制的主要目的是，当账户余额较低时放慢该账户下广告的投放速度，减少下线指令发出前广告被检索的数量。这个方法可以大幅度的控制超投情况。一般进行流控的集中方法：
　　1. 概率算法策略-根据消耗比例降低被检索出来的比例
　　概率算法是一种比较简单的算法，由广告策略产品经理制定，根据实际消耗占目标消耗（限额）的比例，确定广告被检索的概率。当实际消耗快逐渐接近目标消耗时，广告被检索的概率逐步降低。以此减少下线指令发出前广告被检索的数量。
　　优点：对算法的要求相对简单，人员成本较低，小公司也可以实现，并且有相当有效的作用。可以在很大程度上减少超投现象
　　缺点：控制过程粒度较大，容易造成广告预算不够平滑，前期消耗很快，后期消耗很慢。只能解决超投的问题，但是无法帮助广告主优化投放效果
　　2. Pid算法策略-控制投放速度
　　Pid算法，是比例Proportion、积分Integral、导数微分Derivative首字母的简称。pid算法是一种非常经典的且应用广泛的控制算法，最早被应用在自动化控制领用，从对一个小元件的温度控制，到对一架无人机的飞行路径、飞行速度的设计，pid算法都可以发挥作用。
　　Pid算法的原理，主要是依据实时的投放反馈数据，来动态运用比例、积分、微分手段及胜率的预测，控制投放速度的均匀稳定。PID控制的基础是比例控制；积分控制可消除稳态误差，但可能会增加超调；微分控制可加快大惯性系统响应速度及减弱超调趋势。运用＂傅立叶变换＂将流量波动波形及投放进度波形进行数学拟合的基础上来做预测。
　　图：Pid算法示意图
　　概念没听懂没关系，咱们来看看这个算法有啥好处和不足。
　　优点：引入Pid算法后，对广告消耗速度的控制更加的细腻，不会出现到临界点突然展示机会瞬间大幅度变化的情况。对广告超投有非常大的帮助，可以拉长广告的投放时间，帮助广告预算在投放时间内，根据需求均匀的消耗掉预算，减少流量过大广告预算极端时间内就被消耗殆尽的情况。
　　缺点：需要比较强大的算法团队和大数据团队。无法根据流量的变化动态调整投放速度，有可能使高价的广告主过早的退出竞价市场，不利于平台整体收入的最大化
　　3. Pacing算法策略-控制预算平滑消耗
　　Pacing算法简单的说，是根据历史流量占比预估预算分配，使广告覆盖的有效用户尽可能的多。具体做法是在算法中引进广告排序参数，参与传递率PTR，通过rt 智能步调调整消耗速度，使消耗根据流量的变化同比消耗。目标是使消耗分布曲线无限接近流量分布。
　　传统竞价算法的问题：在预算有限时非最佳
　　简单的第二竞价会使高ecpm客户快速消耗完，并退出竞价，对广告位及媒体都不好。它试图在每个机会独立于其他拍卖机会而达到最大化收入。
　　①表现好的广告，竞猜过快消耗完预算。很早便退出市场：
　　I、随着广告的退出，市场竞争就会减少。在第二竞价拍卖机制中，竞争减少将导致收入下降；
　　II、定向要求宽泛的投放有可能大量抢占某一竞争激烈的定向流量，导致定向要求严苛的投放无法消耗。从而收入下降；
　　III、广告在他们的目标细分受众中将会得到一个倾斜的表现。即受众分布不均；
　　②这种方式延迟最新的消耗信息的可用性，从而导致超投，进而造成盈利损失。即请求与实际消耗之间的时间差导致的超投；
　　budget pacing算法的优点：
　　算法的主要思想是：根据整体的流量及交易情况分配展示。旨在一天时间内平均分配每个广告投放的展示次数。
　　①对于每个广告系列，我们都可以获得白天可见的曝光流量模式的预测，根据预测，我们可以确定一个预算分配计划。此分配计划是根据投放的预算与预测的可靠流量根据比例确定的。
　　②在运行时，我们会密切监控每个广告系列的广告投放量，如果这个投放的消耗比分配快，我们将调低他们的展示概率，不允许他们参与某些竞价。
　　算法实践：
　　三、调整计价策略，将计价时机提前
　　通过以上的分析，我们可以看出，广告超投的主要原因是由于广告广告下线通知比广告下发要晚。如果广告在快到达预算前，就可以预测到需要下发的广告量，是否就可以彻底解决广告超投问题？
　　答案是，是的。只要预扣费达到预算就会显示接近预算状态，已经接近预算状态的广告不再有新的广告下发，依靠前面下发的余量来完成预算的消费。此时预扣费只是预估的消费，并没有真实发。
　　优点：可以从根源解决广告超投问题；
　　缺点：需要可以准备的预估广告的曝光率，负责曝光前就提前扣费有可能会造成广告主的损失。非成熟体系，建议谨慎。
　　四、平台系统后台控制
　　上面提到的策略都是通过技术手段来实现广告防超投的控制。除了技术手段，我们还可以通过后台的一些控制来减少这种情况，例如：
　　最小预算不能低于一个数值，比如50。因为预算越小，算法可以发挥的调节作用就越小；
　　建议广告主不要频繁修改出价和预算。不仅会破坏算法的训练过程，而且在出价和预算的过程中会造成算法调整的一段盲区，导致超投；
　　当广告主调小预算时，设置一个限制，比如，如果即时生效，则调整的预算下限需要大于消耗金额的某个值。或者直接调小金额第二天生效；
　　超投不计费等；
　　以上，是对效果广告防超投策略的一些理解和实践，如有不到位的地方欢迎大家一起讨论。