广告系统设计(摘自简书：二哈很冷很傲娇)
本文讲解广告系统设计的一些内容技巧，摘自简书——二哈很冷很傲娇原文链接点这里
第一部分
广告系统，是与产品并驾齐驱的，也是产品商业化的必要条件，每个人都有在使用产品过程中或多或少见到过广告，那么这些广告是如何产生，如何展现到用户面前的呢？下面咱们就来说说广告系统的设计。
一个常规的广告系统，从框架来说应该包含以下几个基本模块：
a、客户端（你看到广告的位置）
b、广告服务器（含第三方，和客户端交互广告数据）
c、广告编辑后台（配置广告素材的地方）
d、日志服务器（存放广告日志信息的地方，包含查询后台
1、客户端
客户端主要是用户看到广告的位置，也是唯一一个与用户有交互的模块，主要包含以下几个元素。
1.1 位置：开机页、首页顶部、侧边栏、详情页底部等
1.2 类型：弹窗、推送、信息流、轮播图、banner等
1.3 交互：自动消失、手动关闭、点击跳转等
1.4 素材：文本、静态图片、动画、音频、视频等
1.5 时机：在什么时候出现，由什么行为触发等
1.6 频次：长期展示、不定期出现等
2、广告服务器
这个模块主要是由技术主导，性能为最重要指标。主要是逻辑判断处理，以及跟客户端进行数据交互。
2.1 广告服务器：主要由http请求、接口、redis、数据库等组成，一般由客户端向服务器发起请求（也有保持长连接，服务端进行Push的形式进行），服务端根据请求中的参数（比如uid、IMEI、地域等），通过接口返回对应的广告数据。
2.2 第三方广告服务（API/SDK）：按字面意思，就是直接上第三方获取广告数据，分为API（第三方提供定义好的接口规则，直接传递参数进行获取数据即可，由客户端或者服务端对接）、SDK（第三方提供一套完整解决方案，需要嵌入客户端，由客户端直接对接）两种方式，前者优点是相对可控，且无需发版，进度快；后者更依赖于第三方服务，需要客户端发版覆盖，进度稍慢，但开发量较小。
3、广告编辑后台
该模块主要是用于运营编辑去配置所需要的广告素材，以及投放条件，并将数据录入到数据库。（这里主要说和业务有关的东西，比如一般后台的用户管理、菜单管理之类的不做说明）
3.1 广告位：对应客户端展示的广告位
3.2 广告素材：文本、静态图片、动画、音频、视频等
3.3 落地页：用户点击广告后跳转的类型，比如H5还是原生的某个页面
3.4 投放条件：人口属性（性别、年龄等）、设备属性（地域、机型等）、应用属性（某个版本、某个渠道等）、标签属性（游戏用户、金融用户等）、用户属性（沉默、高频用户等），其中设备、应用属性都是直采且采样率极高，其他部分属性均需要进一步处理才能获得，属于用户画像方向的工作，这里暂不做详述
3.5 投放方式：CPT（按天起止）、CPM（按曝光起止）、CPC（按点击起止）等，本身这个指的是结算方式，但是用于广告投放配置也可
3.6 生效时间：广告配置的生效时间点，一般会在凌晨进行更新（压力小），但是对于比如电商秒杀活动之类的需要做到更即时。
3.7 统计ID：一般来说每条广告都会有唯一的统计ID，作为日志统计的标识，便于数据监控及优化
4、日志服务器（包含查询后台）
该模块主要存放客户端或服务端的日志，一般存放原始日志或者进行部分预处理，但是原日志数据量过大，需要定时备份、删除老旧的日志文件。
4.1 日志服务：存放、预处理日志
4.2 查询方式：一般按照需要的查询条件（时间段、统计ID、应用参数等）进行数据输出
4.3 可视化界面：针对需要长期监控的数据，需要查询后台支持图表的形式输出
4.4 日报周报：按照预先定义好的数据查询条件，进行按天、按周输出（一般以邮件形式进行）
第二部分
上一篇中，二哈简单的介绍了一下广告系统的整体架构，如果掌握的话，基本就可以搭建出一个完整的广告系统啦！
那么问题来了，广告系统搭出来是为了挣钱的，怎么才能挣更多的钱呢？这里就要说到广告流量提升的问题了。
1、广告指标拆解（暂不讨论成本）
下面来看几个简单的公式：
收入=广告流量*转化率
广告流量=产品用户数广告展示率广告点击率
那么最终得到：
收入=产品用户数广告展示率广告点击率*转化率
产品用户数：每天启动/打开产品的用户数
广告展示率：广告展示用户数/产品用户数
广告点击率：广告点击用户数/广告展示用户数
转化率：这个是最不好理解的地方，其实不同广告业务的定义是不一样的。如果只是单一的流量变现广告，且考核指标为CPC的话，那么转化率≈1；如果是增值、会员业务的话，那么转化率=付费用户数/广告点击用户数
到这里就完了吗？NONONO，对于互联网产品来说，挣钱的广告可不止一个哟！所以公式还可以拆解为：
收入=产品用户数（A广告展示率A广告点击率A转化率+B广告展示率B广告点击率*B转化率+……）
对了，额外说一下，相信大家都知道常规广告的投放形式（CPC、CPT、CPM、CPA等等），不同的投放形式对收入的考核也是不一样的。
CPC：按点击考核，故收入=产品用户数广告展示率广告点击率
CPT/CPM：按展示天数/次数考核，故收入=产品用户数*广告展示率
CPA：按行为（可以是注册、评论、付费等等）考核，故收入=产品用户数广告展示率广告点击率*行为转化率
以上是整体广告指标的拆分说明，其中转化率与广告业务密切相关，一般也由专门的业务部门负责，故本次不详述，重点来说说——广告流量。
2、广告流量提升
从上面可以知道，广告流量=产品用户数广告展示率广告点击率
那么要提升流量，只要提升这三个变量就好啦。
2.1、产品用户数（一般称为日活）
日活往往是一个产品的核心指标，对于日活的提升方法可能比流量的提升方法还要多，这里不详述，简单拆解指标如下：
产品用户数=新增用户+留存用户+回流用户=新增用户+之前的新增用户留存率+流失用户召回率
2.1.1、增加新增用户
2.1.2、提升留存率
2.1.3、提升流失召回率
2.2、广告展示率（展示/日活）
广告展示率主要反映的是广告的前端设计逻辑。按照经验来看，这个是提升流量最快捷的方式，但也是最容易引起用户反馈的方式，主要手段如下：
2.2.1、增加广告位：1个广告位变成2个广告位……
2.2.2、提升广告的页面层级：从3级页面变成2级页面，从底部变成顶部，从详情页变成默认页等
2.2.3、提升展示频次：比如之前启动时展示的插屏，从前后台切换时再展示一次；之前的静态广告变成轮播广告等
2.3、广告点击率（点击/展示）
广告点击率主要反映的是用户对广告的喜好程度，不过也有一定程度的误点击（骗点击）。优化点击率是一门细活，能做的方面非常多。
2.3.1、素材优化：说白了就是利用人性的弱点（主要是贪婪、色欲、猎奇）去制作一些具有诱惑力的素材，从经验上来讲，折扣、红包、美女、反常理的素材点击率普遍较高
2.3.2、增加效果：增加红点、动态效果等，这种提升效果很明显，但是要克制，频繁使用会导致用户免疫2.
2.3.3、提升关联：提升和用户的关联度，比如“同城”，或者有用户认知的元素比如“认识的人”，“买过的东西”等
2.3.4、迎合喜好：主要是个性化推荐方面的工作，通过分析用户历史数据，建立用户画像（标签），通过协同过滤等方式对不同的用户推荐不同的广告（关于协同过滤、用户画像也是一门大学问，有时间详细讲述）
2.3.5、结合场景：在合适的时间或合适的地点展示合适的广告，比如冬天来临之际羽绒服一定比短袖更好，比如晚上推直播比中午推更好（因为很多用户中午都在公司或外出）
2.3.6、结合行为：在用户某个前置行为后展示广告，比如在用户使用某个功能时，提示会员付费即可使用，结合用户的需求来展示解决需求的广告，点击率一定高于纯展示类
2.3.7、提升误点：比如弹窗广告从点击按钮变成全弹窗可点，插屏广告跳过按钮点击区域比实际要小（该类策略不推荐）
3、用户体验的平衡
有广告就有反馈，哪里有压迫就有战争，这是难以避免的，所以和用户体验的平衡也是流量提升的必经之路。商业产品和用户产品相爱相杀也不是一两天的事情了，那么怎么才能解决这个矛盾呢？
其实广告和内容一样，当需要的用户看见需要的东西时，用户不会感到反感甚至是愉悦的。这也反映出广告投放变化趋势：考核展示量——考核流量——考核有效流量。其中与有效流量对立的无效流量，就是平衡用户体验的核心。
无效流量特征：
重复展示：对单一用户频繁，甚至用户已经产生了有效行为（点击、转化等）
无价值：对单一用户无需求
3.1、重复展示问题
3.1.1、对于长时间展示无操作，考虑更换广告内容、减少展示频次或不展示
3.1.2、对于已经产生有效行为，考虑更换广告内容或不展示
3.2、无价值问题
解决这个问题的核心在于如何判断广告对用户无价值
3.2.1、增加关闭按钮：若用户主动关闭X次，考虑减少展示频次或不展示
3.2.2、直接用户反馈：考虑减少展示频次或不展示
3.2.3、分析用户需求：通过机器学习方法建立用户模型，分析判断用户喜好，考虑针对性投放/更换广告
以上是根据实际工作经验整理，当然二哈也没有很好的处理商业化和用户体验之间的关系，写出来也是和大家分享经验，共同讨论。
额外说一下，其实在大多数情况下均是明知到会伤害用户，但为了公司运转商业化是不可避免的，而这个时候又没有精力来做以上问题的分析，怎么办呢？
这个时候可以粗暴的引入用户价值来思考，比如单个用户原ARPU是X元，原日活是M，增加广告之后贡献的ARPU是Y元，但是日活降低到N，总价值P=YN-XM，若P为正，那么增加该广告是值得的。（但实际上这个公式并没有这么简单，比如若M-N，主要影响的是核心用户就得不偿失了，所以需要不断的测算，形成合理评估模型）
这里有个很经典的例子（广告-体验正循环）：
在展示率、点击率不变，且要求收入提升的情况下，用户体验越好——用户数越多——广告越值钱——适当减少广告——用户体验越好
但反过来，也是成立的（广告-体验负循环）：
在展示率、点击率不变，且要求收入提升的情况下，用户体验越差——用户数越少——广告越不值钱——适当增加广告——用户体验越差
所有的产品都希望走上正循环，但往往误入歧途，进入负循环。
所以作为商业产品，一定要设置不可逾越的底线，一旦超过了这个底线，那么离负循环肯定不远了。
第三部分
上一篇中，二哈讲述了广告业务的流量提升，在讲述提升广告点击率的时候，提到了迎合用户喜好的概念，本篇就来说说如何迎合用户喜好吧~
用户和广告交互的全过程可以表述为：看见广告—对素材产生兴趣—点击广告—对内容产生兴趣—消费广告。
注意，这里的广告泛指一切商业化行为，包括且不限于广告、直播、游戏、增值服务、会员业务等。
所以个性化推荐的重点为：
a、让用户看到喜欢的素材（核心指标为CTR，点击率）
b、点击后看见喜欢的内容（核心指标为后续转化率，比如会员则是付费率，应用广告则是安装率）
c、素材和内容之间保持相关性（核心指标为跳出率）
1、让用户看到喜欢的素材
虽然在上一篇中说到素材优化的点（诱惑性），但是每个人的兴趣点实际是千差万别的。就好比“吃鸡”这个词语，对于20岁的人和40岁的人来说，意义完全不一样。下面来详细介绍一下几种实操方法：
1.1、对比测试法
1.1.1、对于相同的一群用户，随机分为两个组别，一个组投放A素材，另一个组投放B素材，如果CTR（A）>CTR（B），那么A要优于B，以后是不是投放A就好啦？但是投着投着发现，点击率慢慢下降，这是为什么呢？因为长期不变的素材对于用户的吸引力变弱了（用户已经有了清楚的预期），该换新的素材了！
1.1.2、由编辑不断产出新的素材，同时上线多轮素材测试投放，选出最好的持续投放几天，再进行新的测试。慢慢的点击率保持稳定上升了，但是上升幅度慢慢变小，评估效果工作量也越来越大，这下该怎么办呢？其实交给电脑就好了。
1.1.3、素材优化系统开始搭建，包含素材库、统计服务、投放服务等。由编辑手动录入大量素材，配置好对应的广告位，初始时由服务端将大量素材平均分配给随机用户，一段时间后计算每个素材的CTR，进行权重更新，CTR高的素材占更大的权重，CTR低的素材占更小的权重，另外留一部分权重给新录入的素材，引入时间衰减函数，若长时间表现不好的素材，直接淘汰掉，编辑同学参照CTR最高的那些素材进行新的设计。
经过以上三步，CTR应该能提升100%以上（工作经验），但你会发现，很快就会到达天花板，因为这里有两个因素的问题：1、每个人被当做相同的个体；2、设计素材的能力。
那么怎么才能继续提升呢？进入下一个方法。
1.2、协同过滤法
设计素材的能力短期内无法提升的话，我只要把每个人当做不同个体来衡量就好啦，那么点击率就变成了CTR1、CTR2、CTR3……这里就需要开始引入协同过滤的概念了。
1.2.1、协同过滤（主要有两个方向）：
基于物品（内容）推荐：比如你喜欢A，通过A的特征找到B和A很相似，C和A不相似，那么更倾向于给你推荐B
基于用户推荐：比如你喜欢A，他也喜欢A，通过你和他的共同特征（喜欢A），认为你和他相似，如果他还喜欢B，那么更倾向于给你推荐B
1.2.2、操作步骤为：选取推荐方法——对用户/物品打标签——计算相似度——产生推荐结果——测试结果修正算法
a、选取推荐方法：主要看数据是否丰富，如果用户特征丰富，那么选择基于用户，反之选择基于物品；
b、对用户/物品打标签：用户标签在用户画像的文章中有提到，想了解的可以看一下，物品的话以广告为例，可以分为类型（游戏、体育、财经）、载体（图片、文字）、内容（人、动物）、风格（可爱、成熟）等等，以及分配各标签的权重；
c、计算相似度：对每个用户/物品进行向量化，每个标签就是一维向量，最终计算的其实就是n维向量的相似度，常用方法有余弦相似度、欧式距离等（这里不详述）；
d、产生推荐结果：C用户喜欢A，且A和B相似（以基于物品为例）
c、测试结果修正算法：将B投放给C用户，若效果不理想，主要考虑优化标签和权重。
经过以上两步，CTR应该能再提升30%以上（工作经验），主要限制提升率的因素在于标签库的丰富程度，实际工作中，尤其是广告业务，能拿到的有效标签很少，所以推荐出来的结果不尽如人意。
那么，试着提升设计素材的能力呢？
1.3、AI生成法（二哈没有实操经验，只是讨论）
最简单提升能力的方法就是换更厉害的设计！2333333……如果能换的话，请略过这个篇章。
不知道大家有没有了解过阿里的鲁班或者腾讯的Dreamwriter，他们都是通过机器学习的方式来达到自动生产内容的工具。核心流程如下：
a、拆解图片/文本，比如图片可拆解成：背景、框架、色彩、主产品、次要产品、标题、描述等等；而文本直接可以通过切词完成。
b、引入大量图片/文本作为元素集合，为训练做准备
c、通过机器学习的方式，让电脑知道A和B在一起是可以的，B和C在一起是不行的（学习规律）
d、生成大量内容，投放测试（其实类似于海量的对比测试+协同过滤的方式）
这里的核心点在于：1、有海量的历史数据作为训练样本；2、有足够专业的设计能力去干预；3、有足够的投放样本回收结果
2、点击后看见喜欢的内容/素材和内容之间保持相关性
这两点其实可以一起说，因为简单说来就是：1-转化率=跳出率，通过点击广告素材看到内容的用户，要不就是转化了，要不就是跳出了，无非这两种出路（第三种可能是产品有问题直接挂了，这里不谈）。
那么怎么提升呢？其实也就是和CTR优化一样，对比测试、协同过滤、AI生成，因为素材，也是内容的一种。
但一般情况下，素材和内容应该是绑定的，也会有多个素材对应一个内容的情况，但一般不会有多个内容对应一个素材的情况，所以大家经常看见，同一个业务，会在产品上有多个广告入口，而同一个广告入口对应多个业务，则会相互瓜分流量。
也就是说，在绑定的前提下，只要优化好前者（素材CTR），那么后者（内容后续转化率）自然就高了。
之前实际操作过一次，将后续的内容元素直接添加到了广告素材上（素材和内容保持一致），且用户对内容元素是认知的、是喜欢的，结果CTR提升了30%，后续付费转化提升了将近400%
但在实际工作中，大家经常会为了追求导入高流量（点击率）故意把广告素材做的很诱惑，甚至偏离了实际内容，这将会带来后续转化率降低，以及用户的信任度降低，这是为了追求短期利益导向，不优先推荐。（尽管二哈也做过类似的事情）
好啦，本篇基本也就讲完了，感觉很多地方都没有讲得很细，争取慢慢完善，不足之处请指教啦。