中国移动应用商场智能应用分发中台研究

蔡琨 叶秀泳 张云

摘  要：MM应用商场是工信部首批“可信应用商店”，是中国移动精心打造的一站式手机应用与内容营销服务平台。在MM应用分发开展商业化合作的过程中，为了解决不同商业合作模式的融合与选择，尽可能最优化MM应用商场分发策略，以期达成最大化MM流量价值的目标，在MM产品现有门户范围内，采用相同位置不同合作模式、相同合作模式不同位置的对比测试方法，不断优化、迭代多商业模式融合的竞价模型，为构建基于商业价值竞价模型的智能应用分发中台提供最优模型，达成聚合上下游DSP与SSP优势资源，促進多方合作共赢的商业目标。

关键词：eCPM;DSP;SSP;竞价

中图分类号：TP393.09;TP311.52      文献标识码：A 文章编号：2096-4706（2020）06-0010-03

Abstract：Mobile market is the first batch of “trusted application stores” of MIIT，and it is a one-stop mobile application and content marketing service platform carefully built by China Mobile. In the process of commercial cooperation of MM application distribution，in order to solve the integration and selection of different business cooperation modes and optimize the distribution strategy of MM application store as much as possible，in order to achieve the goal of maximizing the value of MM traffic，a comparative test with different cooperation modes in different positions and the same cooperation mode in different positions is adopted within the existing portal of MM product test） method，continuously optimize and iterate the bidding model of multi business model integration，provide the optimal model for building the intelligent application distribution middle platform based on the business value bidding model，achieve the business goal of aggregating the superior resources of upstream and downstream DSP and SSP，and promote multi-party cooperation and win-win.

Keywords：eCPM;DSP;SSP;bidding

0  引  言

应用分发行业经过长期发展，竞价推广已经逐步成为行业中非常流行的商业化广告类型，随着大数据技术的兴起，中移互联网有限公司的移动应用商场（Mobile Market，简称MM）产品顺应行业发展趋势，为实现最大化MM流量价值的目标，通过建设以竞价模型为核心基础的智能应用分发中台，对商业化应用投放进行实时控制，实现了流量收益最大化。

1  现状与问题

1.1  当前现状

MM智能应用分发中台如图1所示，主要是基于商业化运营，构建全部应用的全渠道投放的智能分发管理能力，即全站竞价的智能分发能力，最大化上下游流量价值，进行流量变现能力输出，助力收入增长。充分发挥中台作用，整合下游各SSP渠道资源，对接上游各DSP投放需求，完成各方优势资源交互，促进多方合作共赢。

DSP：Demand Side Platform，需求方平台。是为广告主或代理公司提供的综合性广告管理平台。利用DSP，广告主可以对在线广告进行实时竞价，高效管理广告定价。DSP相当于广告主。

SSP：Supply Side Platform，供应方平台，供应方平台一般会有自己的广告SDK，他们会和很多的APP开发者合作，让APP开发者去集成他们的SDK，这样集成了SDK的APP里面就可以展示出广告，SSP所要供给的商品就是这些展示机会。SSP相当于媒介主。

1.2  面临的问题

在多来源DSP提供的商业化应用仓库中，如何挑选价值最优的内容输出，是需要不断探索的核心问题。

2  解决思路与方法

通过多次验证，eCPM模型与流程优化对解决价值最优输出问题行之有效。

2.1  eCPM比价模型

智能应用分发中台的基础，首先要针对CPA、CPS、CPD、CPT、CPM等不同的合作形式，以及不同的DSP来源，构建一个基于eCPM的比价模型，以便以统一的标准评估每一次展示时胜出的一方。

eCPM（Effective Cost Per Mile）即每千次展示的等效收入，eCPM=CTR（转化率）×单价。

根据展示（曝光）→下载→安装→激活的漏斗转化模型，不同合作模式的转化率即从展示环节至相应计费环节的转化率。如CPD模式，CTR为展示至下载环节的转化率。CPA模式，CTR则为展示至激活环节的转化率。假设从展示至下载环节的转化率与合作模式无关，在统计意义上是相等的，则eCPM的内涵可简化为单次下载收益。此时各种模式的eCPM模型如下：

CPA：激活单价×周期净激活数量/周期下载量=单次下载价格。

CPS：周期收入×分成比例/周期下载量=单次下载价格。

CPD：订单总金额/实际下载量=单次下载价格。

CPT/M：周期收入/周期下载量=单次下载价格。

其中的最新单价，由DSP同步给MM，目前有两种方式：

实时出价，通过消息接口方式实时获取出价。

静态出价，通过文件接口方式，不定期同步出价。

2.2  排序规则

综合eCPM与单价、版本、DSP收入贡献度等其他维度标准进行竞价排序：

（1）对比不同DSP的单价，如单价低于运营设定的底价，直接过滤，否则下一步;

（2）对比不同DSP的包版本，如低于MM自身包，直接过滤，否则下一步;

（3）查询所有同包名DSP的CTR、应用出价，计算eCPM。

2.3  排名优先级

优先级参考eCPM>版本>DSP收入贡献度：

（1）优先对比eCPM，价高者胜出，如价值相同，则对比版本;

（2）版本高者胜出，如版本相同，则对比DSP收入贡献度（DSP收入贡献占比排名）;

（3）DSP收入贡献高者胜出。

2.4  流量分配规则

为了满足各DSP平台的流量需求，MM可通过流量分配规则表进行流量分配与管控，如表1所示。流量分配表的配置选项包括：

（1）应用包名;

（2）DSP平台数量与名单;

（3）分配比例。

注：當实际DSP数量小于配置DSP数量时，会因浓缩效应而导致比例提升。例如，流量管控数据设置为6：2：2时，DSP平台数量与流量管控结果对应关系如下：

DSP平台大于等于3家时，前三家DSP流量分配为60%：20%：20%;

DSP平台数量为2家时，流量分配为60%：20%，实际为75%：25%;

DSP平台数量为1家时，流量独占，为100%。

2.5  异常处理规则

若某个DSP平台下载链接请求失败时（比如请求的时刻此DSP没有广告主投放，或者由于接口原因没有返回信息），则请求缺省DSP平台，若缺省DSP平台的数据结果低于运营设定门槛值，如单价低于设置阈值或版本号低于本地应用或请求失败，则返回本地的下载地址。

举例：按照下载量预分配算法，用户首先请求DSP1，反馈失败，则用户请求缺省DSP，反馈失败，返回本地的下载地址。

2.6  黑名单管理

设置黑名单功能，黑名单中的应用不参与竞价替换操作。如某些高等级的官方合作应用，可不参与竞价替换。

2.7  结算策略

结算采取“价高者得，次高价付”（Second Price Auction）的方式。举个例子：如果第一名A出价6元，第二名B出价5元，那么A将以5元1分的价格获得展现权。

这种方式的好处在于每个竞价人都会报出自己最高的心理价位，因为出价多少只影响自己是否得标，而不影响得标时实际支付的价格。竞价人不用担心报的价格比第二名高太多而受到“惩罚”。

相比于最高价结算（First Price Auction），广告主出价的积极性受到打击，他们会倾向于试探最佳成交价格，在安全性至上的游戏规则中，最终成交价格走低会成为必然。

2.8  分发流程优化

对应用分发的智能管控，从用户发起应用下载开始，依次进行竞价范围、竞价来源、eCPM比价、资源组底价过滤以及输出日志多个环节，最终为用户提供最匹配的应用下载地址并完成下载，流程如图2所示。

（1）用户触发下载需求，进入竞价中台逻辑判断;

（2）判断应用是否属于黑名单，是则不参与竞价替换，直接进入正常下载;否则进入比价流程;

（3）判断应用是否具有多个来源，如否则不进行比价，直接进入正常下载;是则进行eCPM比价;

（4）eCPM比价，通过对各来源、各模式应用进行单次下载价格对比，并结合排序规则和流量分配规则，得出胜出的一方;

（5）资源组底价过滤，胜出包单价若低于底价，则跳转回正常下载;高于底价，则替换下载为胜出包;

（6）输出最优下载地址，并完成下载;

（7）输出竞价日志，用作eCPM竞价模型数据修正与动态调优。

3  结  论

通过大数据实时计算能力，基于eCPM比价模型，构建智能应用分发中台，能够有效帮助应用商店在流量价值最大化、开拓收入等商业化能力方面提供有力支撑，后续根据业务发展，可不断对eCPM模型进行优化迭代，以求获得更高的商业价值。

持续加强MM智能应用分发中台建设，可以不断强化MM产业链汇聚、渠道价值提升、流量拉动三大价值，是公司聚焦重点产品、聚焦规模突破、聚焦价值贡献的重要抓手，也是我们不断努力前进的方向。

参考文献：

[1] 李志.互联网广告精准投放平台的研究 [D].武汉：华中师范大学，2013.

[2] 周立群，李智华.工业4.0时代的供应链金融 [J].信息系统工程，2016（9）：137-139.

作者简介：蔡琨（1985-），男，汉族，湖北武汉人，产品运营主管，硕士研究生，研究方向：互联网商业化模式运营;叶秀泳（1980-），女，汉族，广东和平人，产品运营专家，硕士研究生，研究方向：互联网大数据分析;张云（1982-），男，汉族，安徽合肥人，研发架构专家，硕士研究生，研究方向：信息系统平台架构、网络信息安全、大数据平台、数据挖掘、实时计算应用、分布式计算、微服务、搜索引擎等。