商业产品的核心是流量的变现能力，衡量流量的变现能力的关键指标是eCPM，即每千次展示带来的收入。除了关注eCPM，也需要关注展示量。

收入公式：

Revenue=eCPM * Impression

Revenue=客户数量*户均消费

从另一个角度看，收入取决于客户数量（广告主数量）和户均消费。客户的数量会影响竞价的激烈程度，客户数量高多，竞价激烈，也会反过来影响eCPM，因为CPM/CPC/CPA（取决于竞价模式）会相应上涨。

客户数量取决于商务拓展能力，户均消费以及广告主的预算更多要看广告的效果能否达到广告主的预期。本文不做过多讨论，重点关注收入影响的第一个公式，eCPM和Impression（展示量）。

1.eCPM的影响因素分析

计算公式：

eCPM=CPC*CTR*1000

eCPM=CPA*CVR*CTR*1000

当竞价按照点击付费时，eCPM的计算公式为CPC*CTR*1000。

1)CPC的影响因素：

影响CPC第一个因素是广告主直接的竞价激烈程度，广告主的点击出价会换算成eCPM去竞价排序，换算公式如下：

eCPM=CPB*pCTR*1000

CPB为cost per bid，为广告主的点击出价，pCTR为predicted CTR，为系统模型预估的CTR。

当竞价激烈时，为了胜出，广告主会不断的提升出价。

影响CPC的第二个因素是媒体的广告平台设置的eCPM保留价有关系。媒体为了保护用户体验，提升整体的eCPM水平，会设置一个eCPM最低保留价，低于此eCPM的广告不再获得曝光机会。

实际的计费CPC=(下一位的CPB*pCTR/自己的pCTR)+0.01

2)CTR的因素：

CTR的影响因素会比较多，一般来说，流量的质量、广告出现的位置、定向、物料等均会影响CTR。

流量的质量：流量的类型以及流量的用户特征，直接影响到流量本身的自然内容的点击率，从而决定了在该流量上的广告的CTR的大盘。

广告的位置：在首屏显著的位置、信息流列表等位置的广告，CTR一般会高于第二屏、频道页以及文章内容页等流量相对较小，位置不明显的广告的CTR。

定向是否精准，广告是否能够引起用户的兴趣也会一定程度上影响CTR。如果推送的广告完全不相关，用户的点击率则不会高。

广告物料对于CTR的提升是翻倍的增长的。能够引发用户好奇心的、贴近自然内容的、标题党式的、美女图等等类型的素材CTR会非常的高，一般可以高出平均水平2-5倍。

但是CTR并不是越高越好，CTR高对于广告平台短期看是有利的，但是用户被诱导式的广告骗去点击，进入落地页去发现和标题不相干，用户会很快流失，这样的用户点击广告，对于广告主是的价值是很低的，即使能够获取用户，留存也是较低的。

针对下载、其他转化率广告，eCPM的计算公式为CPA*CVR*CTR*1000。

CPA，cost per action，对于action的定义可以为一个下载安装，也可以为一个leads的转化。CVR即conversion rate，即点击到action的转化率。CTR的分析同上。

1)CPA的影响因素：

针对按CPA的出价模式

影响CPA的第一个因素是广告主直接的竞价激烈程度，广告按CPA的出价会换算成eCPM去竞价排序，换算公式如下：

eCPM=CPB*pCVR*pCTR*1000

CPB为cost per bid，为广告主的CPA出价，pCTR为predicted CTR，为系统模型预估的CTR。pCVR为系统模型预估的转化率。

针对按oCPM/oCPC/方式的出价

optimized CPM, optimized CPC: 广告主设置一个CPA的目标，例如一个下载20块，广告平台按照广告主的CPA目标去优化（需要广告主将激活数据回传到广告平台以进行优化），去自动将广告投放给更有可能下载app的人群，但是平台的收费模式仍然按照CPM来收费（oCPM）或者是CPC来收费（oCPC）。本质上换算公式同上，只是在收费阶段有所不同。

这种方式保证了媒体的收入不下降，广告主的CPA成本可控。媒体只是利用了广告主的数据去系统性的优化了广告定向。一般国内的广告平台很少支持CPA的出价模式，大部分为CPC的竞价模式。海外的Facebook和Google都支持CPA的竞价模式，但是单纯的CPA出价，能够买到的量级比较有限；如果想要大量获取用户安装，还是要按照oCPM的方式去出价。

影响CPA的第二个因素也是媒体的eCPM保留价。

2)CVR的影响因素：（针对下载类举例）

下载转化流程的优化

落地页的优化

针对跳转到Google Play, Appstore的下载，CVR取决于app的打分，用户评论，知名度，包的大小，app的类型。

2.Impression分析(针对信息流产品)

Ad Impression=Feed PV*adload

Ad Impression=request*fill rate*曝光率

1)接入的流量量级: Feed PV, 信息流资讯和广告的整体展现PV；

2)Adload=Ad Impression/Feed PV，用来衡量每个用户看到的广告数量的密集程度。信息流中广告位的插入密度直接影响了adload。

3)广告填充率Fill rate：广告请求（request）中，有广告返回的占比。用来衡量广告物料库是否充足。广告物料库则与广告主数量、预算直接相关。广告位在一次广告请求中，会带上用户的Cookie或者Device ID信息，经过DMP处理，会返回该用户的兴趣等其他定向特征数据，经过广告检索端找到匹配的广告物料返回。

Fill rate=Ads returned/requests，注意不同广告平台对于Fill rate定义不同，有些的定义为impression/requests。

4)曝光率：impression（有一个像素露出）/广告返回的条数，由于广告server返回超时被端抛弃或端上其他过滤策略、用户滑动过快、用户未滑到广告未露出、广告预加载在缓存中用户未等广告加载出来已退出app等原因，广告返回的条数到曝光之间有损耗。

小结：

从提升广告收入的角度，需要从eCPM和广告曝光量Impression两方面去提升。eCPM衡量了单位流量的变现效率，即1000次曝光能够带来的收入；而广告的曝光量衡量了广告的库存是否充足。eCPM很高，但是广告曝光量很低，收入依然不会高，所以关注变现效率ok, 但只关注变现效率就舍本逐末，虽然媒体的eCPM很高，对应着广告主的成本会上涨。如果广告主的成本上涨到影响广告主的KPI或ROI，则有可能会导致广告主预算下降，长期看是不利于收入增长的。