GFP(广义一阶价格拍卖),主要特点是关键词拍卖中广告主之间进行的是重复博弈,在每一轮拍卖结束后,广告主会根据上一轮报价的情形决定下一轮的报价决策,而这场价格战会被自然而然地分为价格攀升阶段和价格崩溃阶段。只能是在搜索引擎公司了解广告商估价的前提下运作,否则因为没有均衡,波动会在极大程度上带来拍卖效率上的损失。
GSP(广义二阶价格拍卖),简单来说它即是支付数=点击次数*下位出价。在实际应用中,Google将这个现象融进了它新设计的GSP拍卖机制中,即第i个广告位的广告每次点击所付的费用,等于第i+1个广告位的广告出价加上一个很小的值(一般是0.01)。
这里的排序策略又有两种:
第一种我们称为竞价排序,根据广告的出价倒序排列,被点击的广告主付他下一家的费用;
第二种我们称为收入排序,根据期望收益最大来排序,这里的期望收益指的bid*ctr,被点击的广告主付的费用为bid(i+1)*ctr(i+1)/ctr(i)。
VCG(Vickrey-Clark-Groves),通过计算一个广告主参加拍卖给别的广告者带来的损失之和来定价的。

如何理解这些名词,下面我们看具体的例子:

    假设广告主A会为关键词 Coffee最多付$1,广告主B会为同样的关键词Coffee最多付费$0.74。如果B以一个尽可能低的出价开始,假设$0.10,那么A广告主会出 价0.11就可以得到第一个广告位。广告主B会做出出价0.12的反应,以此以往。一旦A出价$0.75,B不会再跟着出价$0.76,因为B认为 Coffee这个关键词只值0.74。如果要得到第二个广告位,B只需要出价$0.10。A只需要出价$0.11就可以得到第一个广告位了,这样循环就开 始了
Google的AdWords平台开发者改变了这种竞价方式,他们设计了一种更稳定的二阶价格拍卖(second price auction )。
   在二阶价格拍卖中,出价最高的广告主只需要付出价次高的价格再加一个零头$0.01。 这时,广告者改动自己价格的兴趣就会小很多了,因为你要付的费用是由下一名的出价决定的。
考虑一个我们前面的例子,其中广告者A 对关键词Coffee最多出价$1,而广告主B最多出价$0.74。在封闭拍志中,只有搜索引擎公司知道所有竞标的价格。如果A出价$1,B出 价$0.74,那么在两阶价格拍卖中,A需要付$0.74 + $0.01(0.01是最小的差值),B付最小的出价价格$0.01。现在我们假设A和B更有出价的技巧。如果A出价$0.78(少于A认为这个关键词本 身的价值),并B出价$0.80(多于B认为这个关键词的价值),那么B会以$0.79的价格得到第一个广告位。这个价格比B最高出价多$0.05。换个 假设,如果A出价$0.70而B出价$0.65,那么A会以$0.66得到第一个广告位。但如果B出价$0.74,他会以$0.71的价格得到第一个广告 位,这样就可以节省$0.03。当广告主们想看或是推测他们竞争者的出价还是可以做到的。比如,如果A的真实出价是$1,B可以出价$0.99而不 是$0.74,迫使A对他的广告位付费$1而不是$0.75。
   但是二阶价格还是没有完全解决上面的问题,就是Intel封杀AMD的例子。在2005年Google引了入质量得分的因素,解决了这个问题。质量得分里 最关键的是CTR( Click Through Rate ),用上面的例子,Intel投的广告因为上面的广告语是Coca Cola,点击的只有那几个手抖了的人,假设是0.01%,AMD的广告如果出现的话有0.5%的人会点,那么算一下搜索引擎的收入,假设展示了 10000次,如果展示Intel的广告只能收入10000 * 0.01% * $4 = $4,而展示AMD的广告可以收入10000 * 0.5 % * $1 = $50,显然,不应该在竞价排名时,只考虑价格,而应该综合价格和点击率。影响Google质量得分的还有:点击率,关键词和广告语的相关性( 也就是防止Intel帮Coca Cola打广告 ),广告帐户历史,目标网页质量( 比如,你用一个与你网站完全无关的广告语来引诱用户点 ),等等。
         提到Google的技术,一般我们就认为这就是问题的答案了,但是Google的做法还是没有做到最好。首先,二阶价格拍卖中,广告主的出价不能反应用户 真正对这个广告位的估价,比如Intel和AMD都投"CPU"这个广告词,Intel出$2,AMD出不起这么高的价格,它本来认为第二个广告位 值$0.5,它想我出$0.5,那Intel只用每次付费$0.51了,既然得不到第一个广告位,我也不能便宜Intel了,我出$0.99好了。这就引 出了理论上很有名气的Vickrey-Clark-Groves(VCG)拍卖,它是通过计算一个广告主参加拍卖给别的广告者带来的损失之和来定价的。
         继续第一个例子,假设广告主A每次点击出价$10,广告主B每次点击出价$5,广告主C出价$1。现在只有两个广告位,第一个广告位平均每小时有 100次点击,第二个有50次点击。A得到第一个广告位,B得到第二个广告位。在广义二阶价格拍卖中,A要付费$500,B要付费$50,(忽略计算 0.01这个零头)。要使用VCG方式来定价,我们必须考虑如果A没有参与拍卖会发生什么,A没参与那么B会得到第1个广告位,会再多得到50次点击,并 且B认为每次点击值$5,所以A的出现意味着B损失了$250,相同的,如果A不出现,C会得到50次点击,C认为每次点击值$1,A出现意味着C损失 了$50,所以根据VCG,A的付费应该是给B和C带来的损失之和,即$250+$50=$300。现在考虑B如果没有出现,A的位置不会受到影响,C即 因此每小时失去了50次点击,对C来说损失是$50,所以B的VCG付费应该是$50。
 
Google没有采用VCG方式是因为VCG方式在实践中比广义二阶价格有更大的缺陷。

总的来说,计算广告领域的市场设计需要依赖博弈论、拍卖理论和机制设计的基础知识,如何为广告排序,是一个信息检索和经济学的综合问题,GFP是不稳定的;而GSP并不是真实报价的;VCG是真实报价的,而且稳定的,但事实上我们并不用它;搜索广告的机制设计仍然是一个开放的领域,是一个很好的研究方向。

GFP、GSP和VCG的特点和介绍相关推荐

  1. 【转】一分钟读懂互联网广告竞价策略GFP+GSP+VCG

    参考这篇文章: http://ju.outofmemory.cn/entry/116780 一分钟读懂互联网广告竞价策略GFP+GSP+VCG 两个广告位,三家广告主竞价,广告平台究竟应该制定广告竞价 ...

  2. 广告竞价策略:GFP,GSP,VCG

    一分钟读懂互联网广告竞价策略GFP+GSP+VCG 两个广告位,三家广告主竞价,广告平台究竟应该制定广告竞价策略呢?这是本文即将分享的一个问题. 一.前序知识-传统竞价策略 英式拍卖(English ...

  3. 一分钟读懂互联网广告竞价策略GFP+GSP+VCG

    两个广告位,三家广告主竞价,广告平台究竟应该制定广告竞价策略呢?这是本文即将分享的一个问题. 一.前序知识-传统竞价策略 英式拍卖(English Auction) 英式拍卖又叫公开增价拍卖OAB(O ...

  4. vcg函数值_简单介绍几种函数信号发生器的原理图及不同功能设计

    简单介绍几种函数信号发生器的原理图及不同功能设计 前言 随着大规模集成电路的迅速发展,函数发生器的应用也逐渐广泛起来.函数信号发生器(函数信号发生器的使用)是一种在科研和生产中经常用到的基本波形产生器 ...

  5. 互联网广告系统综述三业务描述

    互联网广告系统综述三业务描述 声明: 1)该博文是整理自网上很大牛和专家所无私奉献的资料的.具体引用的资料请看参考文献.具体的版本声明也参考原文献 2)本文仅供学术交流,非商用.所以每一部分具体的参考 ...

  6. vcg函数值_从GSP机制到VCG机制

    > 机制设计 在前文[博弈论基础]中已经谈过了微观经济学与博弈论的区别,在微观经济学中市场机制是一个『看不见的手』,调整市场进入均衡状态.在博弈论中,机制设计者(委托人)设计规则,代理人参与规则 ...

  7. 【广告算法工程师入门 20】机制设计-从GSP机制到VCG机制

    机制设计 在前文[广告算法工程师入门 9]机制设计-博弈论基础中已经谈过了微观经济学与博弈论的区别,在微观经济学中市场机制是一个『看不见的手』,调整市场进入均衡状态.在博弈论中,机制设计者(委托人)设 ...

  8. CS269I:Incentives in Computer Science 学习笔记 Lecture 15 The VCG Mechanism(VCG机制)

    Lecture 15 The VCG Mechanism(VCG机制) 1 GSP vs VCG 作为本讲的开始,我们来证明上一讲中的一个重要结论: 回忆一下背景:有k个广告位,它们 的点击率排布为) ...

  9. 使用GSP动态修改SQL语句

    最近发现一款功能非常强大的解析SQL语句的引擎,GSP(全称General SQL Parser).这是一款专业的SQL引擎,适用于市面上流行的各种数据库,同时他也支持了马哈鱼分析器对SQL的分析.这 ...

最新文章

  1. 老男孩博客获三大搜素引擎搜索自然排名第一位(百度谷歌搜狗)
  2. python常用类库_Python常用库
  3. linux 命令 rsync
  4. 如何使用Java 5 Executor框架创建线程池
  5. matlab机械手ikine函数,关于Mtalab-robotics工具箱中的fkine和ikine两个函数的问题讨论!...
  6. oracle 11g的启动和关闭
  7. python能爬取什么_5行代码就能写个爬虫,python真是太方便了!
  8. Google Picasa2
  9. 基于SSH的在线问卷调查系统的设计与实现
  10. java netty 内存泄露_Netty开发调试设置io.netty.leakDetection.level=PARANOID定位内存泄漏问题...
  11. 小马激活工具出现Cannot open file k:\OEMSF 的解决方法
  12. python自然语言_Python自然语言处理 - 随笔分类 - 牛皮糖NewPtone - 博客园
  13. 牛客网 2018年全国多校算法寒假训练营练习比赛(第四场)
  14. 面向对象程序设计中对抽象的理解
  15. Cursor——ChatGPT的替代品【笔记】
  16. 项目专题 1: 结构化方法学自动取款机系统(ATM)分析
  17. HDMI硬件设计要求及CTS要求
  18. 浙江工业大学计算机专业是几本,浙江工业大学是几本
  19. Flink前世今生和原理
  20. 面试复习题--锁的细枝末节

热门文章

  1. 华为p40手机是不是android,都是4G手机,为什么新款华为P40表现不如iPhone 11?
  2. 第七课——【软件实训之从调研到设计,换发型产品设计的从0到1】
  3. jQuery电商导航热门分类布局
  4. 2021-2027全球与中国汽车系统ICs市场现状及未来发展趋势
  5. php ip 城市,php如何根据IP地址获取所在城市
  6. 10种你必须懂的PPT配色方法
  7. 使用align环境输入多行公式的技巧
  8. 解决问题:repository name must be lowercase
  9. Python爬虫实现百度贴吧文本爬取【每天近千万级数据量】
  10. 解决引入的源文件为乱码的问题