互联网

倍业科技A/Btest破解Header Bidding高频择优测试困惑

来源:互联网    作者:      2022年10月14日 16:32

导语:

自倍业科技SDK/API全域实时Bidding推出以来,越来越多的移动开发者认可“SDK/API全域实时竞拍价高者得”的理念,愿意合作接入倍业Bidding测试尝鲜。随着咨询量的增加,我们也发现部分移动开发者的疑惑,其中最多听到的就是:“我们APP接入倍业Bidding后,能带来的广告收益有多大/会是多少?我们怎么去衡量哪些广告收益增长是倍业Bidding带来的?或倍业Bidding与传统waterfall等原有流量变现模式相比,实际广告收益增长了多少?”

APP接入倍业Bidding后,能带来的广告收益有多大/会是多少?每个APP使用倍业Bidding后,广告收益都不一样,这取决于DAU体量、APP发展阶段、APP类型、广告形式...详情可参考《倍业科技为APP提供全生命周期流量变现服务》《APP全生命周期的广告价值分析指标上:LTV》自行评估,也可官网直接咨询获取专家一对一评估分析服务。

我们怎么去衡量哪些广告收益增长是倍业Bidding带来的?或倍业Bidding与传统Waterfall等原有流量变现模式相比,实际广告收益提升了多少?于是,倍业科技新推SDK/API全域实时Bidding ABTest功能协助移动开发者衡量广告收益提升,破解接入倍业Bidding后高频测试择优困惑,直观感受SDK/API全域实时Bidding深度挖掘流量价值效果。

下面简单介绍一下A/BTest,方便移动开发者后续使用:

一、倍业科技SDK/API全域实时Bidding A/B Test是什么?

A / BTest(也称为分割测试或桶测试)原是一种将网页或应用程序的两个版本相互比较以确定哪个版本的性能更好的方法。AB测试本质上是一个分离式组间实验,其中页面的两个或多个变体随机显示给用户,统计分析确定哪个变体对于给定的转换目标效果更好。

倍业科技SDK/API全域实时Bidding A/B Test:在APP接入倍业Bidding灰度发版(小范围发布,未授权用户和未选中用户APP版本不更新)后,为衡量广告收益提升效果制定两个(或以上)方案,将用户流量对应分成几组,在保证每组流量特征相同的前提下,将各组流量分别通过倍业Bidding、传统Waterfall等方案进行分发,根据几组广告收益真实数据进行反馈,科学的帮助移动开发者直观感受倍业Bidding效果。

二、倍业 A/B Test三大特点:MVP先验、同步并行、误差低

MVP先验: 倍业科技SDK/API全域实时Bidding A/B Test是一种“最小化可行先验”的试验功能,属于预测型结论,与“后验”的归纳性结论差别巨大。同样是用数据统计与分析版本的好坏,以往的方式是在APP版本正式发布全部用户更新后,将全部流量数据用于验证效果,而倍业 A/B Test却是通过科学的最小化可行(MVP)试验设计、采样样本代表性、流量分割与小流量测试等方式来获得具有代表性的试验结论,这样就可以进行灰度发版用很少的样本量就能推广到全部流量可信。

同步并行:倍业 A/B Test是将两个或以上的方案同时在线试验,保证了每组流量所处的时间环境等一致性(不同时间段以及节假日流量价格差异较大),便于更加科学客观地对比优劣。同时也节省了验证的时间,无需在验证完倍业Bidding之后再测试另一个方案。

误差低: 在获得用户和APP双重授权的前提下,倍业 A/B Test是将相似特征的用户均匀的分配到试验组中,确保每个组别的用户特征的相似性,从而避免出现数据偏差,使得试验的结果更有代表性。

三、倍业 A/B Test基本使用方法

倍业科技SDK/API全域实时Bidding A/B Test单因素实验:

倍业 A/B Test单因素实验是指实验中只有一个影响因素变量,其他的内容都保持不变的实验方法。

举个例子:两个实验组都是API方式进行流量变现,A组用Waterfall,B组用倍业Bidding进行流量变现 ,这两个组进行实验对比,最后发现B组比A组广告收益高,那么移动开发者就可以认为倍业SDK/API全域实时Bidding带来了广告收益增长,至于增长多少要看反馈的具体数据。

倍业科技SDK/API全域实时Bidding A/B Test多因素实验:

倍业 A/B Test多因素实验是指实验中有多个影响因素变量。

举个例子:你想同时测试原有Waterfall和倍业Bidding两种流量分发模式(A/B)、API和SDK接入方式(A/B)对广告收益的影响,这里面有两个变量,对应4种组合条件:

广告A,接入方式A;广告A,接入方式B;

广告B,接入方式A;广告B,接入方式B。

倍业 A/B Test多因素实验的好处在于,除了可以检测同一个变量、不同实验条件之间的差异之外,还能对变量之间的交互效果进行检验。

用上个例子做说明,如果在单因素AB实验里,我们发现原有Waterfall比倍业Bidding的效果好,可能是由于个别APP因类型广告形式等特殊原因,API接入开启流量变现时,流量采买方意愿不足,导致实时竞价不充分。通过多因素实验,我们就能发现该APP采用倍业Bidding后广告收益效果依旧优于Waterfall,只是前期选择实验方法错误。切换至SDK Bidding(或者SDK/API全域实时Bidding)与原有Waterfall进行测试,就可以解决这类极端问题。

最后补充一下,移动开发者在选择Bidding尝鲜时,一定要考虑极端Bug风险,盲目将接入Bidding版本上线发布给全部用户,一旦遇到线上事故(或BUG),对用户的影响极大,解决问题周期较长,甚至有时不得不回滚到前一版本,严重影响了用户体验。倍业科技SDK/API全域实时Bidding A/B Test是灰度发布,通过给小批量用户发放版本,有效减少全用户发生线上事故/重大BUG的概率,绝大多数用户对BUG无感知,最大程度保证了用户的良好体验。

倍业科技成立于2015年,以“赋能媒体商业化”为使命和愿景。自主研发推出APP自己的商业化管理和运营产品Blink,先后获得了险峰华兴、竑观投资、颐成投资等机构的投资。业务涵盖视频、社交、金融、教育、交通出行、汽车、母婴、动漫、工具等多个领域媒体商业化。已与国内100多款知名媒体建立长期合作伙伴关系。倍业科技整合了API和SDK解决方案,结合了全栈式广告技术,通过流量管理和运营优化工具,为媒体充分挖掘每个流量的价值。


(文章为作者独立观点,不代表艾瑞网立场)
  • 合作伙伴

  • 官方微信
    官方微信

    新浪微博
    邮件订阅
    第一时间获取最新行业数据、研究成果、产业报告、活动峰会等信息。
     关于艾瑞| 业务体系| 加入艾瑞| 服务声明| 信息反馈| 联系我们| 合作伙伴| 友情链接

Copyright© 沪公网安备 31010402000581号沪ICP备15021772号-10

扫一扫,或长按识别二维码

关注艾瑞网官方微信公众号