对于产品来说，实现商业模式的闭环与盈利是支撑产品活下去的关键步骤。而广告变现就是实现产品收入的一项重要方式，那么在广告变现上，我们如何达到更大收益呢？又该如何有效监控，并对问题行为做出改进呢？

对于大部分移动互联网公司来说，广告变现是产品收入的重要构成部分，因此，广告变现效率对于公司来说就尤为重要。

但是，在广告实践过程中，我们往往会遇到一些问题，比如广告的填充不够、eCPM太低，该展示的广告没有展示出来，又或者广告位选择不合理导致用户负面反馈变多，这些种种问题都会影响我们的广告变现效率。

接下来，我们将会从整体产品变现和具体广告位优化两个层面分别介绍如何提升我们产品的变现效率。

Part I 广告黄金公式

我们先从宏观上看产品的广告收入是如何计算的，下面是移动产品广告变现的黄金公式：

广告收入 = 活跃用户数 * 商业流量比例 * 人均广告展示数 * 广告点击率 * 单次点击广告价格

（Ad Revenue = DAU * MTR * AvgAdImps * CTR * AdPrice）

每一个从事广告变现的人，都应该理解该黄金公式中每一项的意义，并知道如何针对具体的因子去优化和提升。

活跃用户数（DAU）：产品每天至少使用产品一次的用户数；

商业流量比例（MTR）：活跃用户中进入广告场景的用户占比，即有可能看到广告的用户比例；

人均广告展示数（AvgAdImps）：能够看到广告的用户每天平均能看到的广告次数；

广告点击率（CTR）：实际点击广告的次数在整体广告展示次数中的占比，即广告点击率 = 广告点击次数 / 广告展示次数；

单次点击广告价格（AdPrice）：每一次广告点击广告平台愿意支付给我们的价格；

首先，我们应该如何优化商业流量比例？并且如何确定合适的广告展示次数？

在提升商业流量这件事上，不少开发者都直接选择尽可能多地开辟广告位，期望以量取胜。但是为了平衡用户体验，不建议我们在产品里添加过多的广告，因为这样很可能会降低用户留存，从而影响用户生命周期价值（LTV）。

其实，商业流量不在乎数量而在乎质量，我们需要在产品里选择合适的场景添加广告位，北京三环的小一居也贵过7、8线城市的大平层。应该怎么在产品中选取合适的广告位呢？可以参考《广告场景选取三要素》。

一般我们会把这CTR和AdPrice这两个指标统一起来看，也就是我们常说的千次展示收入（eCPM）。

 那么，eCPM应当如何优化？也就是如何获得合理的CTR和更高的AdPrice?

这里的关键在于选取主流的、大型的广告平台合作，比如海外市场选择Admob、Facebook Audience Network，国内的广点通、百度、穿山甲，因为他们往往拥有更多的广告主，而且他们一般都处于整个生态的上游，拿到广告的单价也会较高；同时，他们有着更强大的技术和算法能力，可以根据我们的用户偏好推荐给用户更加合适的广告，从而提升广告的CTR和最终的转化效果。

Part II 广告漏斗模型

现在，我们将目光转移到更加微观的层面，来看具体每一个广告位的变现效率的影响因素有哪些，并且试图找到针对这些影响因素的优化之道。

我们先看下面这个广告漏斗，将广告从请求到转化自上而下分成五层，漏斗旁边标注着层级之间需要关注的指标。

作为一名商业化产品经理，特别是从事广告变现相关工作的时候，我们尤其需要明确这四个指标（广告填充率、广告展示率、广告点击率、广告转化率）的意义、如何计算、可能的影响因素以及对应的优化方案。

1. 广告填充率（Fill Rate）

广告填充率，指的是从发起广告请求到实际有广告填充的比例，即广告填充率 = 广告填充数 / 广告请求数。

广告填充率理想情况当然是达到100%，但是实际上几乎没有可能，主要是因为以下两个原因：

广告平台暂时没有匹配当前用户的广告资源。比如，该地区当前没有可用的广告主，该用户不是已有广告主的目标用户，甚至还有可能广告平台出现服务故障这种小概率事件；

*** 原因导致广告没有正常返回。比如，部分地区或者情境下由于用户的 *** 不佳，广告资源不能在规定的时间内返回给客户端，从而表现出无广告填充。

对于之一种原因，我们可以通过广告瀑布流的办法解决，这是当前最主流的一种广告聚合方式，基本逻辑是先请求A广告平台的广告，如果A没有返回广告，则请求B广告平台，依次类推，直到有广告返回或者所有层级的广告平台都已经遍历结束。