产品

动态底价, 决策由上下文驱动。

Orivia 根据请求上下文调整广告底价。当聚合平台限制直接控制底价时,Orivia 会改为选择广告单元。两种方式的目标一致:在您现有的聚合配置中提升变现效果。

两种实现方式

底价优先,必要时选择广告单元。

  • 主要方式

    动态底价优化

    Orivia 在发起聚合请求之前,根据请求上下文调整广告底价。

  • 替代实现方式

    广告单元选择

    当聚合平台限制直接控制底价时,Orivia 会改为选择广告单元。

工作原理

从请求上下文到聚合请求。

Orivia 的工作原理请求信号、展示数据、收益数据以及发行商可选提供的上下文进入 Orivia 机器学习引擎;引擎设定动态底价,或在底价控制受限时选择广告单元,然后发起聚合请求。上下文请求信号展示数据收益数据可选上下文由发行商提供Orivia机器学习引擎动态底价广告单元选择聚合平台Orivia 的工作原理请求信号、展示数据、收益数据以及发行商可选提供的上下文进入 Orivia 机器学习引擎;引擎设定动态底价,或在底价控制受限时选择广告单元,然后发起聚合请求。上下文请求信号展示数据收益数据可选上下文Orivia机器学习引擎动态底价广告单元选择聚合平台
概念工作流程
核心输入
广告请求、展示和收益数据。目前不需要点击数据。
可选上下文
发行商可以提供额外的用户行为上下文。
每款产品专属模型
模型的选择基于每款产品、游戏类型和玩家旅程。

效果衡量

以您当前的配置为基准。

将使用当前变现配置的对照组,与使用 Orivia 的测试组进行比较。您可以通过动态配置控制流量分配。

对照组

您当前的变现配置

测试组

在当前配置基础上使用 Orivia

您可以通过动态配置设定分流比例。

增量 ARPDAU 在以下可比维度上进行评估:

  • 国家/地区
  • 广告格式
  • 广告位
  • 流量质量
  • 时间窗口

关键指标

  • 增量 ARPDAU

    每日活跃用户平均收益,测试组对比对照组。

  • 填充率

    在整个测试期间持续监控。

  • 稳定性

    在整个测试期间持续监控。

可靠性

为生产流量而构建。

  • 异步优化

    优化以异步方式运行,广告请求不会因此停顿。

  • 自动回退

    如果 Orivia 超时,SDK 会返回您配置的默认广告单元。

  • 由发行商控制上线

    通过动态配置调整测试流量分配,或停用 Orivia。

回退机制说明

发掘您流量中已有的收益。

从一款应用和受控流量开始,先衡量结果,再扩大规模。

开始测试