流量流转机制
waterfall
| 平台 | eCPM（元） |
填充率 |
| DSP1 |
20 |
30% |
| DSP2 |
15 |
50% |
| DSP3 |
25 |
20% |
假如有1000个广告请求，则有以下广告请求方案：
方案1：全部请求DSP1
收益 = 1000 * 20 / 1000 * 30% = 6
方案2：全部请求DSP广告源
收益 = 1000 * 15 / 1000 * 50% = 7.5
方案3：全部请求DSP3
收益 = 1000 * 25 / 1000 * 20% = 5
从上述的三个方案来看，虽然方案的eCPM最低，但其填充率最高，最终的总收益最高。那是否说方案2是最佳方案，答案肯定是不是的，因为其只利用了50%的流量，剩下50%的流量被浪费了，于是引申出了方案4。
方案4：先把1000个广告请求全部请求 DSP3 ，把未填充的部分请求 DSP1，最后未填充的部分请求DSP2，具体流量分发流程图如下。
收益 = 1000 * 25 / 1000 * 20% + 800 * 20 / 1000 * 30% + 560 * 15 / 1000 * 50% = 14
方案4最终的收益14元，填充率为72%，相对于前三种方案，既提升了收益，又提升了填充率。
那既然看着收益和填充率都上去了，是不是采用waterfall就可以解决流量分发问题了呢，现实总会让你啪啪打脸。waterfall的方案主要存在以下几个问题点：
waterfall的核心点在于“历史eCPM的数据”，那么如何去衡量一个dsp的历史eCPM数据，这个历史是多久？
串行请求会增大广告展示耗时，平均请求一次至少在100ms以上，多次请求会造成前端展示延迟，用户体验感较差。由于不同广告位的环境不同，用户可接受程度也不一样，需要分广告位设置整体请求次数/超时时间。
由于waterfall 的请求优先级是根据历史eCPM数据来决定优先级的，针对某次具体请求时，可能排在前面的DSP出价没有后面的出价高。这样一来就会错过排在后面的出价更高的DSP广告，流量利益没有获得最大化。
各个DSP的eCPM数据维护，由于季节性问题，eCPM的数值会发生变化，需要运营同学手动维护，成本较高。
这里关于“历史数据的eCPM”，咱们展开讲一下：
这个历史是多久？这个问题是没有标准答案的！因为每个DSP的效果不一样。我们唯一能够做的就是尽去预测每家的eCPM以及填充率，这可以通过历史数据去验证，也可以通过商务关系去了解，只有得到了正确稳定的数值，对我们来说才是真实可靠的。3天、7天、10天或者更久都是ok的，只要你认为这个数字是合理的，经得起推敲就可以。
对于新对接的DSP，由于其无历史数据积累，需要如何评估其eCPM值呢？a）可以通过商务运营渠道了解其eCPM和填充率情况；b）可以针对新对接的DSP进行流量扶持，积累一定的数据后回归入正常的DSP进行排序。这个流量扶持的周期和样本数据，各家算法团队的要求不太一样，能满足自身业务即可。
如果对于两个DSP，他们的eCPM和填充率都一样的情况下，如何排序呢？此时可以从其它纬度来评估，例如接口响应时长，素材质量等方面去考量。
Header Bidding
既然waterfall有诸多问题，那有木有其它替代方案？读者肯定在想，如果每次竞价的时候，DSP都能实时返回本次出价，那么这样就不需要计算和维护“历史eCPM数据”了，在流量分发时，就可以并行的分发流量，在得到所有DSP的出价后，根据出价决定竞价成功者，这就是“Header Bidding”。
“Header Bidding”，中文翻译为“头部竞价”，字面意思理解就是“流量发给头部买家，头部媒体进行竞价，然后将获胜的底价作为底价去请求其它不支持实时竞价的DSP”。要想实现这个，首先得有如下几个前提：
头部买家在返回广告素材时，需要同时返回出价，这样媒体／ADX才可以完成竞价；
非头部买家虽然不支持实时返回出价，但需要支持传入广告位底价，这样如果有广告返回，那么价格一定高于底价，对ADX和媒体来说收益最高。
Header Bidding起源于国外，最初应用在PC上面。DFP(Google Doubleclick For Publisher)，国外PC网站集成最多的广告平台，由于其垄断了PC广告，加上Google的Ad Exchange dynamitc bidding（感兴趣的朋友百度了解），对Publisher和其它DSP很不友好，因此AppNexus希望联手其它的ADX/DSP一起通过Header Bidding技术来撼动DFP的垄断地位。
从上述的描述中可以发现，header bidding相对于waterfall具备如下几处优点：
公平竞价：所有DSP同时竞价，各自评估流量价值进行出价；
收益最大化：原先排在waterfall底部的DSP可以通过提高出价来赢得广告展示机会。
在国内，PC的发展已相对比较停滞不前，更大的潜力在移动端。因此更准确的说，国内的header bidding应该叫In-App bidding。由于国内的In-App bidding起步较晚，目前只有几家头部媒体支持实时返回出价，因此在很长的一段时间内都会是headering bidding和waterfall并存的方式，对于支持实时出价的媒体优先通过header bidding，然后将获胜的出价作为该广告位的底价去请求其它DSP，最终根据价格竞价。
总结
其实无论是串行or并行，都只是解决问题的策略，核心目标只有一个“流量收益最大化”。站在媒体方的角度，当然是希望越多的DSP同时竞价；站在DSP的维度，必然是希望流量先发给自家，自家挑选完之后再发给其他家，甚至可能是流量独占。
当然现实中的环境错综复杂，不同的对接方式，也都会都会影响不同的策略，只有紧紧抓住“流量收益最大化”这个重点，兼顾多家利益，才能以不变应万变。
电商节各大电商争夺市场的时候，流量预算充足，为了多拿预算，流量优先分发给电商DSP；
某些DSP的eCPM和填充率都还可以，但是就是素材比较low，偶尔还可能涉及到黑五类广告，或者说技术上存在小坑（比如网络延迟高），此时针对这些DSP需要做流量限制；
某些DSP虽然eCPM不高，但是填充率还行，比较适合做保底填充，需要给予一定比例的流量养着；
