对大多数移动互联网企业而言，广告宣传流量变现是其产品收入的重要的构成部分，因此，广告宣传流量变现效率对企业尤为重要。
但在广告宣传实践过程中，经常会遇到广告宣传投放不足，eCPM过低，显示广告宣传未显示，或广告宣传位置选择不合理，导致用户负面反馈增多等问题，这些都会影响到广告宣传的推广效果。
下面，我们将分别从整体产品流量变现和具体广告位优化两个层面来介绍如何提升产品流量变现的效率。
合作伙伴关系广告宣传黄金公式
首先从宏观角度来看，产品的广告宣传收入是如何计算的，下面是关于手机产品广告收入的黄金公式：
广告主的收入=活跃用户数*流量比率*人均广告宣传展示量*广告点击量*单次点击的广告价格。
(重置价*MTR*AvgAdImps*CTR*AdPrice)
广告宣传中的每一位收藏者，都应该懂得其中每一项的含义，并懂得如何针对具体的因素去优化和提升。
活动用户(DAU)：每天至少使用该产品一次的用户数量；
业务流比例：在活跃用户中，进入广告宣传场景的用户所占的比例，即有可能看到广告宣传的用户所占的比例；
平均广告宣传展示量(AvgAdImps)：每天有能力看到广告宣传的用户平均能看到多少次广告宣传；
广告宣传点击率：实际点击广告点击数占整个广告宣传展示量的百分比，即广告点击数=广告点击数/广告宣传展示量；
单次点击广告价格(AdPrice)：每次点击广告平台愿意向我们支付的价格；
第一，我们应该如何优化流量配比？怎样确定合适的广告宣传展示量？
对于商业流量的提升，很多开发人员直接选择尽可能多的打开广告位，期望以量取胜。但为了平衡用户体验，我们并不建议在产品中加入太多的广告宣传，因为这可能会降低用户的忠诚度，从而影响用户生命周期价值(LTV)。
事实上，商流并不在意数量和质量，我们需要在产品中选择合适的场景添加广告位，北京三环的小一居也贵过七八线城市的大平层。该如何在产品中选择合适的广告位呢？可参阅《广告宣传场景选择的三要素》。
一般而言，我们会将CTR和AdPrice这两个指标结合起来看，即我们常说的千次展示收入(eCPM)。
所以应该如何优化eCPM？也就是说，如何获得合理的CTR和更高的AdPrice？
关键在于选择主流的、大型的广告平台合作，例如海外市场选择Admob、FacebookAudienceNetwork、国内的广点通、百度、穿山甲等，因为它们往往拥有更多的广告主，它们一般都处于整个生态系统的上游，拿到的广告宣传单价也会更高；与此同时，它们具有更强的技术和算法能力，能够根据我们的用户偏好向用户推荐更适合的广告宣传，从而提升广告宣传的CTR和最终转化效果。
第二代广告宣传漏斗模型。
如今，我们将目光转向更微观的层面，看看哪些影响具体每个广告位的实现效率的因素，并试图找出针对这些影响因素的最优方法。
首先看下面的广告宣传漏斗，从请求到转换，从上到下分为五层，漏斗旁标有各层之间需要注意的指标。
当一个商品化产品经理，特别是在做与广告宣传实现有关的工作时，我们尤其需要弄清楚这四个指标(广告宣传投放率，广告宣传展示率，广告宣传点击率，广告宣传转化率)的意义，如何计算，可能的影响因素，以及相应的优化方案。
1.广告投放率(费勒特)
广告费率，是指从发起广告宣传请求到实际收到广告宣传请求的比率，即广告宣传费用率=广告费用支出/广告宣传请求数。
理想的广告宣传量应该是100%，但实际上几乎不可能，这主要有两个原因：
该广告平台暂时无法匹配当前用户的广告宣传资源。例如，该区域目前没有可用的广告主，该用户并非已有广告主的目标用户，甚至有可能是广告平台出现服务故障这种小概率事件；
因特网原因导致广告宣传不能正常返回。例如，某些区域或情况下，由于用户网络不佳，无法在规定的时间内将广告宣传资源返回到客户，从而显示广告宣传投放不足。
首先，我们可以通过广告宣传瀑布流的方法来解决这个问题，广告宣传瀑布流是目前最主流的广告宣传聚合方式，其基本逻辑是首先从A广告平台请求广告宣传，如果A没有返回广告宣传，再从B广告平台请求广告宣传，依次类推，直到有广告宣传返回或所有层次的广告平台都返回为止。
另外一个网络原因，因为用户的真实环境对我们来说不能控制，也不确定，为了减少这一情况所带来的广告宣传投放损耗，我们建议在产品客户机预先缓存好广告宣传，尤其是对那些广告宣传显示概率较高的位置。
二、广告宣传展示率(ShowRate)
广告费率是指实际展示的广告宣传所占全部投放回馈广告宣传的比例(广告费率=广告宣传展示量/广告宣传投放量)。这是我们在所有指标中最积极主动的一项，也是我们提高收益的关键，所以我们需要尽可能提高广告宣传的转化率。从理论上讲，广告效果也应该尽可能接近100%。
如果你想知道最优的广告策略，你就必须了解广告宣传不会展示的真正原因。
首先看看下面两个时间轴，一个是从广告宣传的开始请求到广告宣传的结束展示(一个广告宣传的结束展示可能是因为用户点击了广告宣传，一个广告宣传的关闭，一个用户选择离开了显示广告宣传的页面)，另一个是从用户的当前页面到离开页面。
通过以上两个时间轴，我们可以分析出，要想使广告宣传顺利显示，需要满足以下条件：D1>T1+T2(一般情况下，为了有效地显示广告宣传，我们还需要额外增加1s)，即用户页面停留时间必须大于广告宣传从请求到资源加载所花费的准备时间。
提出了在产品中加入这些相应的埋点的建议，这有助于我们准确确定广告宣传展示不能达到预期效果的原因。
所以，要优化广告宣传的展示率，可以从以下两个方面着手：
一、缩短T1+T2广告宣传准备时间。
事实上，我们无法控制网络请求的耗时和服务器处理请求的时间，但是，我们可以在这里将T1和T2变为负数，也就是说，预先请求广告宣传并缓存。
该策略也是在之前优化广告宣传投放率时提出的，如果条件允许，我们可以尽可能提前为高频广告位申请广告宣传时间。
值得注意的是，如果我们提前缓存广告宣传，广告宣传展示率就会下降，因为缓存的广告宣传不一定能得到足够的消耗量，而是会下降，但真实的广告宣传展示量可以上升，这样我们就达到了目的。
二、延长网页停留时间，D1。
也就是说，要尽可能地提高当前页面上的用户停留时间长，关键是使当前页面对用户有价值，例如，吸引用户的内容；当然，我们也可以用一些小技巧提高页面停留时间长，例如，在广告宣传装入期间，加入等待动作，转移用户的注意力。
若采用瀑布流的方式，则广告宣传的投放时间和资源装载时间会更长，因此我们还需要计算这些相应的时间长度。
广告宣传点击率(CTR)和广告宣传转化率(ConversionRate)
正如它的名字一样，广告宣传点击率是用户点击广告宣传的比率，广告宣传点击率=广告宣传点击率/广告宣传展示数。而且广告宣传转化率是指用户点击广告宣传后最终完成广告宣传转化(例如购买广告宣传中推荐的商品，安装广告宣传中推荐的App等等)的比例。
现实的广告宣传实践中，必须牢记广告宣传行为的相关埋点，建立起对各个广告宣传场景的全面数据监控。只要你不停地收集和分析广告宣传数据，持续地把目标放在这些广告宣传的关键指标上，你就有机会一直将广告宣传的实现效率优化到更高的水平。