facebook收购whatsapp属于哪种收购
协议收购。
2014年2月20日外媒报道，社交巨头Facebook宣布，公司将以160亿美元现金加股票的方式收购移动IM应用WhatsApp，双方已签署并购协议。
协议收购：收购人可以通过协议收购、要约收购或者证券交易所的集中竞价交易方式进行公司收购，获得对一个上市公司的实际控制权。
详解Bidding时代，新手调整变现策略的8个坑
文章最开始的时候，还是再次说下当前的竞价模式。
目前市面上主要有三种竞价策略：
1. 传统瀑布流（Waterfall）
瀑布流模型（Waterfall）是传统用于应用广告的变现模型，开发者预先给各个广告平台设置预期eCPM出价，并进行优先级排序。当用户触发广告时，优先给出价最高的广告平台展示机会，如果该平台不填充则会流至出价第二的广告平台，通过漏斗的方式，直到有广告被展示。
2. 应用内竞价
在传统的瀑布流，想要填充一次展示，广告平台需要排队出价，直到广告位得到填充。广告平台按历史eCPM均值顺序排列，这样的竞价机制会造成延迟，同时也会错过许多高出价机会。而通过统一的实时竞价机制，应用内竞价可以保证开发者的每次展示都是最高出价。所有的需求合作方在同时间竞价，出价最高的合作方获得该广告位的展示机会，从而让开发者获得更多收益。
3. 混合模式
由于应用内竞价是一个较新的概念和技术，自从Facebook Audinece Network必须使用应用内竞价，现在绝大多数开发者已经在使用应用内竞价；但由于一些广告平台暂不支持应用内竞价，因而，混合模式作为一种过渡模式存在（即同时使用瀑布流广告聚合网络和竞价广告网络）来产生收益。
这里有两种运作方式：1. 优先请求Bidding，随后Bidding胜出者会和传统瀑布流中的各个分层进行比较，最终让出价最高的平台获得展示机会（如Bidding胜出者高于瀑布流的第一层价格，则不再请求瀑布流）
2. Bidding和瀑布流同时请求，两者比价，最终价高者得
两者运作方式差距不大，但可以确定的是：混合模式下，无论是瀑布流的广告平台还是Bidding的广告平台，都有机会获得展示，最终价高者得
目前行业的趋势走向，短期还是会以一种瀑布流加上应用内竞价共存竞争的形式存在，但长期则会逐渐转变为应用内竞价的这种变现模式。
那么，下面聊聊Bidding时代新手调整竞价策略提升eCPM的坑有哪些？
随着Header Bidding方案的推出，越来越多的广告平台加入Bidding。很多新手不知道使用Bidding和瀑布流只需要选择一个，两者都加，导致瀑布流的展示量较少。
对于广告平台来说，无论是bidding和瀑布流，只是竞价策略上的一种改变，不会改变其本身广告资源的填充和eCPM。所以本着bidding一次只发起一次请求，瀑布流可能存在多层请求，广告平台出于服务器成本上的考虑，一般两者都存在的情况下，会优先走Bididing。
所以，大家不需要把同一个广告平台同时放在bidding和瀑布流中，这样会造成瀑布流上的广告ID基本没有展示量；由于瀑布流是串行逻辑，依次往下请求，因此会影响整体瀑布流的效率至于选择把广告平台放在bidding和瀑布流中，取决于人工优化的效率（瀑布流情况下）能否高于机器自动算法（Bidding情况下），建议可以进行A/B Test。
无论Bidding还是瀑布流的模式，两者只是竞价模式的区别，而竞价的核心肯定还是在于有足够多的广告平台进行竞争。所以，无论是Bidding或瀑布流，还是混合模式下，广告平台较少都体现不出优势。建议大家综合参考各大广告平台的优势，同时结合自己的产品形态、分布国家，选择至少3~5家广告平台进行接入。
这个情况算是混合竞价策略之后产生的一个问题。前几天有人咨询我这样一个问题：
Hi，Lousia，可以请教一个问题吗？就是我们现在线上跑了几款产品，用的mopub聚合，接了好几个平台，fb的bidding的收入占了绝大部分，但是在waterfall层级，底层吃了很多，顶层吃的很少，我们就把顶层降价了，但是这样一来fb的ecpm也跟着降低了，收入反而更少了。
在混合竞价模式的情况下，无论是瀑布流的广告平台还是Bidding的广告平台，都有机会获得展示，最终价高者得。所以，在上述情况下，如果把顶层价格降低以后，FB的Bidding因为没有人竞争，所以反而会下降FB的eCPM。
在混合竞价模式以后，我们更应该综合角度去看问题，通过ARPDAU是否提升作为核心判断依据，而不是基于单层填充和eCPM的升高与降低。
这里如何理解重点国家？我认为有两种，一是收入贡献大的T1国家（如欧美等发达国家）；二是流量占比较大的国家（用户基数较大但eCPM不高的T2\T3国家）。
很多新手容易忽视其中一种，针对不同的国家，不同的广告平台表现存在较大差别。所以针对不同国家，混合竞价模式下，我们可以通过增加不同的广告平台（无论是Bidding还是瀑布流广告源）、调整瀑布流中不同广告平台的价格、优先级等，产生不同的数据效果。
很多新手更换新的广告ID会提升eCPM，其实实际上，刚开始的3~5天由于机器需要进行学习，所以刚开始广告ID的出价可能会比较高，当然也存在一定可能是降低。但是，经过一段时间的学习，它就会回到原来的水平。所以，不要相信更换ID会提升eCPM，相反长期使用一个ID，让一个广告ID尽可能获取更多展示，才有可能得到较为理想稳定的eCPM。
以下两个在传统瀑布流中较为常见：
很多新手刚开始操作瀑布流，所以有些着急；发现数据略微波动，就又调整价格，而且每次调整价格就一下子改动好几层，来来回回折腾几个月，收入也没有增长。我个人的建议以3~5天为单位进行修改，因为广告算法也需要时间进行学习。
同时，单次尽量只改动一个变量，否则无法知道是哪个变量的修改导致ARPDAU上升或下降，方便后续调整策略。
理想状态下，瀑布流各层之间需要有一定落差， 每个分层设置的eCPM，出价差距控制在15%-20% ，避免太大的断层。层级也无需过度密集，展示/收入占比非常低的分层可适当移除（比如广告展示量低于1000）可以选择合并。因为瀑布流是串行逻辑，所以一个请求到平台告诉你这个请求没有填充需要时间，如果有很多层都没有填充，加起来耗时就会很久，这样就会影响广告的一个展示情况。
如使用Max/IS聚合等其它聚合，一个广告位或一个聚合ID最多只能配置3个ADMOB ID；如使用Admob聚合，针对一个广告位配置只需使用一个ADMOB ID。
这个主要是出于服务器成本和广告算法的考虑，Admob认为在一个广告位或一个聚合ID下，配置三个ADMOB ID，分别为高、中、低价区，已经完全够用，保证其变现效率最大化。而针对Admob聚合，ADMOB ID就是聚合ID，其针对自身广告源原本就可以进行自动优化，所以不需要再配置多个ID， 造成服务器成本浪费和广告算法干扰。
这是针对ADMOB比较特殊的情况，如不遵守以上规定，账号很有可能就会被判定为无效请求过多，产生无效流量，造成账号受限、停用等严重情况。
总体而言，当前仍处于一个走向应用内竞价的一个过渡阶段，虽然已经总体在一定程度上节约了人力，大家也无需进行每日优化，但仍然有一些事情需要关注。
cpm和opcm竞价有什么区别吗，都有什么优点？求大神们给个简单清楚的解释，多谢！
首先我们要弄清楚cpm和opcm竞价分别是什么？
CPM(Cost Per Mille，或者Cost Per Thousand;Cost Per Impressions) 是指每千人成本
CPM(千人成本)指的是广告投放过程中，听到或者看到某广告的每一人平均分担到多少广告成本。传统媒介多采用这种计价方式。在网上广告，CPM取决于“印象”尺度，通常理解为一个人的眼睛在一段固定的时间内注视一个广告的次数。
比如说一个广告 横幅的单价是1元/CPM的话，意味着每一千个人次看到这个Ban-ner的话就收1元，如此类推 ，10，000人次访问的主页就是10元。
至于每CPM的收费究竟是多少，要根据以主页的热门程度(即浏览人数)划分价格等级，采 取固定费率。国际惯例是每CPM收费从5美元至200美元不等。
oCPM的英文全称是 Optimized Cost Per 1000 Impressions，意思是优化后的CPM。
oCPM实际上相当于一个虚拟的运营投放专员，它拥有多维度的、实时反馈的、历史积累的海量数据，能够针对广告的成本目标和实时投放效果，进行快速地计算和调整，给出一个相对最优的出价。
oCPM技术可以说是人工智能商用的前沿，它清楚地知道用户的特征和行为习惯，也了解整个广告库的情况和竞争环境，并通过这些情况进行判断。
oCPM 与 CPM 的投放效果区别
oCPM既然称为“优化后的CPM”，那么它与CPM的效果会有什么差别呢？我们以同一个广告，设定同样的预算，用oCPM和CPM两种出价方式进行投放测试。（左侧栏是以不同投放目标命名的测试组名称）
从表格中我们可以看出：
（1）在每千人展示花费上，oCPM模式比CPM模式高。（2）oCPM会将所有预算用尽，更合理地利用了预算，而CPM只用了35%的预算。（3）oCPM模式和CPM模式的每个点击花费接近一致。（4）oCPM带来的点击比CPM模式下的点击多了将近三倍。
从上面的测试结果我们发现，oCPM能够更合理地使用预算。虽然oCPM的花费比CPM高，但oCPM转化的点击量比CPM模式高出许多。
在做Facebook广告投放使用oCPM出价模式时，一开始可能发现成本很高，觉得这个优化程序是否不大可靠。对oCPM优化模式给予更多的信任，结果往往会往好的方向发展。
关于facebook采用哪种竞价方式和facebook的竞争优势的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
