一、功能简介

• 概述：GroMore基于开发者的历史数据，通过系统模型学习，识别流量与预算的波动，全自动的进行瀑布流调价、请求逻辑等策略的优化。为帮助开发者更好地观察效果、控制流量，智能管家采用AB实验的方式，控制组保留开发者原始瀑布流，实验组(即智能管家组)生效模型生成瀑布流，开发者可直观对比智能管家调优的效果，也保留控制实验的能力
• 目标：帮助开发者提升收益，同时实现自动调优，从而提高变现效率、降低运营门槛/运营成本

二、智能管家调优原理

1. 策略介绍

1.1 设价调优

• 原理：通过增加、减少穿山甲的层级及对应的底价，来实现当前瀑布流的最优配置、最大化收益
• 优势：自动化识别流量波动、预测预算变化，及时调整，降低人工维护成本、提高运营效率

1.2 动态请求

• 原理：根据用户实时的价值，动态调整每次请求的价格层级，来实现当前瀑布流的最优请求逻辑
• 优势：平衡价格层级、耗时与收益的关系，在增加层级提升收益的同时，减少机器资源的浪费、降低耗时/drop/频繁请求的问题

2. 智能管家平台开启效果

控制组是可以自己去配置的瀑布流，管家组是根据控制组的配置去自动学习调优的瀑布流~

三、使用流程

1.新建广告位开启智能管家

• 新建广告位：新增广告位时可一键开启智能管家,模型累计1-3天数据后能够自动生成固定底价代码位,并且能够

随着流量与预算的变化持续调优设价。适用希望由智能管家完成初始瀑布流的配置并持续调优的场景

• 使用流程:新建广告位->开启管家->勾选三方调优(可选)->增加三方竞价代码位&完成三方授权(可选)新建广告位:点击「应用管理」,点击「创建广告位」开启智能管家:点击「开启」智能管家,可调整管家组流量比例列与调优范围,点击「保存并添加代码位」

管家组流量比例:只有分配给管家组的流量才可生效模型调优,建议分配99%流量给智能管家

调优范围:默认勾选调优「穿山甲」代码位,开发者可选是否自动调优「三方广告网络」

• 控制组添加三方竞价代码位(可选):需要自动调优「三方广告网络」的开发者,勾选三方调优并开启管家后，需要当天在控制组添加三方竞价代码位并完成adn的授权,否则模型无法累计数据。模型自动生成瀑布流设价并自动调优:累计1-3天数据,模型将自动新增穿山甲和三方固定底价代码位,并且模型能够持续收集瀑布流数据,持续迭代瀑布流设价。

2.存量广告位开启智能管家

• 第一天:多ADN API授权与绑定->瀑布流中添加多ADN bidding代码位(通用、自定义代码位都可以)
• 第二天:应用管理页面->智能管家应用->「推荐开启智能管家」->是否启用智能管家->勾选三方调优（默认以55分流比例开启）

三方调优前提:绑定ReportingAPI+绑定ADN账户+瀑布流有三方代码位,三者缺一不可!

绑定三方通用广告网络Reporting API,开启「报表&创编API权限」

示例:百度完成绑定

示例:优量汇未完成绑定

应用粒度完成ADN账户的绑定

示例:百度完成绑定

示例:百度未完成绑定

提示：模型累计数据期间不要手动添加固定底价代码位，否则将影响模型、影响收入

推荐列表为空、瀑布流管理页开启失败时，是因为量级不符合要求或者模型暂时不建议开启，建议后续关注推荐开启列表的更新

3.查看实验数据

智能管家应用->已开启智能管家->点击「瀑布流信息」->自动跳转到实验数据页面->查看智能管家数据

4.下载智能管家自动创建的三方代码位

智能管家调优时，会新建三方代码位，新建代码位的属性与原瀑布流中的第一个三方代码位保持一致，三方如有代码位粒度的特殊配置，需要开发者手动下载管家新建的代码位去相应平台沟通配置

5.自动变更同步(无需手动同步)

开发者如有广告网络、瀑布流配置等诉求,可在控制组且进行调整,平台能够实时自动识别到开发者的改动,将改动自动同步给模型,无需手动点击。

6.查看自动创建代码位

瀑布流详情页：代码位名称中带有「auto_add」表示是智能管家自动创建的代码位，自动创建的代码位建议开发者不要复用到其他瀑布流，更不可手动更改底价，避免影响模型判断

收益报表:智能管家自动创建的代码位本质上与开发者手动创建的代码位是一样的,支持在收益报表查看与筛

选,查看应用/账号粒度数据时,也都包含智能管家自动创建的代码位

API:聚合管理API支持查询t-1智能管家组的代码位id,获取到代码位id后再通过数据API能够查询到自动新建代码位的收益数据,便于开发者批量管理数据或者将GroMore的数据与自身的数据中台进行连接,拉取方法详见接口文档

模型在持续调优,api不支持拉取时间过长的代码位id,建议每天8点前进行拉取前一天的代码位id,避免部分自动创建的代码位拉取不到。

7.智能分组

• 功能介绍

默认分组开启智能管家后，模型自动对流量进行分析，判断流量细分是否能够带来更高的收益，进而自动将默认分组流量进行拆分，不同的流量进入不同的分组，实现更精细化的瀑布流自动调优。

• 功能说明
• 不会影响已有流量分组，模型只针对默认分组包含的流量进行拆分，原先已有的流量分组依然存在，优先级不会受到影响。
• 智能分组与其他流量分组没有本质上的区别，开发者可以正常管理智能分组中的智能管家、关闭智能分组，但不支持复制、不支持改动智能分组的规则。
• 智能分组数量取决于量级和流量自身的区分度，不同广告位有不一样的分组数量是正常的。

8.关闭智能管家

• 单个瀑布流关闭智能管家

选择需要关闭的智能管家瀑布流，点击右上角【关闭智能管家】即可

• 批量关闭智能管家

应用管理页面-智能管家应用-已开启智能管家，勾选需要关闭的广告位-点击批量关闭即可

四、行业使用案例

阅读行业

• 媒体背景和调优痛点：阅读行业头部媒体，变现经验成熟，运营日常跟随预算节点进行瀑布流层数调整，人工通过开ab实验测试瀑布流层数调整是否有收益，运营成本高
• 管家调优效果：信息流广告位开启智能管家后，模型长期持续自动的进行瀑布流层级的调整， ARPU+15%

工具行业

• 媒体背景和调优痛点：工具行业中腰部媒体，APP数量多，已有一套通用的瀑布流层级经验，频繁请求严重（错误码为-8），增加层级后耗时增加、频繁请求问题增加、收益降低
• 管家调优效果：开屏、插屏广告位开启智能管家后，模型通过动态请求能力，减少每次请求的无效层级，降低频繁请求问题，以开屏为例，ECPM+26%、ARPU+25%

游戏行业

• 媒体背景和调优痛点：游戏行业知名媒体，但广告变现经验不足，对瀑布流如何分层设价缺少经验
• 管家调优效果：激励广告位开启智能管家后，模型结合流量&预算的信息，细化瀑布流层级与底价，实验累计100w+活跃用户数量，eCPM+54%、IPU+31%、ARPU+102%

**注：以上供开发者参考，智能管家调优效果受到开发者原瀑布流设置&流量质量&预算影响

智能管家常见问题