用上GroMore智能管家，“躺平”也能多挣钱
几周前的一个活动上，我碰到一位开发者——测亩易App的变现负责人泽明。在农业工具这样一个专业而垂直的领域，泽明算是数字化和商业变现的第一批开拓者，近几年测亩易App也通过应用内广告变现，获得了可观的收入增长；更神奇的是，泽明告诉我，最近他们的广告变现优化团队“躺平”以后，收入居然还上升了50%！
咋回事呢？先说说现在开发者变现主流的“多层瀑布流”模式。简单说，就是嵌入多个广告变现的SDK，然后向他们轮询广告，因为各家广告的收益水平动态变化，所以就设多层的底价，每次广告展示由高到低慢慢来，尽量抓住最好的变现机会，大家可以参看下图。这个细节咱们以前聊过挺多，这里就不展开了。
不管您做没做过变现，一看上面这图肯定都有点头大——这个过程设置起来实在是太麻烦了：首先，瀑布流应该分多少层；其次，每层的底价该怎么设；还有，这些分层和底价要怎么动态调整。这么多问题，想起来就头大，更麻烦的是，说也不知道自己的配置到底离最优差了多少，少挣了多少钱。
泽明的团队这回的“躺平”，是他们抱着试试看的态度，在内测阶段试用了一下穿山甲的GroMore智能管家。这个产品是干啥的呢？简单说就是帮你自动做上面那一堆事。用起来以后，泽明的下巴都惊掉了——收益一下子提升了一半。原来自己辛辛苦苦每天努力调来调去，流量收益还是少挣了这么多啊！
这个GroMore智能管家是咋回事，都能干些啥，咱们今天来聊聊看。
GroMore智能管家从何而来
穷则思变。多层瀑布流配置这么反人类的优化任务，在AI嚷嚷得这么响得今天，早该想想办法解决一下了。现在看，市场上尝试的解决方法有两条路。
第一条路，是咱们聊过好多次的“Bidding模式”。简单说，别让开发者费劲试探底价了，你变现SDK直接报一个价大家一比，这不一轮就结束了么！其实，这是正本清源得想法，回到早在PC时代就广为接受的实时竞价模式，其收益水平和优化难度都会有积极的变化。
目前，像GroMore这类变现聚合平台，确实也在拥抱这种模式。不过，这种模式需要等全市场普遍接受，才能发挥最大价值。目前，市场的主流变现模式，还是瀑布流。
另一条路，则是将多层瀑布流的复杂配置自动化的路线。这也就是GroMore智能管家的产品路线。
其实，广告变现中的瀑布流配置是典型的参数众多、意义不直观的优化任务，而且这些参数还要根据市场数据反馈快速调整，才能取得最优的效果。显然，这是一项特别适合于自动化的任务。以往，也有过一些对这个配置问题的辅助工具，比方说根据变现数据对分层底价做出推荐，后续再由运营人员决策。不过这样一来，人工的非理性因素又掺杂在其中，而且很难做到敏捷的动态调整。
因此，GroMore智能管家这个产品，坚决地采用了自动化的思路，将瀑布流的运营配置、动态调整、分人群运营等环节都在数据驱动下自动完成，这也是业内首发的同款变现优化工具。它的使用界面非常简单便捷，大家可以在下图中快速了解一下。
GroMore智能管家的产品目标有两个：一是为了把变现部门从繁重无聊的重复性工作中解放出来；二是为了探索自动化是否可以挖掘出流量更高的变现潜力。这两个角度，都值得开发者们好好关注，积极尝试。
GroMore智能管家能干啥
咱们具体看看，GroMore智能管家都有哪些关键的产品功能。
首先，它的基本功能，是自动化的瀑布流参数初始化。这个过程与人工基于经验的调整不同，完全基于市场的实际数据反馈驱动，道理上会比人工调整更及时、更有效。
其实这个原理很好理解，根据历史一段时间内的数据统计，根据当前的流量特征，大致估计一下各个变现平台的收益水平范围，这些范围有了，再有的放矢地设置各层的瀑布流参数，那肯定比盲猜要准确。另外，由于GroMore智能管家是穿山甲旗下的产品，对穿山甲变现的动态数据是了如指掌的，而穿山甲又是很多开发者主力的变现平台之一，瀑布流设置效果更有保证。
除了自动设置瀑布流参数，我还发现GroMore智能管家有一项原来人工搞不了的新功能——PV粒度的精细化瀑布流配置。
变现水平这东西，除了跟平台、市场这些因素有关，显然也跟用户特性有关。但是人工的瀑布流配置，搞定一组就已经累得半死了，还要再多分几组分别配置？！那是万万不可能的，更不要说PV粒度了。
根据不同用户群的统计特性，在PV粒度上分别设置不同的瀑布流参数，是GroMore智能管家比人工调整更具竞争力的新产品特征。
就拿简单的性别区分来说吧，咱们都知道男女的变现价值，在不同的行业上，是会有显著差异的。从设置瀑布流的角度来说，显然，男女用户的瀑布流配置应该是有区别的。可是就这么个简单的任务，开发者自己做也是不现实的。普通开发者往往没有这样的数据资产，也没有这样的建模能力。如果再考虑每次PV单独配置，那肯定是天方夜谭了。
但是如果从数据统计和自动配置的思路上看，这么做不但可行，而且可能带来的变现潜力还很大。GroMore智能管家，就实现了这样的分配配置功能，而且一步到位，直接在每个PV上重新计算接近最优的瀑布流配置，可以说把变现的潜力挖掘到了极致。这也是AI自动决策，相比辅助人工决策，最大的优势之一。
当然，我们并不能认为人工的探索是没价值的，只要全部交给机器就行。在GroMore智能管家的产品中，人工的探索可以跟机器的自动过程并驾齐驱。同时，可以随时通过方便的AB测试工具，定量评估两者的各种数据差异。
比方说， AB测试发现算法配置的变现水平稍差，但是留存有改善的空间，那可以将算法配置一键同步到人工配置的这个组上，运营人员在此以此为基础进行优化就行，反过来也可以。如此一来，无论是人工的经验，还是算法探索的成果，都可以被沉淀下来，让变现的水平稳步上升。
泽明的团队用了GroMore智能管家以后，最直接的感觉，是整个小组可以基本上躺平了。当然，这并不重要，因为如果优化效果不行，那大家躺平了也还得站起来。
开始，泽明对自己团队的优化经验还是很有信心，觉得用这个工具，不过是给大家提供一点思路借鉴。然而用起来的效果让他大吃一惊：变现水平直接上升了50%，甚至有时会达到100%！也就是说原来大家觉得你以为好的优化经验，原来离最优的配置还相去甚远！这也有力地说明了，在瀑布流配置这个问题上，自动化和数据驱动才是根本出路。
为此，泽明也陷入了沉思：是不是这就意味着广告变现的优化这个问题，从此不再需要人类的智慧和经验呢？或者说如果需要，那又怎么跟算法优化有机配合，相得益彰呢？他来问我，我一时也不知道如何作答。后来，在上次就GroMore智能管家专门搞的一次直播讨论上(直播回放见此文：新年开局，一场关于“变现魔法”的对谈，即将开启)，跟穿山甲的朋友一聊，才把这个问题搞清楚。
其实，人工智慧和算法优化的配合关系，还是比较清晰的：人工把一个问题的方案路线都确定了，状态空间确定下来了，也就是算法大显身手的时候了。
最典型的例子还是AlphaGo，棋盘、规则都一清二楚，算起来AI就比人高出几个段位了，但是设计这个有趣味、有深度的游戏，目前那还只有人才能做到。而在广告变现这个场景中，情况也差不多：在产品的那个场景中加入广告变现，出广告的整体模板样式和交互，配合广告的产品内激烈体系，这些事情，属于“设计游戏”的范畴，也是目前人类更加擅长的。而GroMore智能管家数据驱动的瀑布流参数配置这一块，与人工经验决策的这些部分，完全可以无缝地衔接。
因此，大家根本不用担心AI会让人没有了用武之地，他反而能帮助我们找到更能发挥人类所长之处。
而GroMore智能管家这个产品，正是从实践上证明了这条AI路线的可行性。只要有详实的数据做支撑，自动化的优化不仅能显著提升工作效率，让变现运营团队“躺平”，还有可能大幅提升变现水平，把收益带到以前纯人工优化没有达到过的高度。
这个产品应该说是业内首发，同时也还有着广阔的探索前景，比方说，对穿山甲以外变现平台数据更精细的把握，与渐渐发展起来的Bidding模式变现如何融合，等等。各位开发者朋友们，无论你想广告变现的时候省点儿事，还是想多挣点儿钱，对这个产品的演进，都可以保持高度的关注，也可以用起来试试。
最后，把一段GroMore智能管家的介绍视频贴在这儿，供大家了解参考。
微信扫码关注该文公众号作者