Moloco
草稿机器学习驱动的程序化 DSP，算法透明度较高，支持 Web-to-App 流量
globalcasualmidcoret1ml-drivenweb-to-appgamefi
Moloco 入门基础
适合阅读: 新投手、熟悉 Meta 但无 DSP 经验的同学、广告技术同学
Moloco 定位：纯程序化 DSP
Moloco 是不拥有自有流量的 Demand-Side Platform，通过 RTB (Real-Time Bidding) 在 40+ Ad Exchange 上竞得展示，用 机器学习 (ML) 决定「对谁、出多少价、展示哪条创意」。
⏱️
传统 SAN (Meta):
自有流量 → 自有拍卖 → 自有归因
📊
Moloco (DSP):
Bid Request (来自 Exchange)
Moloco DNN 集群 (pCVR/LTV/出价/反欺诈...)
RTB 出价 → 竞得展示 → 用户看到广告
MMP 归因安装与事件 → 回传 Moloco → 模型再训练
| 项目 | 信息 |
|---|---|
| 渠道类型 | 程序化 DSP |
| 核心产品 | Moloco Cloud DSP |
| 流量规模 | 20亿+ DAU，300万+ 应用 (官方宣传) |
| 接入 | Managed + Self-serve，必须 MMP |
| 官方 | https://www.moloco.com/dsp 、https://docs.moloco.com/ |
来源: Moloco 官方产品页
核心概念：1P Data ML / DNN / Bid Optimization
| 概念 | 含义 |
|---|---|
| 1P Data | 广告主经 MMP 回传的第一方转化数据 (安装、事件、收入) |
| DNN | 深度神经网络，Moloco 宣称 8-10 个模型并行处理单次 Bid Request |
| Bid Optimization | 实时计算最优 CPM 出价，使 CPI/CPA/ROAS 趋近目标 |
| SPO | Supply Path Optimization，同一用户多 Exchange 路径选最优 |
⏱️
数据闭环:
1P 事件回传 (Install/Purchase/Revenue...)
持续训练 (非固定「每周重训」单次节奏)
每个 Bid Request 实时预测 pCVR、LTV
出价 = f(目标 CPI/ROAS, 预测值, 预算节奏)
竞得展示 → 新行为 → 再回传
来源: Moloco 技术博客、docs.moloco.com
⚠️ 待验证: 「8-10 个 DNN」为合作方/官方材料描述，内部架构可能迭代。
与 AppLovin / Meta 的区别
| 维度 | Moloco | AppLovin | Meta |
|---|---|---|---|
| 流量 | 外部 Exchange 竞价 | MAX 生态 + 合作库存 | FB/IG/AN 自有 |
| 数据优势 | 1P 回传深度 | MAX 行为 + 买量 | 社交图谱 + 行为 |
| 透明度 | 相对较高，可看 Exchange 维度 | 中 | 中低 (黑盒+) |
| 定向 | 纯 ML | 创意=定向 | Advantage+ / 受众 |
| 最低门槛 | 日预算建议 ≥$500 (行业经验) | 相对灵活 | 因账户而异 |
| 学习周期 | 7-14 天 | ~7 天 | 15 事件/周 |
关键差异：Moloco 没有「在 Moloco App 里刷 Feed」这种场景——你赢得的是 Unity、ironSource、AdX 等处的应用内广告位，版位表现随 Exchange 变化。
核心术语
| 术语 | 含义 | 投手关联 |
|---|---|---|
| RTB | Real-Time Bidding | 每次展示毫秒级竞价 |
| Exchange | 广告交易所/SSP 接入点 | 报表中可拆 Exchange 表现 |
| Bid Request | 竞价请求 | 携带设备、应用、版位上下文 |
| Win Rate | 出价胜率 | 过低 → 出价不足；过高 → 可能出价过高 |
| eCPM | 千次展示成本/出价 | 核心竞价单位 |
| pCVR | 预测转化率 | DNN 输出，驱动出价 |
| Fill | 竞得并展示 | 花不出去常与此相关 |
计费模式
与 AppLovin 类似，表面按 CPM 竞价，优化目标为：
| 目标 | 阶段 | 说明 |
|---|---|---|
| Target CPI | 冷启动 | 积累安装与特征 |
| Target CPA | 中期 | 优化注册/付费等 |
| Target ROAS | 成熟期 | 需完整收入回传 |
来源: Moloco Campaign 设置文档
归因
| 项目 | 说明 |
|---|---|
| 方式 | 仅第三方 MMP，无 SAN 自声称 |
| MMP | AppsFlyer、Adjust、Singular、Kochava |
| iOS | SKAN 支持 |
| 窗口 | 由 MMP 配置，建议与评估口径一致 |
structure
Moloco 不「告诉 MMP 归因结果」为主逻辑；
而是 MMP 归因后 **Postback 给 Moloco** 训练模型。Moloco vs Liftoff vs AppLovin
| 维度 | Moloco | Liftoff | AppLovin |
|---|---|---|---|
| 类型 | 纯 DSP | DSP + Vungle SDK 流量 | SDK 网络 + MAX |
| ML 深度 | 最深 (官方定位) | 中-高 | AXON 强化学习 |
| T1 市场 | 强 | 强 | 强 |
| 亚太新兴 | 中 | 中 | 中-高 |
| Playable | 一般 | 一般 | 强 (生态内) |
| 创意依赖 | 高 | 高 | 极高 |
| 预算门槛 | 较高 | 中等 | 中低 |
新投手定位总结
Moloco 适合 已有稳定 MMP 回传、日预算可支撑 ML 学习、需要程序化扩量 的团队；不适合作为「第一个渠道」零基础上線。与 AppLovin 搭配时，Moloco 常扮演 ROI 驱动的增量 DSP，需用 MMP Cohort 严格验质量。
来源: Moloco 官方文档、docs.moloco.com、合作方技术报道 (需以官方为准)