用曝光量 + CPM/eCPM 估算收益，或从目标收益反推所需曝光量。
收益 = 展示 ÷ 1,000 × CPM
多数误判来自口径不一致，以及填充率/mediation 对实际展示与 eCPM 的影响。先核对这些再信这个数字。
Requests ≠ Impressions
请求不一定会填充成展示；把 requests 当 impressions 会放大预测。
核对： 使用 Ad impressions（展示）+ Estimated earnings，并与同一时间范围、同一广告单元类型对齐。
CPM vs eCPM：确保口径与公式一致
做收益预测通常需要基于展示的有效收益（eCPM），而不是广告主 CPM。
核对： 用（Estimated earnings ÷ Impressions × 1,000）计算 eCPM，并与同一窗口对齐。
填充率与 mediation 会压缩实际收益
no-fill、延迟、waterfall/竞价组合会影响实际展示与 eCPM。
核对： 查看 fill rate、mediation 表现与 ad source mix；不稳定时拉宽区间。
地域结构对 eCPM 影响极大
Tier-1 与 Tier-3 占比的轻微变化都可能带来多倍波动。
核对： 按国家拆分曝光与 eCPM，用加权方式构建区间。
eCPM floors / price floors 会改变结果
Floors 可能提升 eCPM 但降低填充率，进而改变总收益。
核对： 在相近流量与季节条件下对比 floors 前后总收益与填充率。
插屏频次可能伤害留存
更多插屏能带来短期展示，但可能损害体验与 LTV。
核对： 启用频控；同时监控留存/LTV 与 eCPM。
基于你的输入做合理性检查并给出可执行的优化建议（不作承诺）。
请勿粘贴 AdMob 账号 ID、邮箱或其他敏感信息。
官方 AdMob 文档（指标定义与说明）：
你可能也会用到：
为什么它更好用
正向 + 反推
既能估算收益，也能从目标收益反推所需曝光量。
区间敏感度
支持 CPM min/max + 场景卡片，输出结果区间，降低不确定性带来的误判。
更贴近 AdMob 口径
AdMob 坑点清单：requests vs impressions、CPM vs eCPM、填充率、mediation 与地域结构。
可选 AI Insights
给出合理性检查与可执行的优化建议（不作承诺）。
怎么用
选择模式
选择估算收益或反推曝光。
输入参数
输入曝光量/目标收益与 CPM/eCPM（或区间），并选择口径（日/月/年）。
复制与迭代
复制摘要，调整假设与区间，用于规划下一步实验。
常见问题
本工具仅提供估算结果。AdMob 的 CPM/eCPM 会随地域结构、广告样式、填充率、可见度、季节性与竞价需求而波动。