博客首页|TW首页| 同事录|业界社区
2017-12-11

2018年1月6日是属于《程序化广告实战》的 happy!day!

盛情邀请所有关注、支持《程序化广告实战》的朋友来现场!

聚会场地

此次活动我们筹划已久:

  • 有干货,把程序化广告实战的最后一期的分享内容融入里面,除了吴俊老师一人的单口相声,还邀请到了国美的孙晓威分享投放心得,以及各位程序化广告的业内人士,一起分享碰撞;
  • 有老友,那些无论是顶着烈日还是冒着严寒来到我们课程上的同学,还是那些一直默默关注着我们的朋友,让我们把酒言欢、倾诉衷肠;
  • 有美酒,忙乎了一年大家辛苦啦,得好好犒劳一下自己,来我们聚会放松一下身心,我们选择的聚会地点是一个坐落在北京北三环上的一个酒庄哦,红葡萄酒、白葡萄酒、香槟应有尽有。

这是上一次的聚会场景,这一次也大概是这样的

《程序化广告实战》最后的狂欢!名额有限,先到先得!

聚会时间:2018年1月6日 周六中午 12:00——15:00

详细安排:

11:50-12:00 签到与自我介绍

12:00-13:00 答谢宴,享用可口西餐和美酒

13:00-13:30 孙晓威分享运营优化方面的心得,(目前国美营销体系)

13:30-14:00 吴俊老师分享PDB专题4:《PDB4-PDB执行流程细节指导示范》

14:30-15:00 大家根据行业趋势、行业现状进行探讨,资源互通、社交。

在讲解过程中,如果你有任何问题,可随时提问。

活动地点:北京北土城东路7号大都摄影街15号中外名庄一楼河边

乘车路线:地铁13号线芍药居A口出 、10号及5号线惠新西街南口站C口出

报名方式:

第一步:添加微信号:13121124046(伍刀刀);

第二步:填写报名表,并缴纳200元报名费(单次体验票¥200,欢迎大家选购超实惠的¥1920年包套餐、或¥4188VIP年包套餐);

第三步:活动当天来到活动现场签到参与。

另外,为了满足无法亲临现场同学的需求,此次活动我们增加了线上同步直播及视频回看。

如何参加线上直播及视频回看?

第一步:添加微信号:13121124046(伍刀刀);

第二步:填写报名表,并缴纳200元报名费;(单次体验票¥200,欢迎大家选购超实惠的¥1920年包套餐、或¥4188VIP年包套餐);

移动端、PC直播地址(可点击文末“阅读原文”进入):

mudu.tv/watch/1481452

第三步:我们会将以您手机号作为唯一识别码加入直播间,给您可以在线直播互动及视频回看的课程地址参与活动。

直播将以视频形式进行,而且能够进行互动,我们将回答您在直播间提出的每个有价值的问题。而且若您时间上冲突,依然可以等有空的时候回看即可。

如您在报名中遇到任何问题,请拨打电话或添加微信:13121124046(伍刀刀)随时联系我们。

以下为《PDB4-PDB执行流程细节指导示范》讲解提纲 :

——20页 ppt

主要内容:

执行流程概览

执行步骤

流程细节-准备期

流程细节-执行期及Review

PDB方负责的具体执行环节

媒体对接-商务谈判

媒体对接-技术对接

媒体对接-PDB广告技术服务的主要技术对接模式

媒体对接-目前主流跨屏黄金媒体,近百个优质点位已支持PDB技术对接

媒体对接-对接全部主流OTV媒体执行退量操作经验

投放设置-执行投放流程提前5工作日

投放设置-主要优化KPI参考

报表-CPD(campaign分账)报表系统截图

报表-视频投放日报-示例

报表-视频投放周报-示例

报表-定期review-示例

报表-人群及媒体分析示例

(转载请注明出处:微信订阅号:ad_automation)

现场福利:可以为您的新书定制个性的签名题词。

网上文章较零散,若想系统化学习,可考虑考虑作者刚出版的原版新书《程序化广告实战》,各大电商网站(如:《程序化广告实战》(吴俊)【摘要 书评 试读】- 京东图书)均有售。

2017-11-27

多Campaign的PDB是很多大集团的广告主的宏大理想,但是之前也多次强调由于其涉及面众多,且复杂度巨大,例如:预算、排期、职责分工等等。所以目前市面上仅有少数几个大型的国际集团广告主客户有实际的案例,而且整体的案例规模超过十几亿的预算规模的管理。大体的执行流程如下图所示。

PDB执行流程示意图

1.优化机制

PDB的优化一切都是由程序算法自动计算完成的。通过智能预测模型,多维度优化、智能优化。如下图所示,基本的优化流程逻辑如下:

1) 用户访问广告主采买包段的广告位,PDB系统会收到多维度用户行为及广告位信息;

2) PDB系统将这些数据积累训练模型,并根据前期测试,智能学习多维度如何影响广告点击及各种效果指标;

3) 然后PDB系统根据训练模型,选取能取得最佳广告效果的品牌及创意物料返回;

4) 收集广告展示后的相关数据也一并积累训练模型。

就这样不断地循环持续闭环优化。

PDB优化逻辑示意图

2.主要算法逻辑

如下图所示的PDB大体的判断流程示意,大家会比较关心主要的PDB算法逻辑:根据用户行为属性及人群匹配不同产品广告。

PDB大体判断流程示意图

(一)千人千面:

如下图所示的PDB对各种各样的人群,在广告主自采的广告位上,依据不同人群的特点为其推动各品牌各产品的广告。这是PDB十分重要的千人千面的特性。

PDB千人千面特性示意图

(二)多种指标综合智能决策:

PDB会按照多种运算逻辑进行智能算法判别,以整体效果最优为目标,来选取投放哪个产品的广告。例如:

a) 点击率高的物料优先投放

b) 曝光次数少的物料优先投放

c) 项目剩余预算大的物料优先投放

d) KPI达成概率高的物料优先投放

等等,其实指标项不仅限于以上的这些指标,实际业务中的指标项很多很多,而且这些指标项都需要综合考量,平衡处理。这正是PDB有意思的地方。(按实际执行的经验、预算是优先级较高的一个因素。)

(三)无法识别用户标签的处理机制:

在对于无法识别用户标签,PDB算法的处理机制如下:

1) 先按照域名、地域、时段、人群标签等推测相似性规则模型,自动匹配投放物料。

2) 若未匹配到相似性,再以随机方式曝光各款物料(当然遵守预算等等约束限制)。

3.多campaign PDB案例

下面选取几个典型的实际案例为大家展示一些PDB是如何优化广告效果的,帮助大家建立一些感性认识。

某国际知名汽车集团

l 项目背景:某大型汽车广告主自采的数亿广告资源流量,由PDB进行整合优化,提升广告投放效率。

l 优化目标:CPUV、CPL等

l 优化时间:2014-2016

l 广告主自采年约媒体投放项目的固定位优化:

a) CPD方式媒体采买

b) 流量全部使用,无退回

c) 多Campaign同在一个CPD媒体池中投放优化(流量共用)

l  执行效果:主要优化各Campaign KPI:

ü CPUV下降

通过PDB的优化:各Campaign投放的CPUV,均远低于相关点位前一年同期及当年同期CPUV。

ü CPL下降

在媒体广告位CPM涨幅高达3倍的情况下,通过PDB优化将CPL降低30%。

新品上市用户每天第一眼轰炸

如下图所示,PDB对接该集团的年约广告资源,为新品上市推广配备最优的资源组合。让新品广告成为用户每天第一个看到。在所有采购的媒体资源中,用户每天看到的第一个广告均为该新品广告。

新品上市用户每天第一眼轰炸机制示意图

l 用户每天第一眼的价值:

a) 更容易注意到广告内容:用户眼睛不疲劳、注意力未定型

b) 点击行为更活跃:用户打开页面较少、浏览时间较富余

c) 印象更深刻:比竞争产品更早根植于用户记忆

d) 尤其适合新品上市推广:激发用户好奇心及兴趣,提升广告效果

l  项目实际执行情况:

新品价格公布后,立即启动用户“每天第一眼”单品轰炸计划,快速高效地影响大规模人群。投放节奏如下图所示。

新品上市的特殊投放节奏示例图

“每天第一眼”投放优化在常规PDB优化40%+的基础上更进一步优化,效果对比如下二图所示。

新品上市特殊投放CPL表现优于常规PDB投放示例图

新品上市特殊投放CPUV表现优于常规PDB投放示例图

最终的销售拉动成绩是:自新品宣布价格后的销售10天,新品销量激增(所属品线销量同比增长77.1%),有效刺激新品销量快速提升。

4.注意事项及挑战

其实固定位PDB不论从广告主甲方内部推动阻力,及项目执行难度,算法难度都很大。所以导致目前业内广告主大规模,对大部分固定位数字预算都通过PDB来管理的案例还是很少,有的都是一些少量点位的尝试。固定位PDB最复杂的点在于各媒体的流量是波动的,而CPD采买的总价是固定的,这就意味着各媒体点位每日CPM单价是波动的。而如何在波动的流量及CPM单价的前提下,做好多Campaign的预算控制和进度控制是首要挑战。可见也肯定不能仅仅简单地通过Campaign曝光数进度来控制投放节奏了。这种复杂度已经非常的高了,另外加上还要通过算法来完成千人千面,根据不同Campaign的KPI来执行不同Campaign的投放策略。同时由于CPD是不能退量的,项目执行投放设置及算法上都需要考虑打底的问题,以及打底同各Campaign预算及KPI的处理技巧。如果简单粗暴地把所有Campaign挑剩的流量给那个预算最多的Campaign,这样对预算最多的Campaign是很不公平的,所以适当的需要通过平衡,将部分“大家挑剩”的流量均分到那些KPI完成的较好的Campaign。当然这些整体平衡的策略及规则,都需要PDB执行方同广告主客户方一起来制定。也许有的广告主会需要KPI完成的好的Campaign希望更好,差的Campaign可以更差,这样至少能保住明星产品的营销。等等诸如此类的问题及挑战在固定位PDB的项目中太多了,这里仅仅让大家通过几个关键点,认识到PDB同DSP+RTB的巨大差异。

(转载请注明出处:微信订阅号:ad_automation)

本系列文章部分摘自作者新书《程序化广告实战》,网上文章较零散,可参考书籍系统学习,各大电商网站(如:《程序化广告实战》(吴俊)【摘要 书评 试读】- 京东图书)均有售。

近期活动通知(点击链接报名):

12月2日14点绝版流水课通知:“PDB三”–亿级多Campaign PDB+移动设备ID专题

2017-11-20

PDB执行流程

很多同学对PDB执行大体过程不太清楚,经常会望而却步,所以我们将实操详细执行流程的细节给大家介绍一下:

项目商务准备阶段:

1) 广告主及广告代理公司明确项目投放目标:预算规模、投放周期、目标受众、目标媒体、频次要求、其他投放需求。(若多CampaignPDB项目,由于需要合并多Campaign的预算,并明确各Campaign的目标,相对而言多Campaign的项目准备起来坑会特别的多,主要的坑集中在广告主甲方内部的对预算及目标的多Campaign平衡上、以及产品同媒介之间因分工不同而带来的决策问题。所以相对而言单Campaign的视频PDB项目就简单的多。)

2) 广告主及广告代理公司,同媒体商务沟通确定媒体是否同意接受对接PDB广告技术服务。(此时PDB技术供应商可以作为技术支持角色辅助沟通,解答技术问题。)

3) 广告主及广告代理公司,同媒体商务洽谈排期、价格等商务条款排期.

4) 一般这个阶段周期为2-3周。

PDB方同媒体技术对接阶段:

1) 对于PDB方已完成技术对接的媒体,只需确认技术对接状态及支持的功能。(商务确认后1-2天内即可投放,目前大部分视频媒体基本都ready。)

2) 而对PDB方未完成技术对接的媒体,需确认媒体技术对接可行性,及预计完成工期、及评估可投放的时间点。(一般对接周期1个月左右(前提是媒体技术准备到位))

3) 一般这个阶段1个月左右,当然也视新技术对接媒体的个数而定。(按经验一个媒体对接需要2-3周的时间。)

项目执行阶段:

1) 代理公司按传统流程排期给媒体下单,传统方式人工预审素材。

2) 媒体提供给PDB方需要的,相应的参数配置,保证广告库存被对应的Campaign及广告主使用。

3) 代理公司将媒体审核通过的素材,和生成的第三方监测代码给到,PDB方在系统中上传,并让媒体通过系统审核完成。一切要等审核通过后才能投放。很多时候PDB在这个环节大家很容易忽视,经常按传统广告投放的路数来玩,经常恨不得新Campaign下分钟上线,投放素材才刚刚给到。这块一定要提醒大家注意啦,一定一定要提前至少5个工作日给媒体下完单,素材监测代码给到PDB方,否则就是经常性的媒体+PDB运营同学跨年、五一、十一通宵加班,如果技术上再出些问题,就是各种悲催的加班。(若这个时候要上全国数百个地域上百条不同监测代码、创意还要多个版本、广东还需要粤语版本、乘以10+个媒体,很多个文件较大的OTV素材+上百条监测代码、上传设置要上千处、设置定向规则也可能要上千处、有的媒体审核也要上千次,对项目执行及媒体对接的AE、审核及放量的同学来说简直就是噩梦,如果操作中弄错了一点。简直就要全部重新弄,大家都一起等着等着熬夜熬夜。)

4) PDB方及代理公司定期同客户review数据沟通各Campaign的投放目标,

5) PDB方及代理公司定期同媒体比对数据GAP,确保退量在媒体接受的合理范围。

PDB+RTB模式

很多时候广告主希望在预算有限的情况下,能同时兼顾媒体质量和覆盖效率,这样就出现了PDB+RTB的模式,例如下面的这组推广诉求就是PDB+RTB的典型场景:

l 运用PDB模式,在强势媒体中采购优质资源,建立传播主阵地。

l 运用RTB模式,有效覆盖更多目标受众提高整体曝光效率。

这样结合“PDB自采广告资源程序化管理”+“RTB PC+移动人群定向购买”的各自优势组合搭配,恰恰能很好地满足广告主的这种推广诉求。

1. PDB+RTB特点

PDB、RTB各有自身的优势,结合起来的PDB+RTB高效互补,可以让广告投放更为全面丰富,如下是相关模式及混合模式的优势罗列:

u PDB策略的优势:

ü 按照原计划采购资源,费用流程不变;

ü 跨媒体控频,避免重复覆盖浪费;

ü 按人群部分流量退回,降低非TA浪费;

ü 人群数据累积,投放效益回收。

u RTB策略的优势:

ü 补充PDB,不重复,扩大覆盖;

ü 人群定向投放,更高准确性;

ü 地域定量分布,弥合推广节奏;

ü 不断优化,提升转化效果;

ü 人群数据累积,投放效益回收。

u RTB投放与自采媒体PDB高效互补:

ü PDB自采视频资源优质,覆盖重点人群

ü RTB排除已覆盖人群,锁定其他新客,广泛覆盖

ü 最大化覆盖符合要求TA的覆盖量,拉低TA覆盖成本。

2. PDB+RTB实战案例

下面选取几个典型的实际案例为大家展示一些PDB+RTB是如何优化的,帮助大家建立一些感性认识。

案例1 某国际知名牙膏品牌

l 人群定向:女性 20-40岁

l 投放周期:2015年6月-7月

l 投放城市:总计83城市,分为A级及B级城市

l 投放KPI:以常规投放结果作为benchmark,此次投放TAUV数量提升15%

通过以不同媒体渠道不同城市分PC及MOB(Mobile的缩写)端的CPTAPV(Cost-Per-TAPV,每TAPV的花费)单价从低到高排序,并结合媒体库存作为排期估算依据(同时遵循客户的媒体、渠道、PC&MOB配比规则),整体规划采用传统采买+PDB+RTB综合投放来优化TAUV。

l  执行效果:

如下三图所示,最终项目执行结果,整体TAUV数量提升20%以上,高于KPI提升15%的要求。A级城市总体、B级城市 TAUV均超额完成。

PC、MOB、整体的实际优化的TAUV数高于计划目标

A级城市执行PC、MOB、整体的实际优化的TAUV数高于计划目标

B级城市执行PC、MOB、整体的实际优化的TAUV数高于计划目标

案例2 某国际知名奶粉品牌

l 人群定向:女性 25-35岁

l 投放周期:2015年10月-11月

l 项目背景:15s&30s视频,PC端、移动端分地域投放

l 投放城市:广州、宁波、杭州、武汉、天津

l 投放形式:PDB+RTB

l 投放KPI:TA%提升30%、TA 3+Reach提升10%

l 投放目的:针对目标人群投放,进一步提升品牌认知度与线上关注度;为其引入规模流量,推广活动,促进更多人选择此品牌。

l 项目优化策略:

1)  通过对接DMP数据,提升TA%

2)  同时建立黑名单,精准女性TA

3)  曝光找回策略,优化3+Reach%

4)  随着投放增加,TA越来越精准,通过RTB曝光找回策略,及Look-alike建模来不断优化人群,广告效果也得到了进一步的提升。

l 执行结果数据:

如下三图所示,项目投放执行结果表现,优化TA%完成KPI要求。TA3+Reach%提升30%以上,优于KPI要求。

PC端实际PDB+RTB执行表现优于传统采买投放

Mobile端实际PDB+RTB执行表现优于传统采买投放

TA3+Reach%实际PDB+RTB执行表现优于传统采买投放

如下二图所示,通过优化投放,RTB的广告效果相比PDB、传统广告投放在TA方面有明显大幅度提升。RTB提升TA%效果显著,表现最优,其次是PDB,Regular buy.

PC端各城市实际传统采买、PDB、RTB执行表现

Mobile端各城市实际传统采买、PDB、RTB执行表现

(转载请注明出处:微信订阅号:ad_automation)

本系列文章部分摘自作者新书《程序化广告实战》,网上文章较零散,可参考书籍系统学习,各大电商网站(如:《程序化广告实战》(吴俊)【摘要 书评 试读】- 京东图书)均有售。

近期活动通知(点击链接报名):

12月2日14点绝版流水课通知:“PDB三”–亿级多Campaign PDB+移动设备ID专题

2017-11-13

最近有些同学找我聊,说“刷不到广告”,由此担心这个行业的未来发展,所以针对这个问题在程序化广告领域,尤其是大型品牌广告主自2014年开始越来越青睐的一种模式叫做PDB,我们将发布系列文章,从PDB的定义、机制、主要优化KPI注意事项、执行流程、业务特点等等方面展开进行介绍。

PDB英文全称“Programmatic Direct Buy”,即私有程序化购买。PDB主要是指对广告主自己买断的高端媒体资源,运用程序化投放的方式进行对接和优化投放。这是程序化广告发展的新高度,主要推动动因是:大品牌广告主既想要享受到程序化广告的优化手段,又想要满足自己对各类广告环境或媒体的极高要求。

记得2014年我们最开始在行业内推介PDB的时候,很多广告代理公司的同学在不了解PDB的情况下,对PDB及程序化广告十分地抵触,她们特别担心程序化广告会替代她们的日常工作(被失业)。但是PDB其实并没有改变传统广告排期采买,及投放执行的流程,仅仅是通过技术手段获取了广告主包段广告位的管理权:让这些传统广告位更智能化、更可控化、更精益化,以及更规模化。所以大家如果能清楚这个点的话,自然就会拥抱PDB。其实对很多较传统的大广告主,PDB是他们最容易接受的一种程序化广告升级的模式。可能比RTB更容易让传统的大广告主接受。

图8‑1 PDB要点示意

通过PDB,广告主可灵活地配合业务需要自动化、程序化地投放广告:

l创意投放规则可按广告主的业务需要自由设定

²创意简单轮播

²新品上市的时段(所有点位几分钟内集中轰炸)

²锁定地域的轰炸

²人群定投(TA的首次曝光锁定)

²媒体属性分类的定向投放(门户首页/内文、垂直媒体首页/内文、专属类型栏目)

l数据及时,可实时根据反馈的数据闭环优化广告投放

l根据行为数据优化(点击、达到、转化)

l目标人群TA投放(AP、DMP)

l跨媒体联合频控(商务上可能会出现退量的需求)

l多子品牌预算、曝光、点击、UV控制

l配合营销活动可执行各种复杂的投放规则(时段、地域、UV第一次曝光、流量占比等等)

大部分的主流一线媒体,近百个优质点位技术上均支持PDB:

lPC端:主流一线媒体,黄金点位(首页通栏、文章页等点位)等;

lWAP端(Mobile Web):主流一线媒体,黄金点位(首页焦点图、开屏等)等;

lApp端:主流一线媒体,黄金点位(首页焦点图、开屏等)等;

l几乎所有主流视频媒体。

对接各类媒体的主要技术对接方式,如表格8-1所示,各种对接方式的详细说明已在第2章进行了介绍,这里就不做展开。

表格8‑1对接各类媒体对应的主要技术方式

媒体类型对接方式具体采用技术方案

PC&移动Web媒体对应页面广告位嵌代码Js广告位代码

服务端对接API

移动APP媒体对应页面广告位嵌代码广告SDK(Android、IOS)

服务端对接API

视频媒体对应页面广告位嵌代码VPAID(Flash广告播放容器)、VAST3.0

服务端对接API

注:服务端对接方式下除APP端媒体广告流量外、PC&移动Web媒体广告流量都需增加CookieMapping

目前PDB越来越得到大型品牌广告主的关注,如图8-2所示,仅仅截取了很少一部分执行过PDB的广告主LOGO。已有数百客户近千项目,已运用PDB管理了过百亿的广告投放预算。

图8‑2目前运用PDB管理广告投放的部分广告主Logo墙示意

PDB广告处理流程

PDB对广告主自采广告资源进行程序化投放。每次展示什么广告,都由PDB系统对人群的辨识和算法决定的。如图8-3所示,整体的流程如下:

1)将广告主采购的所有广告位资源统一嵌入PDB系统的管理代码(包括固定位置和移动app广告位置);

2)用户访问媒体页中广告主的广告位时,请求媒体广告系统;

3)媒体广告系统向PDB系统发送人群匹配曝光请求,携带广告位基本信息(网站、媒体频道、尺寸)、该用户ID、用户上网浏览器&IP地址等等广告位及用户行为数据;

4)PDB系统将该用户ID进行分析比对:通过算法决策和人群匹配、确定投放哪个产品广告、确定投放什么尺寸的广告;

5)PDB系统在广告主集团全系列产品广告物料库中,调用匹配的广告物料返回给媒体广告管理系统;

6)媒体系统将匹配的广告物料展示在该用户的屏幕上。

图8‑3 PDB流程示意

PDB的主要玩法

PDB到底能提高哪些方面的媒介效率、以及哪些方面的KPI可以得到优化呢?这些是大家首先会关注的。一般PDB会分为视频PDB及固定位PDB。

先来说说视频PDB项目主要的优化KPI点吧:

1)跨媒体联合频控降低CPUV,相同的预算覆盖到更多的人。一般视频媒体间的人群重合10%+,所以跨媒体联合频控可以用相同的预算多覆盖10%+的UV。而且这个退量也是媒体能接受的。

2)除了跨媒体联合频控,整体频次控制住了,还可以加大曝光中的高频部分的占比。我们也知道曝光1频的效果还是很有限的,所以我们希望能曝光的频次在控频的范围内尽量越多越好。而一般如果不做这方面的控制的话,联合频控投放一般50%以上会是1频。那么当然有个前提,若媒体放过来的量都是1频居多的话,PDB是无法做到提高高频占比的,所以需要媒体多放连续剧的流量,对于媒体而言她们也比较乐意。

3)视频广告主一般传统KPI都以TA%及TA N+ reach的多,所以广告主都希望能通过PDB提升这几个指标,但是传统TA%都是由第三方监测来出报告的,而第三方监测是采用小样本库来推及的。所以这个坑需要大家都清楚的,尤其广告主,除非PDB执行方内有“第三方监测Panel样本库”的指导。仅靠网络行为的推及,最后的TA%优化空间不大。而且从另一个角度来看,若媒体的退量比限制在20%,频控3次,投放出来平均频次1.3-2,意味着如果100%能用“第三方监测Panel样本库”来指导的话,TA的优化空间20%/2=10%;在加上“第三方监测Panel样本库”因为CookieMapping等匹配率若很低的话,最后优化空间可能就会很小很小了,这是一个大大的坑。

4)PDB+RTB也是一种十分有意思的玩法,因为RTB可以无限制的退量,所以不论对补频、追投等等都很有意思。

5)其实PDB还是一个程序化的工具,基于这个工具还有很多玩法,例如:创意轮播、按业务需要进行创意播放等等等等。

下面我们再来看看固定位PDB吧。固定位因媒体都是按CPD售卖的,故不能退量,所以要不就是单Campaign的多创意轮播;要不就是多Campaign的多产品共用流量。

a)“单Campaign的多创意轮播”:更多的是一种广告投放优化工具的使用场景。

b)“多Campaign的多产品共用流量”:从某种角度来看,各产品的CPUV确实会大大降低,而且如果做适度的针对不同的人投不同的广告,后续的效果多少会有些优化。看上去很美,但是还是有个大大的坑:多Campaign都有自己的排期,大家很难保持相同的排期、相同的预算来均分流量,而且既然是CPD将该广告位的流量全部包下,那么那些超频的PV给哪个产品呢?那些低龄用户的PV给哪个产品呢?好像只能给那个预算最大的那个产品打底了,那么预算最多的产品就要吃亏了。

c)另外关于后续效果的问题,其实还是媒体流量对效果起了很重要的作用,因为上媒体的用户,浏览媒体内容的用户都是由媒体的流量中产生的。所以后续效果这件事情到底是PDB还是媒体,在实际操作过程中这里有很多挑战的。

所以我在很多场合反复强调,大家一定要清晰地认识到程序化广告仅仅是广告行业的信息化工具和手段。不是救命稻草,不能盲目地把所有的KPI都压到这个工具上。

况且广告的核心功能是:曝光度、美誉度、知名度,让消费者认识、认知、记忆、形成一种思维的购买记忆,至于消费者什么时候购买,广告无法保证和做到的。

而程序化广告精准广告能解决的,仅仅是在合适的时间及场景对合适的人传递合适的品牌及产品信息。一个人从产生购买意愿到最终消费中间的影响因素有非常的多。

(转载请注明出处:微信订阅号:ad_automation)

本系列文章部分摘自作者新书《程序化广告实战》,网上文章较零散,可参考书籍系统学习,各大电商网站(如:《程序化广告实战》(吴俊)【摘要 书评 试读】- 京东图书)均有售。

近期活动通知(点击链接报名):

12月2日14点绝版流水课通知:“PDB三”–亿级多Campaign PDB+移动设备ID专题

2017-11-07

前两天正好和一朋友聊起来要做SSP的广告流量平台技术及业务功能上最需要关注哪些点?他希望给一个SSP的团队安排一个培训。

我的回答是,当然首先是流量的垂直化专有性。

除开垂直专有性,首要考虑就是标准化,买卖方需求及撮合标准化往往是大家容易忽视的,而这切切是广告流量聚合平台如何能快速扩大流水及利润率的过程。

随着互联网的变迁,流量红利的潮起潮落,其实都是新风口从圈地->标准化->竞争加剧->寡头->红利消失->新一轮流量圈地->…….不断循环往复的过程。

正好《程序化广告实战》书稿中有一段就标准化和功能层面对ADX及SSP的要点介绍:

从商业模式及行业规范的角度来看,我们可以说RTB(ADX)其实一套标准化的流程和方法来“撮合程序化广告交易的各方需求”。就像炒股那样,将股票的交易及价值评估,标准化、数字化、货币化。让各方正确理解各自的需求,并高效匹配,同时也形成了充分竞争的机制。完全以市场化自由竞争的方式来满足各方的需求,盘活剩余的广告库存(Inventory)、提升精准数字营销的效率和效果,达成多方共赢。如下图所示。

媒体方流量的接入系统SSP,可以让媒体设定相应的媒体属性(媒体所属分类等等信息)、广告位属性(尺寸、可投物料规格)、价格诉求(底价、交易方式等等)、投放广告主行业渠道的诉求(允许或禁投不同行业渠道等等)、禁投某些广告主及某些业务保护设置等等将媒体方的需求标准化了。

程序化买方DSP在系统中可设定广告主属性、创意物料、用户体验目标、对不同ADX的优先媒介策略、不同交易模式(OpenAuction、PrivateAuction、PreferredDeals)的运用、计价的方式(CPM、CPC等等)、出价的高低、需求量等等将广告主的需求标准化。

这样在双方都充分标准化、充分表述需求的基础之上,由ADX通过公平竞价的机制,将整个交易过程标准化、货币化、数字化。

交易各方需求撮合标准化示意图

ADX中SSP卖方基础操作功能介绍

SSP这部分功能模块,主要服务于流量卖方接入流量;对价格、Deal交易的设置,账务查询等等的功能,主要如下几类功能:

n 媒体流量(卖方)接入ADX的管理功能,通过这些功能广告流量卖方可以将广告流量接入ADX平台并设定一些基本的售卖策略。主要涉及的功能如:媒体管理;网站管理:网站基本信息增/删/改/查;广告位管理(广告位基本信息增/删/改/查;广告分类限制;广告买家限制);售卖规则管理(售卖规则的增/删/改/查;日期段定向;地域定向;时段定向;定价策略:交易模式管理)等等功能。这部分的介绍主要也是为大家从感性层面展示ADX系统中SSP模块部分主要功能,限于篇幅亦不做大量展开。部分功能界面示例截图如下列诸图所示。

网站列表功能示例截图

广告位管理功能示例截图

限制买家功能示例截图

按分类限制售卖规则功能示例截图

售卖规则配置功能示例截图

定价策略及特殊交易模式管理功能示例截图

n 报表、报告功能,主要为了帮助广告流量卖方了解流量在ADX的售卖情况以及售卖效率。辅助卖方同ADX对账,及依据报表做出相关售卖的决策调整,主要涉及的功能:网站报告、广告位报告、对账报告等等功能。

相关报告示例截图

n 系统管理,通过这些功能,流量卖方可以对登录操作的用户账号及子账号信息,进行管理或设定权限。主要涉及的功能如:用户及子账号等等信息权限增/删/改/查等等功能。

如下图所示,为SSP模块的主要功能框架,框架可以为大家今后规划设计SSP的主要功能提供一定的参考。

SSP系统功能示意图

ADX中DSP买方自助基础操作功能介绍

本节将主要展示的ADX系统中服务于DSP的功能模块,通过这个功能模块,DSP可以自助完成流量过滤配置、Deal交易管理、审核管理、账务查询等等的业务操作。如下图所示,主要功能涉及:DSP基本信息增/删/改/查;DSP接入配置(QPS设置、相关API地址设置等等);DSP流量过滤;流量过滤的增/删/改/查;日期段过滤(尺寸、流量类型过滤等等);自助数据查询(账务数据等等);审核状态查询处理等等。本节大家也是有个感性认识即可,主要还是为了满足很多同学的好奇心。并为那些后续需要规划设计ADX功能的同学提供一定的参考。

ADX中DSP自助功能示意图

如下图所示,DSP在ADX中的自助功能的首页是对投放及账务信息概览仪表盘DashBoard。通过这个DashBoard,DSP可以清晰地看到自己在该ADX竞价广告投放的广告展示次数、点击次数、点击率(CTR)、平均点击价格(CPC)、千次展示价格(CPM)、消耗等等数据以及这些数据的趋势曲线。而且对账户中剩余额度、本月消耗、未结清账单等等关键账务数据也一目了然,便于DSP根据自己的业务情况调整竞价策略及流量过滤等等设置。

首页DashBoard功能示例截图

如下图所示,ADX为DSP提供了DSP接入配置设置的功能,DSP可以对流量技术对接API验证信息(DSP id、Token、IP)、价格加解密的密钥,流量控制QPS等等基础配置进行设置。

DSP接入配置(QPS设置、相关API地址设置等)功能示例截图

如下图所示,ADX为DSP提供了过滤PC流量的功能,通过这些功能DSP可以过滤掉不需要的PC广告流量,这样也能节省对双方的带宽及服务器资源的占用。主要的过滤条件有:时段、媒体广告位类型、广告位尺寸、网站分类、网站黑名单、地域等等:

Web流量接入过滤配置等等功能示例截图

如下图所示,ADX为DSP提供了过滤App流量的功能,通过这些功能DSP可以过滤不需要的App广告流量,这样也能节省对双方的带宽及服务器资源的占用。主要的过滤条件有:时段、媒体广告位类型、广告位尺寸、App分类、App黑名单、地域等等:

App流量接入过滤配置等等功能示例截图

如下图所示,ADX为DSP提供了财务数据查询的功能,通过这些功能DSP可以对账户中的剩余额度、本月消耗、未结清账单等等信息时刻掌握,同时对历史的交费情况、发票情况也清晰可查,大大方便了双方对账的工作:

财务数据等等功能示例截图

如下二图所示,ADX还会为DSP提供了广告主及素材审核状态查询管理的功能,这些功能都是为了便于DSP审核被拒,需要进行再次申诉前,查明被拒查询原因用的:

审核管理-广告主管理功能示例截图

审核管理-创意管理功能示例截图

上述讲的更多的是标准化和功能层面的东西。当然,另外还有3点是技术层面需要关注的,那就是:

优化买卖双方收益,提高买方的ROI和精准性,提高卖方的ECPM和填充率;

流量中的数据携带及数据携带的标准化及流量垂直专属化(不同流量携带的数据有其特点),这些都能更好的帮助流量的分割,帮助买卖双方更好的交易;

还有就是QPS,处理流量的计算和流量接入及买方接入便捷性的能力,以及在流量中提供更加丰富的交互形式,这些也是要关注的。

(转载请注明出处:微信订阅号:ad_automation)

网上文章较零散,若想系统化学习,可考虑考虑作者刚出版的原版新书《程序化广告实战》,各大电商网站(如:《程序化广告实战》(吴俊)【摘要 书评 试读】- 京东图书)均有售。

近期活动通知(点击链接报名):

12月2日亿级多Campaign PDB+移动设备ID专题-PDB3流水课通知【北京流水课绝版】

2017-11-06

北京线下流水课谢幕进行时,最后2次课倒计时,以后就不打算再安排了。

最后的互动机会!

活动时间:2017年12月2日 周六下午 14:00——15:30

活动详细安排:

13:50-14:00  签到与自我介绍

14:00-15:30  吴俊老师分享PDB专题3:《PDB3-亿级多Campaign PDB+移动设备ID专题》

在讲解过程中,如果你有任何问题,可随时提问。

活动地点:北京 西城区 百万庄大街22号机械工业出版社3号楼10层会议室

乘车路线:地铁6号线 车公庄西站 D西南口出。

报名方式:

第一步:添加微信号:13121124046(伍刀刀);

第二步:填写报名表,并缴纳200元报名费(单次体验票¥200,欢迎大家选购超实惠的¥1920年包套餐、或¥4188VIP年包套餐);

第三步:活动当天来到活动现场签到参与。

另外,为了满足无法亲临现场同学的需求,此次活动我们增加了线上同步直播及视频回看。

如何参加线上直播及视频回看?

第一步:添加微信号:13121124046(伍刀刀);

第二步:填写报名表,并缴纳200元报名费;(单次体验票¥200,欢迎大家选购超实惠的¥1920年包套餐、或¥4188VIP年包套餐);

移动端、PC直播地址:

12.2亿级多CampaignPDB3

第三步:我们会将以您手机号作为唯一识别码加入直播间,给您可以在线直播互动及视频回看的课程地址参与活动。

直播将以视频形式进行,而且能够进行互动,我们将回答您在直播间提出的每个有价值的问题。而且若您时间上冲突,依然可以等有空的时候回看即可。

如您在报名中遇到任何问题,请拨打电话或添加微信:13121124046(伍刀刀)随时联系我们。

以下为《PDB3-亿级多Campaign PDB+移动设备ID专题》讲解提纲 :

——36页 ppt

主要内容:

How to Deploy PDB – 多Campaign版

千人千面

系统智能判别投放

若无法识别这个访客时,系统也会启动智能投放的机制

智能优化:通过智能预测模型,多维度优化

主要算法逻辑 - 根据用户属性及人群匹配不同产品广告

跨网站频次控制——对独立用户适度曝光,节省人群覆盖成本

物料优化——准备多版广告物料,全程优化筛选

有效降低CPUV 、让广告预算的使用更有效率

PDB – 对接各类媒体对应的技术方式

数百客户近千项目已运用PDB管理了近百亿广告投放预算

CASE

——某国际知名汽车集团

——新车上市“轰天雷”计划

——“某大型汽车广告主”自采数亿广告资源投放优化

广告主自采媒体的固定位优化

多项目同时进行投放 (以年约投放项目为例)

固定位优化数据分享

移动设备ID专题

移动设备ID标准

部分流量平台ID格式分布及细节

(转载请注明出处:微信订阅号:ad_automation)

现场福利:可以为您的新书定制个性的签名题词。

网上文章较零散,若想系统化学习,可考虑考虑作者刚出版的原版新书《程序化广告实战》,各大电商网站(如:《程序化广告实战》(吴俊)【摘要 书评 试读】- 京东图书)均有售。

2017-11-01
分享嘉宾:管延放,德勤管理公司合伙人
分享主题:大数据的核心实战要点分享
《分享2》,继续《分享3》

我原来在搜狐做合约式广告,合约式广告就是给客户做承诺,并且这个承诺要达成。我们怎么做呢?我们把广告的流量切分到每个小细块,如果把整个用户环境看成一个大的超级立方体,这个超级立方体是多维度的,在多维度上面所有的投放看成某一个切片,或者某一个立方体,最后利用数据科学找到一种分配的算法,使得所有用户的订单都能满足,而当有超量需求来的时候,我们能够通知这个运营人员,运营人员他能够拒绝客户,避免我们因为没有达成目标赔偿。

以前这件事情媒体帮助大家都做到了,但是今天有PDB,甚至一些广告主直接在RTB市场买流量,流量预测和分配这件事情往前延伸,已经到广告公司,甚至客户甲方的自己,包括用户怎么样打通。

其实我们现在说广告定向,很少有人说要买这群Cookie,你买这些Cookie是让这些人买这些广告,一个网站的人群大概50到100之间,这种跨网站呈现的就是50到100个ID,在这里面你怎么样去把不同的人,不同的ID能够对应到某一个人上面,这里面其实这也是一个数据科学的问题。最简单的来说,比如说同一个人在不同网站用同一个ID去注册,或者登录了,这些我们是用一些策略,直接就可以把他们连起来。当然,其实我们会知道,其实互联网上真正登录,就是能够靠登录识别到的流量可能最多30%,另外70%我们需要靠算法,我们需要识别不同的ID在什么样的环境下会共同出现在一些网络环境下,而这些网络环境又怎么样能够把,就是有些网络其实背后有大量的人,比如公司的网络出口,我又怎么样通过行为的模式,能够把大量的人在同一个网络出口商的人,又能把它切分出来,一个合,一个分,其实这两个问题都是跨屏用户当中要解决的问题。

包括我们现在做在线投放的时候,大家应该会有这个感觉说,我们的流量好像有的时候不那么奏效,为什么?这里面其实会有一些流量,其实在我们看来可能会有一些问题,或者会有一些个人的流量,或者本身其实是一个爬虫,它会为另外一个媒体爬取网络的内容,这个我们也收钱了,在这个基础上我们要和媒体讨论一下,这些问题大家在结算上面又能够怎么样做一些妥协,这个其实我们说机器学习到底能解决什么样的问题,机器学习解决的是一个,当你有部分输出的时候,你能够有一部分输入的时候,你能把这部分输入的输出去做延展,对应到更大的一个群体,甚至是全量用户的一个预测,流量保护里面,其实有很多的技术我们都会去找到底什么样的用户访问,他可能存在一些非法的嫌疑。基于这些访问,我又能怎么样把这样的一个信息进一步的拓展,在整个大的全量的大的流量环境里面,我们去找,到底什么样的用户,什么样的流量,什么样的行为模式是有问题的,这也是数据科学的挑战。

在座有多少还是会把精力放在品牌广告上面?其实品牌广告这里也是有一些科学,就是这个行业大家也一直在做的非常有意思。比如大家在图上看到的这个人,他戴着一个脑电仪,他戴在脑电仪会让他看一些广告的创意,最重要是一些视频的创意,看视频创意的时候,我们发现他的脑电波的波动和完全没有看广告的时候是有差别,是什么原因造成这个差别,我们认为是创意,这个创意到底有效还是没有效?当你把一个创意做大规模投放的时候,他到底在你用户的心中,或者脑中形成的是一个什么样的定向,很多信息其实在前期的使用当中都是可以去获取到的,前提是我们要去做这些事情,这个不是数据科学,这是神经科学,但是神经科学现在其实在影像学的应用非常广。

说完了数据,说完了科学,我们再来看看平台。

我不知道在座有多少是做技术的同学,其实因为刚才说到很多跟数据相关的东西,需要有一套平台能够把它给捕捉下来。捕捉下来以后,要能够形成一个处理的一个工作流,这个处理的这头是你的原始数据,处理的那头就是对于每个用户的认知。我这里是一个数据的处理流的平台,因为我们知道其实用户本身的行为是一个流逝不断往里进的过程,而作为营销来说,我们更多是看它是一个分层递进的过程。在最基础的层,我们会用算法去对这个用户做比如说预测,比如说一些主题的挖掘,模型的挖掘。基于这些我们形成的是一整套的一个实时的数据处理,而在这个数据处理的基础上,我们再来讨论,无论我们是做项目营销,还是做品牌营销,或者做直接的数据变现都有可能。但是,所有这些如果没有一个平台在那儿支撑,这个东西是很难想象的。

当然,还有最后一页,这是我们一个可视化的平台。可视化其实大家很多人也理解,因为如果往前看,我们以前大家都是用数据报表来做日常的决策,但是数据报表有的时候会比较复杂,而在整个的看的过程中可能也未必那么直观,现在很多从业者大家其实都在共同努力,去把我们的数据以更直观的方式表达出来,这就是我们的可视化平台。可视化平台里面,仍然也会有一些问题,是你怎么样能够更清晰的去展示这些数据,并且展示这个数据怎么样能够让你的用户更交互式的在数据里面寻找他们所想要的那些结论,这就是一个可视化平台想要做的事情。

我要介绍的基本上就是这些,虽然我们说是数字营销,或者程序化营销,但其实在整个过程当中,无论是从运营的角度,还是从背后的产品角度,其实这里面都有一些非常令人激动的变化正在发生。我很高兴我们现在处在这样一个数字科技的时代,我希望大家跟我一起拥抱这个变化,无论在知识还是技能的角度都会不断的更新自己,我们把程序化推向一个更远的将来。

—结束—

(转载请注明出处:微信订阅号:ad_automation)
本系列文章摘自作者刚出版的新书《程序化广告实战》,各大电商网站(如:《程序化广告实战》(吴俊)【摘要 书评 试读】- 京东图书)均有售。
文字表现力有限,欢迎参加《11月4日“PDB2”专题流水课通知【北京流水课绝版】》面对面为您答疑解惑讲透您关心的问题。现场福利:可以为您的新书定制个性的签名题词。

近期活动通知(点击链接报名):
2017-10-31

分享嘉宾:管延放,德勤管理公司合伙人

分享主题:大数据的核心实战要点分享

(接《分享1》,继续《分享2》)

所有的触点带给我们更进一步的思考,我们到底怎么样能够更丰富的,或者更全面的把握用户,使得我们对他做的广告投放,或者说和他做的交互能够更加精确、精?

我相信很多广告主都是有一些自己独特的用户交互方式。比如说汽车企业,线下的4S店会这样做:用户到4S店,先登记手机号,然后在这个手机号的基础上,再来谈接下来一系列的行为。这里手机号是什么?手机号就是帮助我们定位到这个用户的ID,无论在线下还是线上,用这个ID能够把这个用户整体的串起来,串起来以后,相当于这个用户在各种网站上的各类行为,如果你有这个机会能够跟各个数据提供方合作,其实你有很大的机会把数据拿到你这里来,并且在整个营销过程中去使用。但是,前提是你要尽可能的拓展用户数。

当然,有了触点以后,下一步其实便是营销的问题。也就是说,当你掌握了这么多的用户数据以后,你在做营销,做定向投放的时候,到底是怎么样去对你的用户进行切分,并且在整个切分的群体上面,又是找到哪些群体,真正的是你这个产品需要触达的目标受众。

所以,这里面很重要的一点是,当我们定义用户标签的时候,我们需要把这个标签和营销场景,或者说营销目标对应起来。我们简单的去看一个人,这个人的属性可能是从内而外,也有可能是从外而内。比如说,向内就是这个人平常喜好一些什么,他本身是一个什么样的人,他是一个安静的,希望自己宅在家里欣赏自己的,还是喜欢社交,整天在外面玩。或者,也有一些从外而内的,也就是这个人,比如说他现在到底处在一个什么样的生活阶段?是已经有房,有车,有娃,还是其实是自由单身到处玩的阶段。其实不同的维度去定义你会发现这些维度互相之间都是有交叉的。我们当时做过一个测算,用数据科学的方式对人进行分群,每个人身上的标签至少有几十个,上百个都是很正常。所有的这些标签组合起来,叠在一起,最后会变成我们对一个人整个精确的画像。有了这个画像以后,我们下一步才是说,我是一个做快消品的公司,然后我的受众是那些年轻的、自由的,它的受众会是一个非常有明确定义的一个群体。

这里有一个挑战,如果大家到各种网站上投放,比如到广点通,会给你一整套的标签体系,里面有几千个标签,到底哪些标签真正适合你的产品?有些可能会非常明显,比如我做体育类的产品,对所有体育的感兴趣的人群,对他做定向投放,这个我们认为是非常自然的。这里很重要的一个点就是这么多标签怎么样更好的使用它,能够帮我在几千个、几万个标签里,能够真正找到适合我产品的目标人群的定向。这里面其实就会有大量的运营过程。

我们广告公司有一个经典的职位叫AE,现在叫优化师,优化师其实有很多做法,最简单的做法就是直接拿所有的标签过来,哪些效果好,哪些效果不好,明天我就去把效果不好的标签去掉,把效果好的留下来,然后加大投放。我会说这种方法一定是奏效的,但是它可能也不是最奏效的,为什么?因为当你在不断摘选标签的过程当中,其实你定向的人群是越变越窄的,也许这是好事,但你会发现你的预算越来越集中,但是大量的投行的企业主、广告公司,大家都把大量预算集中到某几个标签上的时候,整体广告效果仍然会不断的往下走,这时候我们又应该以怎样的手段调整我们的策略,使得我们找到更新的标签适合我们投放。

上面提到的手段叫机器学习的算法,机器学习更多是帮我们看到所有的标签

、标签和标签之间的关联、人群的相关性。在这些相关的标签上面,我们的算法怎么样去找到哪些标签的有效性会曼延到另外一些标签上,并且我们能够用这些标签指导下一步的投放,形成一个有序的循环。我相信这是一个挑战,但其实关键的点在于后面的运营其实并不是只靠人自己来做,人的作用其实更多的是在设计这个策略,而这个策略其实应该是机器来执行。这些之所以成为可能,也是我们讨论的焦点,其实这个行业在越来越多的把广告的交易程序化,能够使我们按照单个的广告的展示次来投放,而不是说像以前今天就要投100个CPM,1000个CPM直接就出去了,它本身是一个很有趣的变化。

下面说到的是科学。大家可能觉得科学很高深,但是实际上在数据这边,一个很有意思的现象就是真正做广告做的好,并且他们在上面去做大量投入的公司,不约而同会有一个比较成熟的,或者比较完整的一个数据科学的团队,这些数据科学的团队在做什么?我们可以稍微的揭开这个面纱稍微看一下。

我相信大家做广告,很多人会问的一个问题:怎么样给你的客户重构?比如客户说,我要30到40岁的用户,并且你要给客户保证,这一天你的投放要做到KPI是1000。作为广告公司,或者媒体,你要知道每一天整个流量其实是有限的,而对它的需求其实是永远大于流量的供给。

在这个时候,其实就会有一个问题,今天答应张三这个需求,明天答应李四那个需求,但是广告投不出去了,怎么办?难道回去赔钱给客户?这就是这个问题的背景。

(分割线,明天继续后续内容)

(转载请注明出处:微信订阅号:ad_automation)

本系列文章摘自作者刚出版的新书《程序化广告实战》,各大电商网站(如:《程序化广告实战》(吴俊)【摘要 书评 试读】- 京东图书)均有售。

文字表现力有限,欢迎参加《11月4日“PDB2”专题流水课通知【北京流水课绝版】》面对面为您答疑解惑讲透您关心的问题。现场福利:可以为您的新书定制个性的签名题词。

近期活动通知(点击链接报名):

11月4日“PDB2”专题流水课通知【北京流水课绝版】

2017-10-30

分享嘉宾:管延放,德勤管理公司合伙人

分享主题:大数据的核心实战要点分享

大家下午好!今天和大家分享的主题是——大数据时代的营销挑战。

我之前在搜狐做跟数字营销相关的技术,搜狐整个广告系统是我来搭的。最近我加入了德勤咨询,把大数据能力真正带给客户,让更多的公司以更加技术和专业的姿态进入大数据时代。

回到今天这个话题,其实大数据最主要的应用,其实主要是在营销领域的应用,大数据之所以能在营销领域发挥作用,最根本的一个原因,是我们现在有了程序化交易方式。程序化交易方式使得我们无论是甲方、广告公司或者到媒体,三方把整个技术生态给贯穿起来了,形成统一的闭环。我在大数据时代,营销从业者,到底会面临什么样的问题呢?

说到大数据,我相信每个人都有每个人的理解。在大数据环境下,我们营销到底在怎么变?而变的过程当中,到底又是一些什么样的驱动因素在改变着我们的行业,甚至也在改变着对我们每个人的知识和技能的需求。我认为是这三点,数据、科学、平台。

数据大家不用说,其实所有的数字化营销,只要涉及到精准营销、广告、定向,这些和数据都是分不开的。

科学,其实我们叫数据科学,但是现在大家对这个词有不同的理解,今天我希望借这个机会跟大家一起探讨一下。

平台,如果我早两年跟大家讨论这个问题,可能平台并不是一个问题,因为那时候大多数广告的投放都是在媒体端实现的,比如BAT、广点通、阿里平台、搜狐广告平台。

正因为有了程序化这样一个背景,并且这个数据变成了可以流转的资源,使得我们今天重新来看平台这个问题。我们会发现其实平台的问题是我们甲方的客户,我们的广告公司,DSP,甚至是媒体,大家共同面临的一个问题。

先来看一下数据。如果你是广告公司,客户可能会问你说,你的数据从哪里来,数据的可信度,或者质量怎么样?这个时候你必须回答他的问题是,我们的数据到底是从哪里来?

营销行业有很多的数据提供商,我们一般称它们为第三方数据提供方。他们其实有不同的业态,不同的业态决定了他们各自拿数据的方式,或者他们能拿到的数据其实各不相同。比如说,有一些第三方监测本身就是一个垂直的媒体,它服务用户过程当中,获得了用户的数据。也有一些广告联盟,它的流量也是来自第三方的,然后它的广告,它的需求也是来自第三方的。但不管怎么样,所有的这些数据放在一起,其实形成了一个大的生态。

说到生态,大家可以问自己一个问题,他们的数据我怎么样可以用到。最简单的一个做法,谁家有数据我就在谁家用,比如阿里平台,阿里平台上面有大量的用户交易数据,可是没法用,必须到阿里平台上投直通车,要到他的平台里面投的时候能用到他的数据。或者在阿里这边投了五年,那你这五年之内投的所有数据都没有了。这个其实是一个整体的问题,其实我相信对很多的广告公司也好,甲方的客户也好,我们会认为很重要的一点,不管外面有什么样的数据,但比较理想的环境是你有自己的数据能力,能够把它存下来,并且在自己的平台上做。

有了数据以后,下一个问题是怎么用这些数据?无聊是第三方数据也好还是企业自己的数据,其实归根到底他们都是和用户的触点有关,什么样的触点?触点是当用户来到网站,或者线下,他跟你发生行为,如果你的系统把行为捕捉下来,那就变成一个触点的记录。所有的记录放在一起,形成一条流的时候,这是一条用户行为流,所有用户行为流放在一起,帮我们定义了你所能触达的整个用户群体,它所能到达什么样的用户形态。

这里举一个事例,现在如果想象在线世界,当一个用户通过APP访问你的网站,你可能知道他用什么样的手机在访问,或者他用什么样的网络,然后他到你的网站上以后,可能看一些什么样的内容,以及如果你的网站上还有广告,他到底看到了哪些广告,他点了什么广告,在广告位发生了怎样的互相交互的行为。这些都是数据来源。

(分割线,明天继续后续内容)

(转载请注明出处:微信订阅号:ad_automation)

本系列文章摘自作者刚出版的新书《程序化广告实战》,各大电商网站(如:《程序化广告实战》(吴俊)【摘要 书评 试读】- 京东图书)均有售。

文字表现力有限,欢迎参加《11月4日“PDB2”专题流水课通知【北京流水课绝版】》面对面为您答疑解惑讲透您关心的问题。现场福利:可以为您的新书定制个性的签名题词。

近期活动通知(点击链接报名):

11月4日“PDB2”专题流水课通知【北京流水课绝版】

2017-10-25

最后我们还特邀了微博广告交易平台负责人吴歆、管老师参加,吴俊老师主持的嘉宾互动环节:“程序化广告行业的泪与火”,讨论精彩纷呈,同学们的问题非常犀利,而嘉宾的回答放出重磅炸弹内容。

《嘉宾互动摘录1》《嘉宾互动摘录2》,继续  嘉宾互动摘录3:

Q7:我是在您推送了活动之后就买了您这本书,我也在前段时间就拜读,里面有很多代码的东西,是我这种文科生看不懂的。也想问您一下,您觉得从事这个行业,一些基础的技术知识是必须的吗?

主持人:你的问题问的挺好的,包括很多广告行业的人要转型,我的建议是这样的,最起码要建立起码的概念,为什么呢?数字营销最后都是数据,都需要用数据来分析、来讲话、来持续优化的。包括整个产业上下游的对接,你对接的各个环节当中,可能有各种各样的率,各种各样的问题。如果没有建立起码的概念,你找谁都不知道,所以最起码的概念要有。但是,你是不是要精通到某一个具体的ID,某一个对接模式,这个不一定,但是什么能做,什么不能做,这个要有起码的概念。

第二,不光是技术,我建议要建立基于数据运营的这个意识,这个将来是数字营销未来一个特别重要的问题,就是技术要有概念,要有数据,要有运营的概念,我们的营销是活的,不是把这个广告投放了就不管它了,我要不停的看数据,不停的拿数据回过头来指导我的后续投放,这个意义和方法还是很重要的。

Q7:另外,我其实是做APP推广类的,现在目前其实就有创业的计划,但是之前也跟阿里做算法的同事聊过,他其实不是很支持我的这个想法,他觉得目前的这些流量巨头都太集中了,我们如果从一个小的厂商角度来讲,很难拿到很多比较好的资源。从您对这个行业的发展的角度来看,您觉得未来各家包括BAT,包括现在的一些流量聚合的平台来讲,有多大的可能性会做一些数据的公开化分享这种?

主持人:你是说创业之后,这些平台数据公开的趋势?

Q7:对。

主持人:从创业的角度来讲,我也不建议你,刚才反复讲流量红利已经消失,而且聚合度越来越高,甚至达到70%到80%。第二,数据的开放度,可想而知,随着聚合度越来越高,它对资源的把控力越来越高,开放度肯定只会越来越差。为什么我不建议你做APP流量聚合的创业呢?我刚刚分享中也讲到了整个APP广告流量行业内目前存在很要命的上下文开放的问题,就是算法没有数据也无能为力了,不知道这个人看的什么内容页,它优化空间很小的,只知道你这个人用什么APP,所以我不太建议。但是并不代表你没有创业的机会,我刚才也分享讲了很多点,比如甲方有很多数据建设的这些需求,这个需求其实很强烈。还有我刚刚也讲的,包括马云,很多人大家现在已经把手伸向了线下,线下也是一大块蓝海,其实也存在很多的创业机会。包括说,如果您创业还有一个思路,刚刚我们几个嘉宾下面一直在聊,你也不一定非要说做多大,比如说做代运营,粉丝通的代运营,或者是BAT的这些流量的代运营,因为还是这样的。就是需求在哪儿,如果你很懂这个行业的玩法,你就能挣到这个玩法该挣到的钱。

Q8:各位老师好,我想问一个问题,我是一个广告方面的销售,在之前出过一些事情之后,对于广告这方面广告主投放的要求比较多,包括资质审核。像DSP这一块它相对于来说,要求比较少,但是医疗这块限制还是比较多的,我想问一下在医疗这块到底哪一方面能投,哪方面不能投呢?

主持人:问DSP呢?还是问媒体流量方呢?因为告诉你能不能投很多时候不是DSP能决定的,很多时候是媒体方的规则,基本上很多媒体不愿意让投医美的广告的,很多时候会加入各种各样的门槛,当然如果你能提供媒体需要的各种资质,你的客户还有一定的级别,有一定的品牌知名度媒体才会让你投的,这是我们看到很多DSP会要求你提供各种各样的资质,你就算不在DSP投,你找媒体投,这些资质要求也是是一样的。

Q8:我理解您的意思,医美这一块,包括营业执照和资质是全的话?

主持人:也不一定,要遵循不同媒体有各种各样的要求,比如有代言人的要有代言人的授权,要有卫生资质,或者专属领域的资质。(我的公众号“程序化广告实战”中有专门针对各平台的资质审核要求的文章供参考)。

Q9:三位老师好,我想问一个关于投放的问题。在同一个广告,在北京和呼市投放的时候会不会有一些区别?

主持人:当然有。

Q9:在北京的代理公司投放和另外一个地方的投放会不会有区别?

主持人:那有区别,成本不一样,北京运营成本高,收费很高。

Q9:将来对于效果有没有影响?

主持人:从互联网的角度来讲,应该没有什么区别。

管延放:要看你投在什么样的媒体。

主持人:有时候运营团队会补一些效果,比如总部有补效果预算,分部没有补效果预算,可能看到的效果不一样。

Q10:各位老师好,咱们全国的广告的流量,再有地区的广告流量,很多比如说手游不是投的可能是一个局部的地区,是把整个全区域覆盖了,导致我们地区的一些广告流量曝不出去,这一块我们应该作为一个地区的一个广告商来怎么去应对,或者怎么处理?谢谢!

主持人:我理解一下你的问题,比如说你想在当地投广告,但是你的广告流量被别的广告主抢了,是这个意思吧?

Q10:对。

主持人:我给你两个建议,第一,要错过时段,要么和媒体方达成一些不同的交易模式,交易模式不只是PDB的模式,你和哪家公司做的合作,要找他们的商务部门接洽,向他申请有没有一些优先交易权,就直接问他,有没有一些优先交易权。

Q10:可能当地广告商提出的价格,只能以他自己认为的价格去投,但是如果我们不从价格方面占有流量,我们只能换一种方式占有流量?

主持人:就是你要去换一种交易模式,或者刚刚讲的交易模式有很多,PD、PA,以及跟他谈,把他这个城市常年的流量包了或者打底方式都可以。

主持人:好了,好像我们超时了一个多小时,今天我们的活动就先到这里吧,大家如果还有啥问题欢迎关注我们的公众号“程序化广告实战”发消息来互动。最后十分感谢大家,牺牲了周末一整个下午的时间来参加我们的活动,谢谢大家!

—结束—

(转载请注明出处:微信订阅号:ad_automation)

本系列文章摘自作者刚出版的新书《程序化广告实战》,各大电商网站(如:《程序化广告实战》(吴俊)【摘要 书评 试读】- 京东图书)均有售。

文字表现力有限,欢迎参加《11月4日“PDB2”专题流水课通知【北京流水课绝版】》面对面为您答疑解惑讲透您关心的问题。现场福利:可以为您的新书定制个性的签名题词。

近期活动通知(点击链接报名):

11月4日“PDB2”专题流水课通知【北京流水课绝版】