博客首页|TW首页| 同事录|业界社区
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】

2017-10-09

吴俊 《程序化广告实战》作者

分享主题:程序化行业现状、IAB对程序化广告的相关规范、行业各方的利益诉求、大数据实战常见坑及对策

分享摘录1:

下面就是我会做一个分享。我分享的主题是“程序化广告实战要点”。实际上某种意义上来讲,咱们这个活动还有特别重要的一个话题,就是《程序化广告实战》这本新书的发布,我作为这本书的作者,见证了这个行业的成长。就是我刚开始介绍的时候提到了,在2013年、2014年正好是借着上海通用这个项目,推动整个互联网各大媒体广告平台的程序化建设,包括各个视频网站的对接,包括在品友推动PC、移动端、视频DSP的建设,也见证了这个行业的发展。

这也是我个人的简单介绍。上面也有京东书店的网址: https://item.jd.com/12234200.html 。说到程序化广告,大家可以看“电商”这个词,就是传统商业的电子化,我们称之为电商;而营销的数字化、程序化,我们都可以认为它是一种营销升级,程序化升级,包括现在很火的,市场技术融合。今年很火的一个词就是MarTech,未来再长远的方向,应该不仅仅是市场技术,应该有可能要把ERP等等融合起来。我曾经在很多的一些场合说过,我们现在很多的营销,以及我们的一些推广都是B2C,为什么叫B2C?就是我们先做好了生产计划,先决定好了我们要卖什么产品,先已经计划好了,我们在什么区域要铺多少货,然后再做营销计划。之前因为很多时候是信息不对称,大家才需要去打广告,而未来随着消费升级,随着信息的高速发展,随着信息沟通越来越通畅。慢慢随着网络的发展,各种各样的平台,包括阿里电商,包括社交平台、内容营销等等,未来的商业化实际上也都是广告化的发展。

未来其实产品、内容和服务是一体化的,也就是会朝着一个C2B的方向发展。也就是消费者可以提出自己的需求,然后消费者根据自己的需求把自己的需求快速地提给平台,然后平台很快速地响应消费者需求,为消费者提供服务和产品。这样的好处什么呢?原来很多时候B2C的情况下是要做生产计划,要有ERP,要有库存,现金流实际上是有一个周期的。如果C2B的这种模式,它可以大大缩短现金流的周期,提升利润率。

题外话不多说了,我们直接进入今天的话题,分享程序化广告一些实战上的要点。

第一,实际上这跟《程序化广告实战》这本书的书目结构是类似的,大家先对这个行业有一个大体的认知。包括最开始小米刘勇军老师也讲了,在整个程序化广告各个生态系,各个玩家。让我们看一下大体的分工,实际上从产品这头,就是广告主这一头,和消费者这一头,他们是一个传播的路径。最接近消费者的这头实际上是媒体。对于广告主这一端,广告主现在也在迫切的建立两大平台,一个是广告主自己的数字银行,也就是广告主自己的DMP。第二个就是广告主的一个归因分析,以及广告主内部有一个交易平台(TradingDesk)。这是这一套。

然后,实际上Agency也会建Agency的Trading Desk平台,包括很多Agency都会建立Agency的Trading Desk平台,这个Agency的Trading Desk平台实际上就是一个交易桌面,可以对接各种不同的交易模式。比如可以对接BAT的DSP平台,去直接对接买方的广告服务,包括Agency的Trading Desk也可以对接不同的DSP。再看看DSP,在DSP的体系里面,实际上技术核心是DSP,然后算法,还有出价,就是去接流量。那么,在国内实际上这块还是没有拆开的专门提供算法的供应商,都还是并在DSP平台内部,但是在国外有专门做DSP服务的公司,也有专门做算法的公司,DSP很多时候的职能更多的只是接流量做竞价,而DMP及算法是给它做这种指导的。

那么,蓝色的部分,我们刚看到灰色的部分有点像是经常会说的需方,就是买方。蓝色这部分实际上更贴近消费者这一头,就是有点像是广告流量的供方,供给侧。供给侧内部会有各种各样的不同的东西,到媒体方内部也会建立媒体方的DSP系统,媒体方的广告服务,媒体方也会把媒体方的流量通过DSP对接给ADX,ADX再跟DSP做对接,做竞价。同时现在有一个很大的趋势,就是媒体方也在搭建自己的DSP广告投放系统,这样能够拿到更多的广告预算,而且现在大家也都听到一个声音,就是越来越去中介化,也就是很多媒体方希望能够直接通过自己的DSP广告平台去对接到广告主,然后拿到更多的预算。

还有一块就是我们经常会讲PDB的这种。最上面的AdNetwork这个模式基本上是三五年前特别传统的模式。整体的这张图就是程序化广告整个生态系就是这么一个生态系。

下面这张图,其实和刚刚那张图没有太多的区别,更多是做了一些简化,主要是从业务流程和数据流程来阐释的。

这里要强调一下,什么是程序化广告,程序化广告的定义是什么?我要反复强调一下:程序化广告其实就是利用大数据和技术对数字媒体广告的购买、投放、优化、报表进行自动化、智能化、实时化,以不断提升媒介效率。这是程序化广告最核心的诉求和目的。就是说,从这个角度来看,程序化广告其实就是一个工具,工具是干嘛?就是射箭打个靶子,然后报靶的告诉我往右偏了还是往左偏了,这样下次射箭的时候就往中间靠一下,所以这是DSP,是一个工具。

为什么这个行业在往这个方向发展,为什么大家需要去用程序化、自动化的方式来做自动化的广告投放?实际上最核心的是什么?

实际上大家的诉求是希望能够实时管理每次的广告曝光机会。实时管理每次的广告曝光机会,是希望达到什么样的诉求呢?这就是我们经常说的,营销里面最关键的一个特别理想的目标,就是在合适的时间,合适的场景,合适的地点,对合适的人推送合适的信息。正是因为我们能每次去实时管理了广告曝光的机会,每次的机会,这样我们就能在每一次广告曝光机会的时候去推送不同的广告。所以,这是程序化广告和传统排期广告不一样的地方。程序化广告是自动的、实时的,可以针对不同特点的人及场景做广告投放。而传统的排期广告投放就是人工的、非实时的、且需要人工媒介采买的流程的。

(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《10月14日“PDB一”专题【线下大课堂】》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(直接点击链接报名参加):

通知:10月21号大数据程序化广告一线实战分享会(广州站)

通知:10月14日“PDB一”专题【北京流水课绝版】

2017-09-25

我们把勇军老师的分享分成上下两篇,此为下篇。(上篇请点击我)

还有我们作为媒体方特别在意的是——用户体验的问题。用户体验是我经常会遇到的问题,就是如果我接的DSP非常多,这应该是某个电商的广告,举个例子,DSP1说我对接苏宁易购,DSP2也说我也对接了苏宁易购,如果媒体把这两个DSP都接了,那用户刷广告就会出现都是苏宁易购的广告,媒体的用户体验肯定会很差。第一,用户体验真的很差,我的用户不开心。第二,作为广告主,我相信大家作为广告主也会不开心,为什么?你的广告无效的高频次的展示给同一个用户,你说我可能在这个上面点广告下个单,这个下面就很难再下个单。所以,ROI肯定会降低,这个是我关心的2个问题。

第二个,这个可能每个媒体的规则不一样。举了个例子,我们是不允许医疗行业在小米手机进行投放的。如果哪天在我们这儿看到一个脱发、整容,这肯定违反了我们媒体的原则,但是DSP在过去有很多是名义上的说做了很多过滤,到最后还有这样的漏网之鱼展示出来。右侧也是贵金属等等,也是作为我的平台不允许投放的,但是你投放出来了。有些人说,要不要先审再投放,如果我接入100家DSP,每一家给我500条素材,先审再投,我得投入多少人力,我这个生意是否划算。所以,我会考虑这些问题,可能有些DSP方说,我们帮你审,但是若你的审能够很客观,这些就不会出现,但如果说让我再审一遍,我的人力付出要考虑,这个生意我的性价比值不值得?

另外,素材的规范。上传的时候可能没问题,但是投出来的素材,有的换成一个所谓的赌博什么的,这样用户体验更不用说了,而且媒体的安全性会得到极大的挑战。

可能罗罗嗦嗦说了这么多,我是把我过去经常遇到的一些问题给大家做了一些分享。其实在这个过程当中,相信大家读完吴俊老师《程序化广告实战》这本书,会发现媒体的思考当中,除了这些是在前端的,非常表象的能够看到的之外;还有很多是你平常肉眼看不到的。比如跟DSP的合作,DSP经常说,能不能给传设备号,能不能给传这个那个,甚至是隐私数据、安装数据,因为我们是手机厂商,我们能够拿到这个手机用户装了哪些APP。但是,我们说你先去研读最新的法规要求,在法规范围之内的我们愿意配合,但是不在这个范围之内,对不起我们做不了。因为我首先要考虑收入和安全性,我并不会为了单纯的收益而破坏规则。我希望收入对于我们、客户,还有DSP三方是共赢的。

我可能前前后后发散的比较多,我的分享就到这儿,谢谢大家!

以下为问答环节:

Q1:老师你好,我来自一个DSP品牌,现在做的是媒介方面的工作。对于媒体方来说,它会给合作方有相应的优惠政策,而有一些DSP会采取拼账户获得最大的优惠政策,您怎么看待这个问题?因为这个会反映到您刚刚我分享所说的那个,代理层面过多出现的一些问题。

刘勇军:我相信不同的媒体,政策是不一样的。我所知道的有些媒体对程序化有一些返点,但是我以前所在的百度是没有返点的,小米也是没有激励政策的,但是我知道市面上有这样的一些媒体,比如优酷就会有激励政策。你提的这个问题,其实很简单,第一,媒体为了应对拼盘这种情况出现,制定政策的时候就会把拼账户的情况考虑进去,就是拼盘到某个量级之后,你再高,给你的空间也是很小。还有我让你赚的利润,取决于你对我而言的价值。

举个例子,如果我要和十家DSP对接,但是主要广告主预算通过第一家就完成了,而且所有的过程当中,你对下游DSP的管理和所有的规矩都做的特别好,你对我而言起码省了我九次的技术对接成本,我愿意让你赚一些利润。但如果我发现是完全没有任何价值,只是拼个流量,拼个盘子,我可以要求你给我直接客户,否则不会和你合作,但是核心无非是想达成一种共赢。但是如果说哪方面都没有,一个价值点都没有,那媒体为什么要给你利润?我觉得以我之前操盘这么多年的定价的经验,我就会把它干掉。

Q2:刘老师您好,我是从事搜索引擎推广的,关于信息流和广告这块也特别有研究。针对与像小米这样的定向流量投放广告,适合什么样的广告进行投放呢?

刘勇军:首先,信息流适合什么样的广告投放?我觉得背后的人群和用户是什么样的,决定了我适合投放什么样的行业和投放什么样的市场。还有媒体有一些限制性的规则,举个例子,你说小米的年轻人群当中,就有人不爱做个微整形吗?并不是,用户可能有这种需求,但是作为我是媒体,我可能需要规避一些和人身安全发生高风险的行业。但是,同时客户结构当中,电商类的产品在我们这儿占比比较高,因为电商性的产品,现在大量的购买人群还是相对比较年轻的。当然,我会逐渐发现,随着我们手机的不同档次,就是从低到高价位的覆盖,适应的行业会越来越广,我们最近在研究说金融行业特别火,今年2017年是小米平台中广告流量中现在成长速度最快的一个行业。当然,还有一些我们在寄予厚望的,现在还没有成长起来,但是在我们研究范围当中的类似于教育,我们发现在线教育,包括K12,有很多人在教育方面投入的费用巨大,而且是过去作为一个厂商的投放人员,或者说你是客户的投放人员,你很难找到精准的流量,除了做百度搜索之外,可能教育这个行业,过去这么多年都没找到第二条可以投出去量比较大的精准资源。所以,我们也在尝试,作为一家手机厂商,我有更多的数据,有精准的能力之后,是否能够帮助这些广告主找到性价比更高的流量,或者说更精准的流量。当然,整个信息流行业最离不开的是游戏,无论是百度的流量,还是头条的流量,还是UC的流量,其实游戏占比很大的,游戏因为在不同媒体上面,因为有些媒体的政策不同,所以大家可能拿到流量的占比不一样,包括UC去年游戏应该是占比超过60%。

Q3:我是一个DSP广告商,我想问一下,在我们为客户服务的时候,有什么技术手段能把客户的点击率和转化率提高呢?

刘勇军:首先,点击率这件事情,我觉得百分之六七十是和素材相关的,这个我觉得只要是在一个品牌投放一段时间,你总能摸到这个品牌的目标用户喜欢什么样的样式,喜欢什么样的广告,我觉得这个可能真的需要针对不同的流量平台进行研究,因为我们原来针对不同的品牌也会去有分级,什么样的行业可能用这种投放效果特别好,什么样的行业把数字放上去好,什么样的行业把文字写的越少越好,这个我觉得每个流量平台是有一些特点的。

第二,可能更离不开定向能力,就是如何找到你的精准用户,你的点击率自然会提升。因为任何一种,现在我所看到的信息流广告还没有能达到搜索的水平,核心是因为那个是用户主动在找,绝对够精准。所以,如果你找准人,点击率一定很高。

至于转化率这件事情,我相信和后面和前面两个都有关系。但是,转化率,我觉得大家有的时候可能要考虑转化成本,而不是绝对的转化率。因为对于我刚才说的那个教育行业为例,虽然在百度上面的转化率很好,但是转化成本也很高,成交一个课程两三千,成本其实也不低,可能真的要付两三千块钱的成本才能获得一个用户,但是点击可能要花几十块钱。

但是,在这种新的信息流媒体上面,基本上出价不会超过两块钱,能超过两块钱,在我们行业已经算是大金主了。你可以算一下它的转化率,转化率是有很大的差别。但是,我觉得作为企业,作为推广负责人,最核心的应该算最后那个账,转化率低一点,前端成本可能出八毛到一块,可能是搜索引擎的几十分之一,转化率你可能也是搜索引擎的几十分之一,你只要算出来,最后投出来的成本更低了,或者差不多,我觉得对你而言就应该是一个好的方式,好的流量,当然这个过程当中,我希望大家能够不断的去迭代自己的素材和寻找更精准的人群,在这个人群里投放,因为这样其实用户也好进,因为他真的有什么需求,就看你的广告了。

Q4:我是来自于一家媒体,刚才刘老师讲的比较多的关于用户体验和广告收入之间的一些平衡,除了行业还有一些频次以外,是否还有一些关于算法,或者是一些数据层面能直观表现用户体验和广告的一些平衡点的一些方法?

刘勇军:算法在做一个什么事情呢?算法其实就是在帮你用一些人工所不能测验的,或者测验不过来的一些方法,通过机器学习,通过大量的数据帮助你去验证。说句实话,咱们自己评估一下,你说是我今天阅读了一篇文章,可能停留了20分钟,这广告出现一次效果好,还是出现两次效果好,还是出现三次效果好,还是无限制的出现效果好。当然,无限制的我觉得肯定效果不太好,就是一次、两次、三次,从人脑的决策,你觉得就一定很好吗?我觉得未必。因为不同的行业,不同的素材可能不一样,但是人定这个规则很难定出来,人定的时候肯定就有挑战了。要不然一次试一下,两次试一下,三次试一下,然后用这些统称的,或者平均化的指标来考量这个事情。但是,事实上这个问题是不是有效的?机器学习可能A素材两次点击率就衰退了,B素材可能一次点击率就衰退了,所以,这个过程当中,我觉得人只是定方向的,到最后理想的是算法是写的好,或者算法用得好,最后的结果都不需要人去控制,人只需要追求目标。

Q5:今年比较火的是视频信息流,不知道小米在这方面未来的发展怎么样?

刘勇军:视频信息流肯定算是一种方向,这个里头我觉得我理解的视频信息流其实是两种。一种是刚才说的在这个信息流载体当中,只是把原来的大图、小图换成一种视频格式而已。另外一个视频信息流,其实是视频类媒体应该做的信息流,就是夹杂在整个信息内容浏览过程当中的。类似于优酷也在做,类似于过去360的影视大全也在做,包括这两年很火的短视频、快手、秒拍也在做。视频信息流天然有一些好的地方,也有缺陷的地方。视频媒体中投放信息流广告和图片广告对用户的体验肯定有很大差别。同时,制作视频的能力是不是过去这么多家广告主都准备的,这个行业我们典型看到跑得快的是一些大广告主,他们有团队,或者有他的服务商,包括游戏企业,都是视频素材制作能力比较强的。所以,它天生就会有一些行业走的比较快,它是具备这样的土壤的。我觉得这种形式肯定有存在的空间,但是我们可能需要去慢慢的试探哪些行业能够具备这些场景,哪些行业有能力做视频素材,这才是大家应该去研究的方向,谢谢大家!

(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《10月14日“PDB一”专题【线下大课堂】》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(直接点击链接报名参加):

通知:10月21号大数据程序化广告一线实战分享会(广州站)

通知:10月14日“PDB一”专题【北京流水课绝版】

2017-09-22

2017年9月16日(下午)3点至6点,在机械工业出版社十层举办了大数据程序化广告一线实战分享会暨《程序化广告实战》新书发布会,活动邀请了4位营销专家到现场分享——

刘勇军,小米商业化广告平台 运营总监

分享主题:程序化广告中媒体的思考

一线广告投放运营经验极为丰富的操盘手,此处不便于透露真实姓名。

分享主题:千万级程序化广告投放优化实战经验分享

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

吴俊《程序化广告实战》作者

分享主题:程序化行业现状、IAB对程序化广告的相关规范、行业各方的利益诉求、大数据实战常见坑及对策

另外我们还特邀了微博广告交易平台负责人吴歆等嘉宾参加互动环节:“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。

我们把嘉宾分享的内容整理出来,分为4篇分享给没有来现场参加活动的同学,第一篇:来自刘勇军的分享《程序化广告中媒体的思考》,以下为正文:

我叫刘勇军,过去十几年一直在做广告,目前在小米负责整个商业化的运营。因为大家都对程序化、竞价广告业务都非常关心。所以,我从一个媒体的角度给大家分享一下媒体这个角色对程序化、竞价广告这件事情怎么看。

这张图应该大家看的比较多,这是在整个竞价广告这个市场当中,或者说程序化广告市场当中很多公司的一些角色:很多是DSP,也有做广告交易市场服务的,做监测服务的等等角色。小米其实在这里头算是一个媒体方的角色,因为我们更多是把自己的流量售卖给ADX或DSP,或者通过DSP后卖给最终的广告主,我们是一个这样的角色。

基于这个,我会再给大家分享一些我们看到的一些情况。相信这张图大家也不太陌生,就是在2015年的时候,很多机构都在讲,我能做程序化,我有多少流量,我有什么样的特点等等。到2016年所有人都讲自己有大数据,无论谁的数据都是叫大数据。到2017年很多人又在讲AI,说所有的东西都是人工智能。我其实不喜欢这样的时代,为什么呢?我其实特别怀念七八年前,甚至十年前,因为在那个时候大家百花齐放。那个时候四大门户也好,五大门户也好,都活的很好,大家都在做自己的事情,那时候类似于网易这样的公司在做游戏,游戏公司当年市场上有一大批,阿里那个时候还在专注于做电商,京东也在做电商,百度、360还在做搜索等等。市值过几十亿的公司有一大批。

但是,随着这个市场的发展,我们发现大家都殊途同归,所有人做的事情现在都一样了。我经常和一些行业的朋友讨论说,现在你们怎么界定淘宝,怎么界定京东,它本质是什么?我觉得它的本质现在其实是广告公司。淘宝现在的核心不是电商了,电商只是后续为了广告变现,在做的一个过程和场景而已,现在核心淘宝最大的收入来源全部都是通过广告主,整个阿里集团加起来,应该已经算是中国第一大的广告公司,去年的广告营收大概是700多亿。

京东也一样,你会发现其实现在京东也是一个广告公司,因为它的核心也是在通过不同的模式的广告,让大家达成交易。

当然这里也包括像我们这样的企业,小米、华为、OPPO、VIVO,大家以前都是纯粹做硬件,这几年大家也涉足了广告这个市场,甚至在广告这个市场当中拿到的份额都还不小,今年厂商加起来应该是200多亿-300亿的市场,其实也很大了。另外,所有的人做广告做到最后都在做信息流,过去大家可能做搜索,做展示广告,都还做的不错,但是所有人做到最后,都做信息流了,包括现在淘宝从上而下拉下来的广告。所以,到最后大家首先把很多业务都做向了广告业务,广告业务又有很多人都聚焦在了信息流业务这个上面,我觉得这个时代到来了,大家好像没有再琢磨,再做创新了,而是所有的人都把眼睛盯在一起了,这是我觉得这个时代不好的原因之一。

另外,我觉得很多公司也太会借势了,去年出来大数据以后,很多公司都说自己是大数据,我首先不讨论它是否真的有没有大数据。但是,我觉得大数据这个词已经被用的泛滥了。第二是大数据真的能给你带来大效果吗?我觉得这个未必。大家可以看看最近有一些观点,在大数据底下的归因分析做的好给你带来的结果一定是你的生意能做得好,我觉得未必。

当然,去年开始,陆续有些公司在讲AI人工智能,包括我以前的公司百度,我也很害怕AI这个词,因为动不动就AI,听起来所有人做的事情都一模一样。

因为大家对整个广告市场的情况比较了解,接下来简单说一下,我们在做广告的过程当中,我作为一个媒体方广告业务的运营负责人,我在管理我们的资源、定价收入,我怎么样通过有限的流量能够卖出更多的钱,这是我的KPI。过去有很多人会说,最简单的办法就是卖CPT,按天卖,按天卖一定是最高效果吗?其实不一定。所以,接下来有很多人开始说,视频网站是按照CPM卖的,我们拆成M以后收益也不一定是最大的。但我觉得这个过程当中,程序化广告要发挥很大的作用,这里当然要感谢吴俊老师率先提出了PDB和PD这样的概念,所以他也在不遗余力的为程序化广告的推广做了很多教育市场,传播的工作。

接下来讲一下RTB这个市场,RTB这个市场我们能看到的是几种情况,因为有的媒体自己也有自动化的投放系统,比如说小米、头条、UC等等都有自己的自动化投放系统。所以流量肯定两边同时给,就是流量会同时发给外部的DSP和自己的广告系统。当然,很多人也会关心说,自己有一套,外面有一套,定价是否会客观和公平,这个我不敢说每家都会很客观、公平,但是至少我觉得几家大厂还是比较公平,就是只要你在DSP上面出的价格是超过了我自己的这套自助系统的价格,展现的时候我肯定会把这个让给你。当然,某些小一点的媒体,我也没法做保证,因为我也不清楚它是不是一定没有做任何处理,就直接拿出来排序。

另外,程序化广告其实国内还是要比国外发展的慢一点,或者差一点。这个过程当中,最核心的问题我觉得还是信任带来的,其中信任是分为两个层面,一个是客户的信任,另外一个是媒体的信任。其实这两个信任还原到最后其实是一件事情,“就是我不太相信这个DSP是不是真的把我的广告投到了我想投的,或者有效的人群面前”。

甲方的信任,如果你是某商家通过DSP的系统投广告,DSP服务商告诉你通过DSP投可能有很多很多的流量。但是,你经常会发现一个问题,她说她有头条的资源,有小米的资源,有UC的资源,但我却看不到。因为现在确确实实发展的流量比较大,但是大流量底下,要保证自己刷到广告,其实是比较难的,不一定完全能实现这个过程,或者说目的,如果甲方强烈要求我的广告一定要在某时某刻出在某个媒体上,最可靠的方式还是买CPT和CPM。

你的广告究竟展示在哪里了?有的时候我会说,展示在了某某信息流里面。但事实上我看到一些广告信息是,在新闻当中有多张图片,刷到最后一张广告还给好几张轮播,但是有CPM吗?肯定有,但是有效吗?我不敢保证,因为这个广告曝光是不是真的能帮你形成转化,我会对它存有一定的疑虑。

另外,媒体的信任就是我会担心这个DSP跟我对接以后,他是不是把大量广告费用都给了我这个媒体。这是我作为媒体非常想知道的。DSP也是公司,公司的目的是以盈利为目的,不排除的是,客户出了十块钱,最后竞价给我的时候只出了八块,赚取一些利润,我觉得这个是合理的。它的利润我是支持的,我只是担心它会不会跟我讲80%的广告费都给我媒体,但是事实上它只把20%的预算给了我媒体。

另外一个我们经常会考虑的问题就是说,因为DSP跟我合作,我首先要想到的是他跟我合作,我希望对我的生意是加权,而不是降权,加权的意思是,至少我能做一千万,你给我投了以后,至少能做1200万,或者1800万,就是给我的流量带来溢价的增加。我经常发现市面上十个DSP告诉客户说的,基本上有八个是如何的:我也在做苏宁,我也在做京东,我也在做谁谁谁,听完以后,他的TOP前几名的客户都一样。

所以,这里我作为媒体方的时候我会反思,所有的DSP都是跟这个客户关系最好,预算都是她的,我们会想,这是不是我原有的客户,如果这个预算本身就能从我的这里面完成合作,我为什么还要再跟更多的DSP方去合作。因为我的合作且不说收入是不是增加,哪怕一分钱不涨,但是在这个过程当中流量折损多少对我来说也是成本。所以,我更希望和我们的客户结构有差异化的这种需求方,或者说DSP去合作。为什么呢?举个例子来说,小米现在流量当中,可能有大半的广告主是来自于APP分发的,如果说DSP你来告诉我说,广告基本上全是H5或在线交易类,我觉得我的客户是互补的,我可能会更优先对接,因为我觉得你可能会丰富我的客户结构,因为我的流量很大,很大难免有一些人不愿意下载APP。但是,如果同样来了三四家,所有客户都非常重合,我们会反思我们要不要这样去做,或者客户既然这么组合,我就只接其中一家用户,没有必要接四五家,接完了以后,也许有一些DSP跟我谈的时候,我聊完一圈发现,原来他背后套的一个DSP,那个DSP背后可能又套一个,我就没必要跟前面这个接了,直接和最后一个接就可以了,这样也少了对接成本。

因为干货太多,我们把勇军老师的分享分为上下篇,此为上篇,(下篇点我)。

(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《10月14日“PDB一”专题【线下大课堂】》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(直接点击链接报名参加):

923一线实战经验分享-暨《程序化广告实战》新书发布会通知(上海站)

通知:10月21号大数据程序化广告一线实战分享会(广州站)

通知:10月14日“PDB一”专题【北京流水课绝版】

2017-09-18

程序化广告随着这几年的高速发展,分工越来越细致,参与其中的玩家也越来越多。下面我们将介绍程序化广告购买这个生态圈中的各种角色,以及每个角色国内的典型代表。我们主要从流量卖方、广告交易平台、程序化买方、监测方、数据方这几个大的环节来进行展开。(围绕程序化广告交易,程序化广告流量的卖方、买方是交易的两个关键方,广告交易平台是重要的交易场所。而第三方监测方是广告主同广告投放方结算的重要依据方,是交易中的重要环节。还有就是在上节中介绍程序化定义时已强调过的“大数据是程序化广告的重要核心”,数据方也是程序化广告中必不可少的环节。)

1. 流量卖方

流量卖方(简称:流量方)即广告流量的卖方(SSP主要是指的给流量卖方使用(接入)的平台,英文Sell Side Platform或Supply-Side Platform的首字母缩写。(第6章中我们将会为大家详细介绍SSP的主要功能。)),常见的卖方类型包括:

l 首先是单一媒体,自己手握流量的:典型代表例如:传统门户网站;大的垂直媒体;视频类媒体等等;

l 然后就是流量的聚合方:中小流量的聚合方,典型代表例如:baidu联盟、google联盟等等。

流量卖方是程序化广告生态上下游中十分重要的一方,若没有卖方,没有广告流量,根本无法开展广告买卖交易,更无法进行程序化交易业务模式的升级及优化。所以卖方是程序化广告中十分重要的环节。而且随着时间的发展,交易模式的创新始终需要围绕可供售卖的资源及类型而展开,卖方的诉求对程序化广告交易中的售卖模式有决定性的影响力。例如:有的时候流量卖方希望能将更多的剩余广告库存变现售卖,这是卖方就会积极开放并主动对接买方,期望接入更多买家;有的时候卖方希望能提升广告售卖的利润,这时卖方可能会期望接入一些更有购买力的买家;而有的时候流量卖方会出于自身品牌及形象建设的考虑会期望接入更多高大上的买家,这是卖方就会接入那些高大上的买家为主。诸如此类的场景还有很多,我们就不再一一展开,所以由此可见流量卖方在程序化广告中的位置极其重要。

2. 广告交易平台

如前所述程序化广告交易中广告交易平台(ADX(Ad Exchange))是衔接流量卖方、买方的重要交易场所,上节在介绍RTB交易模式中已经介绍了ADX的主要成因,此处不在赘述。目前市面上的广告交易平台有很多,典型代表例如:以baidu、google、TANX(阿里的ADX)为代表的公共综合类的ADX(PC、移动、视频资源均有);门户及视频媒体自有的ADX(PC、移动、视频资源均有);纯移动类的adview、inmobi等等的ADX。我们也会在第6章中为大家详细展开介绍。

广告交易平台是程序化广告交易得以进行的重要交易场所,所以如果没有广告交易平台,则无法进行程序化广告交易。可见广告交易平台在程序化广告中的特殊地位。很多时候她起到了润滑剂。连接卖方及买方双方,充分撮合买卖双方需求。创新变革、减小信息不对称的十分关键的中间环节的角色。

3. 程序化买方

从程序化买方角度看首先是程序化买家DSP,即Demand-Side Platform需求方平台:

上节中已将RTB整体流程剖析过了,这里简单介绍一下目前常见的DSP,主要有几类:独立DSP、依附于流量方(媒体、ADX、Adnetwork)的DSP、独有DMP数据的DSP。

l 独立的DSP:独立DSP因不拥有资源,只有不断地给广告主证明“程序化购买”这个持续优化工具本身的效率才是立足之本。有点像炒股软件。所以他们对流量程序化购买上是一个相对公立的立场。典型代表例如:品友互动、舜飞、壁合等等。

l 依附于流量(媒体、ADX、Adnetwork)的DSP,这类因对流量资源的特点,在市场上有一定的竞争力,但当广告主想对多种媒体流量资源做跨媒体联合频控时,就会有点困难。典型代表例如:腾讯的智汇推、sina的扶翼、google的DBM(DoubleClick Bid Manager的缩写)等等。

l 独有DMP数据的DSP,这些公司流量上相对公立,并将独有的数据为广告主创造价值才是核心动力。典型代表例如:银联智惠握有POS交易数据结合DSP变现、掌慧纵盈握有线下大交通等场景数据DSP变现。

还有一种典型的程序化买方的模式就是程序化交易台(TradingDesk):随着分工不断精细化及专业化,刚刚就已经讲了一堆堆的角色了,大大增加了程序化广告下单执行及监控数据的复杂度,广告主及代理公司希望能一站式操控。就出现了程序化购买下单执行的一站式交易台:Trading Desk。典型代表例如:宏盟集团的Accuen、WPP集团的Xaxis、安吉斯集团的amnet、阳狮集团的AOD、IPG集团的CADREON、昌荣集团的ATD等等。

程序化买方是程序化广告交易中的买方角色。在整个程序化行业发展进程中买方往往表现为主要推动力的一方。程序化买方作为广告主的精准营销的工具,同广告主是利益一致。一方面她代表着大型头部广告主的利益诉求。头部广告主通过程序化买家运用预算及行业中的影响力,对广告交易平台及流量卖方开展持续不断地谈判及合作,推动着程序化广告的升级及各种模式变化创新。另一方面对于中小广告主市场,程序化买家也发挥着市场教育,启动增量市场及创新模式的作用。

4. 第三方监测

一般广告主的广告投放不太可能以广告投放方的数据作为依据进行结算的,这样自然就需要一个相对独立的第三方的监测数据分析方来提供结算依据参考。此类服务在国内行业内常见的类型有:

l 国内市场份额较大的第三方监测公司,典型代表例如:秒针、admaster等等;

l 新兴的广告环境验证公司,主要通过技术手段监测广告曝光时的媒体内容页的品牌安全环境、广告可见性等;目前因技术成熟度、网络环境等等问题,还不是很稳定,且大部分只能监测PC上的部分媒体环境;

l 在线网站分析工具有:baidu统计、googleGA等等;

l 专注移动监测的公司:talkingdata、友盟等等。

此处就不在对注意各类型的特点及注意事项进行展开,我们也会在第4章中为大家展开介绍。

第三方监测一直在数字营销领域扮演着裁判员的角色,帮助广告主对流量卖方及程序化买家这些运动员起到监督的作用。然而随着程序化广告的高速发展,第三方监测也需要不断跟随行业的发展,也不断升级并更新监测技术及方法。才能更好的起到裁判员的作用。

5. 数据方

在我们发现“程序化广告”的工具属性后,就自然会意识到数据的重要性,只有有效的数据才能帮助我们精准的触达目标受众,才能及时根据数据反馈调整我们的营销计划。

一般从广告主甲方的角度看,我们会将数据分为三类:第一方数据(到达广告主官网或者线下店的用户浏览及购买等行为数据)、第二方数据(同广告主广告投放相关的,用户在线上媒体或线下渠道中同广告主广告互动的相关数据)、第三方数据就是同广告主没有任何关系的第三方的数据。

先来讲讲第三方数据:

l 首当其冲的典型代表当然是BAT:阿里的电商数据、腾讯的社交数据、百度的搜索数据。一般来说这些数据相对门槛较高。

l 然后就是手握大量宝贵线下数据的公司,为什么要重点提一下线下数据,因为我们毕竟生活在真实的世界中,我们的线下行动往往比线上行为要付出更高的代价,我们去机场不是为了送人就一定是要坐飞机出行的。线上的行为并不一定能真实体现我们的真实意图;比如说:用户上网浏览汽车,不一定真的要买车,但是用户去4S店看车,八成是有买车的打算了,不太可能把4S店当成公园去逛。典型代表例如:掌慧纵盈就握有机场高铁线下以及汽车产业车前车后的线下区域的真实的用户活动数据、银联智惠握有POS机线下交易的数据。最近这些手握数据宝藏的公司也在纷纷开启数据变现模式,通过自建DSP+自有独色DMP为广告主提供更优的程序化广告解决方案。

l 再有就是第三方监测,也是因为其业务特点手握大量广告投放数据:典型代表例如:秒针、admaster;移动端的主要有talkingdata、友盟等等。

l 还有一大块手头有数据的就是媒体了,例如:某些视频媒体也在提供人口属性性别年龄、兴趣相关的数据服务,不过单一媒体毕竟覆盖的人群规模还是有一定的局限性。

l 还有就是传统的一直在做CRM的技术服务公司,但CRM数据如何打通线上一直是十分困扰的问题。

l 当然DSP公司也都有一些数据,DSP的数据主要来源于广告流量,广告交易平台为了让DSP更好地根据用户行为决策出价,所以大都会提供用户当前广告曝光机会的所在媒体、位置、IP(InternetProtocol互联网协议)地址等等用户及媒体信息,所以DSP基于这些广告流量中携带的数据 以及 DSP以往投放广告的表现数据,积累了大量数据。但这些数据由于是广告流量中携带的,因RTB的广告流量大量是“剩余流量”,具有一定的碎片性,不一定能体现用户全部的线上行为,尤其在移动端ADX无法像PC(Personal Computer个人电脑)那样提供每个广告展示的内容页的URL(Uniform Resource Locator统一资源定位器),能获取到的仅仅是用户广告展示在哪个APP(手机应用程序)中,获取到的经纬度也仅仅是用户打开APP展示广告时用户当时的线下位置,不一定能体现出用户全部的移动轨迹。这样破碎的数据很难像PC端那样更规模连续精准地分析用户的行为并给用户打标签。

而对于广告主方的第一方数据、第二方数据等等数据的管理运用,就需要广告主自己搭建DMP(Data-ManagementPlatform)系统(或使用免费的第三方统计分析工具)来管理。第一方DMP系统搭建的供应商也特别的多,上述具备大数据处理能力的公司都有这种类似的能力输出服务(不过由于这些公司资源及定位有所不同所提供服务的特点也各不相同),典型代表例如上述的:监测公司、DSP公司、纯DMP技术服务公司、第三方统计分析工具等等。

近年来随着各行业大型广告主纷纷开建自有DMP,广告主搭建自有DMP累积营销数据资产已成一大趋势。同时我基于掌慧纵盈服务一汽丰田全国4S店、中石化加油站、瑞表、SaSa等等线下DMP迅速建设的速度来看,线下DMP也是未来的一大重点趋势之一。

我们反复强调过大数据是程序化广告的重要核心。程序化广告其实就是自动化工具加上数据这个大脑。所以可见数据方及数据管理系统都十分的重要。如果没有了数据这个大脑,程序化广告就失去了意义。随着基础设施及交易模式的不断完善,行业中未来更多的创新及投入将会主要在数据这个方向上。为不同的业务运用目标,从不同的场景去采集,运用不同的新兴技术完善数据的体系以及数据系统的处理运用能力。

(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。
文字表现力有限,欢迎参加《10月14日“PDB一”专题【线下大课堂】》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(直接点击链接报名参加):


2017-09-13
从去年的10月份的程序化广告第1期活动,已经累计举办12期了,在这12期虽然一直是我在分享给大家知识,但一边付出的同时,其实我也收获良多。感谢大家不畏寒暑来参加我们每月一期的固定课程,感谢大家在聚餐时畅所欲言让我收获了很多快乐和笑声。有大家的陪伴,让我们的2017年与众不同。

但随着10月份的到来,北京线下流水课也将走向谢幕,最后4次课,绝版进行时,以后就不打算再安排了。

最后的互动机会!

活动时间:2017年10月14日 周六下午 15:00——17:30

活动详细安排:
14:50-15:00 签到与自我介绍
15:00-17:00 吴俊老师分享PDB专题一
17:00-17:30 全体同学自由social时间

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(可点击文末“阅读原文”进入):
http://mudu.tv/watch/1220264

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《广告交易实战-PDB》讲解提纲 :
——76页 ppt,分4次课讲解

主要内容:
PDB特点及原理
PDB执行流程
单campaign
视频PDB
视频PDB主要投放模式
视频PDB案例
某国际知名汽车集团
某国际知名食品品牌
多campaign
优化逻辑
主要投放模式及效果
多campaign PDB案例
某国际知名汽车集团
新车上市“轰天雷”计划
PDB+RTB
PDB+RTB特点
PDB案例
某国际知名汽车集团
新车上市“轰天雷”计划
某国际知名奶粉品牌
PDB执行流程细节指导示范

(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。

近期活动通知(直接点击链接报名参加):

2017-09-11
9月5号受某大数据研究院邀请给某银消费金融的同学们进行了一整天题为《金融行业大数据用户画像与精准营销》的培训。

下面摘录部分课上互动问答及部分要点摘要分享给大家:
部分要点:
  1. 互联网红利已消失,转化成本势必增加、不稳定
a. 目前网民数量已经无法像前几年那样高速增长,用户每天使用数字触媒总时长也是有限的(不可能不吃饭不睡觉,除非使用类似“得到App”这样获取被咀嚼过的信息来压缩时间才可能多出时间);
b. 数字营销的预算虽然没有前几年几倍的速度增长,但每年还在以30%左右的速度在增长,买方的预算在增长,但是被购买的用户数字触媒“注意时间片”流量已没法跟上预算的增长,能产生转化的用户就那些,大家都在抢,自然会导致转化成本增加,或因为对流量的争抢,导致效果表现不稳定(这是很多同学经常找我诉苦的);
c. 用户的“审美疲劳”,新奇的媒介形式才能抓住用户注意力进而刺激互动转化。抢红包、信息流这些都已经不新鲜了。

2.数据很重要,但要注重ROI的评估,要从结果来评估数据体系的投入和建设
a) 单纯的通过数据画像的功能乍看很美,但是运用的点是什么?如何评估ROI?这个需要慎重思考的;
b) 任何的投入都需要评估ROI
c) 一些数据可视化及数据融合的需求也很重要

3.数据融合和打通要基于业务和功能的,而不能为了融合打通而打通
a) 现在大家都十分重视数据的融合和打通,很多客户手上都有大量的沉睡会员数据,那么我们就需要通过一些业务和功能手段来打通、融合并激活这些数据;
b) 举个例子:有的超市为了让传统会员与设备ID绑定,故意关闭一些收银台通道,促使用户使用App绑定会员卡进行结算,借由这样的业务过程将用户的会员ID同设备ID打通了,这样进而可以在CRM及订单系统汇总数据分析导出会员模型和数据,并结合匹配上的设备ID可以进行广告推送。或者通过让用户关注微信公众号绑定会员ID等等行为赠送用户小礼品,这样会员消费记录就可以同微信openid融合,就很容易可以根据消费行为划分出不同级别的openid包,然后再通过对这些openid的微信号推送相应的产品及促销活动等等内容信息,这样既能通过业务完成数据融合,又能融合运用好原本各自隔离封闭系统中的数据。
c) 机械、单一的为了打通数据而打通数据的做法已经行不通了(例如找第三方购买数据的做法是最low的做法,自己的数据用好盘活好才是最最重要的,关于这部分可参见我之前的一篇文章《DMP应立足内部步步为营【业务类】》)。

4.数据采集的技术手段已不是问题,重点是如何基于业务梳理清楚那些用户触点场景可做数据打通和采集
a) 现在人脸识别、声纹识别、指纹识别等等生物特征识别技术已经十分的成熟;(据传闻iphone8将会开放人脸识别的API)
b) WIFI探针扫描技术、RFID无源卡感应技术(无人零售店的关键技术之一)也发展了很多年;
c) 现在大数据IT信息化技术、物联网技术也已成熟;
d) 关键是对自身业务功能、用户接触点场景、整体业务流转的梳理。

5.数据固然很重要,但是没有适合场景有互动的用户触媒和触点同样很难有转化和ROI
a) 这点是大家特别要注意的,例如就算是要买车的用户,在打游戏的时候看到车广告也没那功夫去点广告做后续转化的;
b) 目前移动端媒体上下文数据的开放和标准化还需要很多年才能完成;
c) 经过2013年至今,整个互联网媒体行业程序化设施升级基本完成,主流的门户及视频媒体相关基础设施均已具备(2014年因上海通用项目我有幸参与其中,花了近1年的时间推动并见证了整个行业的基础设施建设历程。),可理解为高速公路已经具备,就差高速公路上面跑的汽车了,这些汽车即数据即业务应用,然而这仅仅是效率的提升,至于营销效果的提升需要找到适合场景有互动的用户触媒和触点才行,程序化广告仅仅是优化工具,影响最终转化效果的大因素还是找到适合场景有互动的用户触媒和触点,这里就不展开了,细节分析大家可参见《程序化广告的前世今生及趋势》这篇文章中的深度解析。

6.用户运营很重要
a) 若想提升复购率,对用户的分析和依据不同的贡献建模分层十分重要,同时针对不同层别的用户进行相应的用户互动;
b) 用户运营实质是产品、内容、服务的核心载体和平台;
c) 用户行为数据的分析也是关键,《DSP机器学习及算法机制_上》《DSP机器学习及算法机制_下》《样本训练》《回归验证》这几篇文章可供大家参考。

7.定位同样很重要,对已有的转化及重度用户调研调研调研
a) 没有定位和内容的营销那是耍流氓,而且定位是要依据市场、依据受众需求点痛点来定位;
b) 问重度用户:哪些点你最看中我的?,哪些点是你最讨厌我的?
c) 如果一个重度用户都没有,就需要先去发展种子用户,那个发展种子用户的阶段就是MVP,最好自己是重度用户。

8.消费升级及信息沟通便捷的发展趋势下,内容信息即产品即服务
a) 传统B2C,先规划设计生产再推销的模式,未来很可能因个性需求及消费升级,信息沟通便捷的发展动力推动下,会出现C2B模式,众筹、团购等等都是未来的预示;
b) 未来内容信息即产品即服务,营销、运营、产品、服务的界限越来越模糊,但“定位”必不可少,一切同用户接触的触点都必须依照“定位”的策略来塑造。

问答摘录:
  1. 目前互联网红利消失的时点,还有哪些传化好的红利渠道可考虑的?
答:其实课程中我也反复强调传统线上互联网触媒的红利消失,1.有创意的品牌广告(例如爱钱进这3个月来在网络大局中的中插植入式创意广告就为其带来千万真实活跃用户。)、2.除开线上互联网触媒的线下场景触媒(现在很多银行信用卡开卡业务开始转向线下地推,线上的羊毛党太多严重质量太差。还有很多线下场景触媒)、3.消费类场景渠道合作商(电商类、餐饮、连锁商业等等)。正是因为红利的消失,所以现在各种效果渠道中充斥着大量水份。要不就是睁只眼闭只眼,追求数据上KPI的达成,羊毛党什么数据KPI都可以实现,仅仅是成本问题。要不就是有十分强烈的责任心,看中真实的流量,如果看中真实的流量目前看只有我说的3种渠道,而且随着竞争的加剧以及用户的“审美疲劳”、新鲜度消失。几年后没准可能还需要去寻找新的红利渠道,这就是营销这个行业不断升级,不断“喜新厌旧”的特点。

2.定位及营销中是否重点强调自身产品优势?
答:其实营销就是一对多、一对海量的沟通,既然是沟通就要用受众能听懂和能接受的语言进行沟通。如果对方只能听懂阿拉伯语,我们说汉语是没有用的,我们也只能用阿拉伯语沟通才行的。

3.Imei、mac可以重置吗?
答:不可以,除非黑客刷硬件,所以这部分属于用户个人隐私数据(PII),建议以后使用时尽量MD5加密。更多关于ID的细节可以参见文章《IOS体系ID知多少?》《Android体系ID知多少?》

4.如何设置可以关掉iphone的idfa以及重置?
答:iphone中:“设置->隐私->广告->限制广告跟踪”关闭,“设置->隐私->广告->还原广告标示符…”重置。

5.吴老师啥时候会来上海呀?
答:9.20号左右,因为21号要在上海参加2017全球航空旅客大会做嘉宾专题演讲,9.23号下午在上海会安排新书发布会,新书发布会的具体安排及报名地址:大数据程序化广告一线实战分享 暨《程序化广告实战》新书发布会

(转载请注明出处:微信订阅号:ad_automation)
文字表现力有限,欢迎参加《916免费线下实战分享会》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。
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:京东)均有售。

近期活动通知(直接点击链接报名参加):

2017-09-06
前面基本已经将DSP的典型模式、主要机制及要点都介绍了。可能有些同学会好奇DSP系统内部的技术架构。下面截取部分DSP系统的技术架构图供大家参考,同样对于非技术的同学对此有个感性认识即可。也不做大篇幅的展开了。

1. 技术架构概要
如图7-22所示,DSP系统从技术架构上涉及:投放平台、投放设置用户交互模块(setup UI)、报表(Report)、算法引擎等等模块。算法引擎模块主要是大数据及算法的机器学习大量采用分布式技术(例如hadoop),对用户日志、人群数据进行建模及机器智能处理。算法引擎模块处理好的人群数据、算法模型等等数据通过海量内存技术(例如redis)暂存在内存中,便于Bid投放引擎快速查询使用,全部暂存在内存中的目的是为了在100ms完成竞价过程,确保在DSP方<30ms处理完成,为网络通讯流出时间。Bid投放引擎是典型的大集群模式用于响应大并发的请求,且确保每个请求<30ms处理完成。Bid投放引擎的投放规则(预算、频次、投放策略设置等等数据)也都是存在内存中的便于快速查询。投放策略设置的数据内容都是用户通过投放设置用户交互模块中的界面完成的。另外还有一些十分重要的辅助模块,例如:广告曝光点击数据回收模块、idmapping模块、大数据报表模块、内置DMP模块等等。

图7-22 技术架构概要示例

2. DSP内部技术处理流程概要
DSP内部技术处理主要依赖一些关键技术处理设施,主要的包括:原始海量log系统、海量消息并行处理队列(例如采用spark技术)、海量内存系统(例如采用redis技术)、业务系统关系型数据数据库等等。如图7-23所示,一条技术处理线路是广告请求处理线:广告竞价Bidder海量的实时广告请求处理会产生海量的原始log、同时Bidder也频繁的同海量内存系统交互读写广告请求相关的频次、消耗等等数据,然后广告请求log经过过并行处理队列处理灌入报表数据库及相应的大数据人群及模型数据库。另一条技术处理线路是广告曝光、点击等等监测数据的回收,开始也是产生大量的原始log、同时数据回收引擎同海量内存系统交互写如广告曝光、点击相关的频次、消耗等等数据。然后广告曝光、点击log经过过并行处理队列处理灌入相应报表数据库及相应的大数据人群及模型数据库,同时并行处理队列进行大量的机器智能分析更新部分人群数据及模型数据,同时同步更新到Bidder数据库及内容系统中供Bidder实时竞价时使用。

图7-23 DSP内部技术处理流程概要示例

3. DSP竞价核心处理流程概要(<30ms)
如图7-24所示,DSP的Bidder竞价模块设计约束核心处理时间极短,<30ms。为了解决适配不同ADX流量的不同接口。在接受广告请求,及输出返回时,会针对不同ADX平台接口使用适配器设计模式采用不同适配器予以处理。但整体处理流程不变。中间业务处理部分也使用过滤器的设计模式,增加新业务时根据业务需要增加过滤器实现即可。这样做的好处是整体的Bidder竞价核心模块处理流程框架相对稳定,不会随这业务的变化而变化。具备十分强大的业务灵活性和应对高性能的水平扩充性。

图7-24 DSP竞价核心处理流程概要示例

4. 竞价程序处理过程概要
如图7-25所示,Bidder竞价处理器内部也会依据业务处理依次分为:索引器快速过滤广告(采用索引器的好处是检索效率极高,当然索引器仅能用户简单的过滤条件,例如:尺寸索引、平台及广告位索引、浏览器索引、操作系统索引、地域索引等等)。广告过滤(投放策略相关规则需计算的过滤条件是无法使用索引器,例如:预算、曝光、日期、频次、人群定向、创意类型等等)。上述这两层过滤都是为了广告请求过滤可供投放的候选广告列表,然后通过出价算法的处理给出该广告列表中各广告的出价(这里可能会用到动态出价算法,也可能使用的固定出价策略(采用何种出价策略及是否使用算法都是在投放设置界面中有人工设设置的))。然后会进行低价过滤(根据广告请求中的底价过滤掉出价低于底价的那些候选广告)。最后排序并决策胜出(根据各候选广告的出价及算法附带给出的优先级权重综合排序,排名第一的胜出,即将以该广告内容准备竞价返回)。曝光点击动态代码生成(以上一步胜出的广告内容生成曝光点击动态代码,生成动态曝光点击代码有很多目的,例如防作弊,全程携带投放参数追踪等等)。Bid/Unbid日志记录(结束处理时异步启动)。

图7-25竞价程序处理过程概要示例

5. 分布式集群概要
如图7-26所示,为了应对海量的广告竞价业务需要,及大数据的分布式计算基础设施的需要。DSP在系统架构设计上需要支持分布式支持水平扩容,架构支持大并发、大数据、高可用、高容错等等特征。

图7-26 分布式集群概要示例


(转载请注明出处:微信订阅号:ad_automation)
文字表现力有限,欢迎参加《9月9日“DSP上”专题【线下大课堂】》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。
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:京东)均有售。

近期活动通知(直接点击链接报名参加):


2017-08-28


2. 智能推荐引擎

通过各种训练及机器学习,我们可以在竞价前(离线)对历史的广告请求、广告投放、点击后到站及转化等等大量历史数据,进行训练离线模型。当有广告曝光机会竞价请求,DSP被邀请参与竞价的时候,DSP方的智能推荐引擎根据广告请求的人群标签、浏览器、时间、地域、广告位尺寸等等多维度特征,并结合广告创意的特征,依据离线已事先训练好的,对不同特征效果预测的数据模型,预测该次广告展现可能产生的价值,包括到达率、点击率、点击转化率等,并根据预测来评估进行合理的出价,从而实现对目标人群的竞价购买。大体处理流程示意图如图7-12所示:

图7‑12离线模型指导竞价决策引擎流程示意
常见的推荐出价引擎策略(这些策略很多时候会交叉并用)有很多,下面罗列一些常用的算法简单介绍一下。同样也是帮助大家有一些感性认识,在日常工作实践中能知道什么场景下该选用什么算法即可。对于算法内部的详细机制也不做大篇幅的展开。
  • 流量探测:这种算法就是简单在广告请求的底价之上,加一定比例或固定的数进行出价。因为是流量探测为目的,基本是打底广告投放,这样可以训练出大量的有价值的数据(如最低成交价、成交价同胜率的分布等等)。还有一些需要大曝光的广告投放也会采用这种算法。
  • 稳定目标CPM:这是最基础的一种策略,算法会依据预测成交价、及目标CPM设定、及历史胜率来计算出价。
  • 目标CPM+CTR:这个算法是在达成目标CPM的基础上,达成CTR目标的方式类筛选流量及计算出价。
  • 稳定目标CPC:这个算法主要是通过CPC目标,依据CTR预测、及出价、及胜率模型数据反推CPM出价。
  • 目标CPC+CTR:这个算法是在达成目标CPC的基础上,并以CTR目标筛选流量及计算出价。
  • 目标CPA:这个算法会预估转化率,根据历史投放计算该点位在该广告主、该行业的转化率,过滤掉转化率较低的流量,最终以CPA期望计算出价。
  • 目标CPA+老客:这个算法会提取多维度的feature及其交叉维度,通过机器学习获取 feature权重,根据feature权重对老客进行打分排序,取top进行投放,并以CPA期望计算出价。
  • 目标CPA+新客:这个算法会根据转化数据为正样本,提取feature,根据feature得到对应广告的扩展人群,打上相应的标签然后对相似标签进行投放,并以CPA期望计算出价。
  • PDB退量控制:这个算法主要在PDB视频退量模式使用。会实时动态记录,并计算每Deal退量比,确保退量小于阀值。当然还会兼顾TA筛选及频次控制等等因素。
  • 投放速度控制:这个算法主要基于PID(比例Proportion、积分Integral、导数微分Derivative)反馈回路闭环控制。(PID控制的基础是比例控制;积分控制可消除稳态误差,但可能会增加超调;微分控制可加快大惯性系统响应速度及减弱超调趋势。运用“傅立叶变换”将流量波动波形及投放进度波形进行数学拟合的基础上来做预测。)来控制投放速度,确保均匀投放,或快速消耗等等。大体的处理逻辑示意如图7-13所示实时依据投放反馈数据,来动态运用比例、积分、微分手段及胜率的预测,控制投放速度的均匀稳定。

图7‑13均匀投放算法逻辑示意
  • AB测试:这个常用于新算法策略上线,或寻找合适的算法时,会使用该策略在真实投放中观测效果,找出最优的算法。
  • Ranking排名:这个主要是综合上述策略算法的整体调度算法,并从宏观提升整体流量利用率,及整体ROI来对各策略的得分在进行加权计算,排名得出最合适的出价者。一般权重:访客>转化>点击。



实操中通过历史数据建立数学模型过程中,不可避免地要注意到,数据中会存在一些噪音。所以常常还会加入一些人工干预,设置补偿因子及系数的方式。一方面这样做可以一定程度简化算法及模型,另一方面也大大降低对计算资源的消耗,从而降低成本、提升效率。(这也是典型的二八原则的做法:大部分80%的问题仅需要20%的投入即可解决。)

3. 防作弊

由于RTB长尾流量中的流量质量参差不齐,所以防作弊是DSP的一个十分重要的模块。一般采用通过规则引擎设置(监督学习)或关联挖掘(非监督学习)非人类流量特征,并实时进行过滤。嫌疑特征流量会被放入观察室,不可竞价,待嫌疑特征消失才可使用。如图7-14所示,那些分布较为特征集中的广告流量其很有可能存在问题。(常见的一些特征例如:单用户ID或IP地址请求间隔时长多短、某些用户请求集中在某些媒体或页面,而不是全网使用等等。)

图7‑14流量嫌疑特征示例
还有一种观点是,若从转化漏斗、结果导向来做流量价值评估的角度来看,不存在评估作弊流量或非人类流量的必要,只有对转化漏斗无效的流量。那么只要能合理运用转化漏斗模型作为广告投放的衡量目标,来设置投放算法。自然也能合理过滤掉无效的流量。

(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刚出版的书籍《程序化广告实战》,网上的文章都比较零散,若您想系统化学习,可考虑考虑看看正版书系统化学习,各大电商网站(如:京东)均有售卖。

文字表现力有限,欢迎参加《9月9日“DSP上”专题【线下大课堂】》面对面为您答疑解惑讲透您关心的问题。线场福利:可以为您的新书定制个性的签名题词。

2017-08-22

互联网流量红利消失,数字营销该如何破局?如何数据融合才能放大数据价值?

如下是20170818《数据价值-融合应用818》受Admaster邀请对华南客户分享的PPT(可点击文末“阅读原文”):

链接: pan.baidu.com/s/1sl4Wj6

密码: k9b3

更多活动PPT课件,可给公众号发消息 “ppt” 获取

(转载请注明出处:微信订阅号:ad_automation)

文字表现力有限,欢迎参加《9月9日“DSP上”专题【线下大课堂】》面对面为您答疑解惑讲透您关心的问题。同时可以签名售书题词

欢迎购买作者刚出版的《程序化广告实战》正版书系统化学习