博客首页|TW首页| 同事录|业界社区
2017-08-13

上一次活动是在8月12日,正好赶上北京下大雨,航班大面积延误,选择窝在家里听雨声是最舒适的选择。原以为到活动现场的同学会少之又少,但居然还有从深圳、从廊坊专门赶过来听课的同学。虽然外面阴雨绵绵,但我们的心里好暖啊。其实程序化广告课程的受众并不是太广,但却得到了那么多同学的厚爱。

感动之余,也感觉到了我们这个活动真正的价值,为中国营销从业者的素质提升贡献一点点自己的力量。我们会坚持每月一期,为大家提供源源不断的干货。所以9月份的活动又来啦,以下为活动详情:

活动时间:2017年9月9日 周六下午 15:00——19:00

活动详细安排:

14:50-15:00  签到与自我介绍

15:00-18:00  吴俊老师分享DSP

18:00-18:30  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:

 http://mudu.tv/watch/1131099

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-DSP》讲解提纲 :

——96页ppt,分2次课讲解

什么是DSP?

国内DSP类型介绍及比对分析:

–独立DSP工具+RTB

–门户媒体自带DSP

DSP+ADN

–独有DMP+DSP

–DSP主要优化手段及原理

–各种定向方式

–内置DMP、打标签逻辑

–算法介绍

–动态创意

–“某品牌人群策略”示例

“某产品DSP投放策划”实战示例

–独有DMP+DSP介绍?

DSP投放案例

–某大型电商 – App老访客回流推广案

–某国际品牌 – 新品上市移动端推广案

DSP系统技术架构

DSP系统投放操作步骤

(转载请注明出处:微信订阅号:ad_automation)

2017-08-07

《DSP主要优化要点_上【业务类】》继续下篇:

当然还有一种很有意思的找回模式,是针对“沉睡用户”的。用户因为某次推广活动而使用产品、或下载安装了App,而之后很长时间(如1年)未打开过App、或使用过产品服务。对于这些用户能使用App及产品服务,说明其已对产品及服务有了一定的认知,所以对这些用户做Remarketing“再营销”能让这些用户再次唤起好奇心,进而促成转化。

访客找回方面的运用,国际上较为典型的,以Retargeting为代表的DSP如:Crtieo。

线下人群

这里需要重点强调一下的是线下现实世界的人群行为,在第3章中已阐述过这类人群数据的意义价值,可能会远远大于线上用户行为。若能通过一些手段打通线下线上人群数据,这些人群会是我们十分重要的Retargeting或Look-alike(相似人群)的重要数据来源。

相似人群(Look-alike)

很多时候大家会质疑一个用户都已购买了某产品还会再消费么?尤其对于大宗消费的产品(例如:车、房等等),由于产品的生命周期,会导致再怎么做Retargeting也效果一般。且一般营销也会关注对新客、潜客的获取(老客一旦产生购买是可以使用CRM、关注订阅号等等手段,保持同老客的沟通,刺激其持续的转化。)。而获取为了潜客这个目标,经常会用到Look-alike方法,以及老访客排除(排除那些已经不可能再出现转化的人群)等等方法。

Look-alike简单说就是依据访客,尤其已转化客户的典型行为特征,去推及,在全网中寻找那些类似行为特征,但并看过广告,或从未出过转化的用户,进行广告投放。这种方法相对来说计算量较大,且特征可能因为十分的微小分散,也可能因采集样本量级不够大,或不明干扰因素等等,最后得出的特征会较为发散,未必能找出收敛的特征要素。所以很多时候,我们也会通过人群标签作为中介,来做Look-alike。具体的做法是,看看那些已转化的客户,及某类行为的访客,身上哪些标签比较集中,然后将那些用户身上所有被打上的标签,全部加在一起计数,选出前十或前几个计数较多的标签,最后再用这些标签作为人群定向条件去投放广告。

4.素材

很多较有项目优化经验的同学都知道,素材及落地页(LandingPage)对广告的效果,以及抓用户的眼球,还是有很大的影响的,而且广告点击后打开落地页的打开速度,对广告投放的效果影响也很大。

所以有经验的营销优化人员,经常会在不同版本的素材及落地页之间做比对测试(常称为“A/B测试”)。主要观测比对不同版本见,“曝光->点击->到达->站内多跳->转化->留存”等等的数据表现,来判断素材与推广活动的匹配度,以及素材及落地页对广告效果的影响程度。

很多时候一个素材投放很长时间(一般经验值1月)以上,以及被用户浏览多次(一般经验值6次)以上就会更换新的素材,避免用户的“审美疲劳”。

除了对版本的分析,素材中有很多要素,也是我们经常比对分析,去调整的,例如:

文字:即我们常说的“slogan”(广告语),及广告素材中的推广文案。就也是十分重要的点;还有文字的字体、颜色、大小等等;

底图:是广告素材重要的展示内容,对广告效果存在一定影响;

色系及Logo:广告素材中对产品品牌的VI辨识度(VI全称Visual Identity, 即企业VI视觉设计)是能让用户留下深刻印象的要素之一;

其他内容:视频、特价推荐、网址、搜索关键词等等;

构图及布局:上述要素的构图及布局。

如图7-10示例截图,就简要展示了部分素材要素,这些要素对广告效果都存在一定的影响。

图7‑10部分素材要素示例截图

市场上有专门,对上述这些素材要素动态组合优化的提供技术服务(AdServing)的公司和技术产品。并运用多版本对比测试,找出特定场景下最有效的素材元素组合,这是一种动态创意技术,这种动态创意服务产品的典型代表如:筷子科技。也有一些DSP平台中有类似的功能模块

除了动态组装素材的基本元素,电商类的广告投放还经常使用动态商品创意方法的。动态商品创意:这是一种广告创意内容变化的模式,就是根据不同人群对产品,及某电商单品的行为特性,来在广告创意中动态展示相应的商品内容。包括内容中是否有促销活动、赠送等等优惠内容,也是用程序化的手段来控制的。对于电商单品推介的,技术上是需要对接电商的商品库、分仓库存、优惠价等等数据的。这样才能实现能在合适的时间及场景给用户推送合适的用户关心的商品内容的动态创意。

除了上述动态组装素材基本元素、动态商品创意的方法,对于大型品牌广告主为了追求广告创意的冲击力,通过新奇等手段去抓用户的眼球。进而达到广告及产品信息的传递及促进广告效果的目的。会常常喜欢采用一些动态交互富媒体的创意形式。动态交互富媒体创意:即特别丰富的素材交互形式,常见做法有:

大家常见的多商品在一个广告位上同时轮播的形式;

素材点击后扩展放大;

素材中可以移动或操作鼠标或手指玩特定游戏(移动端特有的一些丰富的传感器可以实现摇一摇、AR等等十分丰富的交互模式的广告素材);

语音互动的广告;

多广告位联动的广告;

等等丰富的富媒体广告形式,不过这些都需要媒体方的广告展示技术进行支持的。在视频广告中有VPAID协议规范、移动端有MRAID协议规范。PC及Mobile Web端主要靠的是JavaScript技术或Flash的技术。这些只有媒体支持了才可以实现的。

讲到这里,我们已将常见的时间、地点、媒体、谁、素材,5大主要优化重点为大家逐一介绍了,当然除了这些主要优化对象,对于广告的价格、曝光频次、点击频次等等很多重要的因素都会影响KPI。也是日常广告投放实践中优化及观测分析的重点。

还有一种常见的优化手段叫做创意轮播,即用程序化手段,根据用户对品牌认知程度,及同广告互动的状况,来动态更换素材的投放模式。举个较为典型的广告投放例子:某用户最开始的3次曝光机会都展示的是常规的品牌广告,主要是让用户广告主的品牌有一个基本的品牌认知;然后该用户再有广告曝光机会的时候,就是轮流给该用户展示,该广告主旗下不同的产品介绍广告素材;若用户点击了其中的某个产品的广告素材,但还未形成转化;之后该用户再有曝光机会的时候,给该用户展示该产品的优惠信息广告,刺激该用户对该产品产生转化。这些都是由程序化的创意轮播引擎来支撑的。

(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《8月12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。

2017-07-31
通过上述介绍我们对目标及目标转化漏斗有一定认识之后,下面我们就开始介绍时间、地点、媒体、目标投放对象(谁)、素材创意等等,各种常见的主要优化分析对象及定向的维度。


1. 时间

时间这个维度我们较好理解,不同时段的转化数据会存在一定变化,以及广告流量充沛程度,及买家对流量的争抢程度,都会导致价格也会随时间存在一定变化规律。如图7-4所示以某ADX移动广告流量按时段的变化曲线为例,我们会发现从9-10点开始流量逐步上升,且在晚21-22点流量达到高峰,所以我们就一般广告投放就会选取流量充沛的时段进行投放,这样可挑选的池子很大,且争抢不会太激烈价格上也会有一定优势。以图7-5所示流量的价格可以说明刚刚的论点,晚21-22点流量最充沛,成交价格也呈下降趋势。

图片

图7‑4某ADX移动端流量按时段分布的示例截图

图片

图7‑5某ADX移动端流量按时段分布的CPM表现示例截图

图片

图7‑6某ADX移动端流量按时段分布的CTR表现示例截图
不仅仅是价格,由图7-6所示中的数据可见,CTR随时间也有一定规律可循,在晚21-22点流量虽然最充沛,但由于用户浏览页面及广告量增多,点击率也呈下降趋势。所以由此我们会发现,按时段定向投放对成本、价格、效果的优化还是十分重要的。


2. 地点

  • 地域:也是一般优化中比较关注的优化对象。


图片

图7‑7分地域的CTR分布示例截图
如图7-7所示,颜色越深CTR表现越高,颜色越浅CTR越低,对于广告投放有一些实战经验的同学都知道,一般东部沿海区域及经济较发达地区的CTR呈明显较高表现。所以按地域定向、地域排除等等进行广告投放优化在实际广告投放中是十分常用的优化对象。
  • LBS(Location Based Service地理位置定向):移动端由于很多广告流量中携带了用户设备的经纬度信息,所以也可对地理位置,及相关位置商圈定向投放广告。如图7-8所示。

图片

图7‑8 LBS示例截图


3. 媒体

一般媒体对广告投放效果的影响较大,媒体广告位相关的变量及维度也特别的多,主要涉及:
  • 平台:不同ADX由于其流量来源不同,特性也不同;
  • 终端类型:PC Web、App、Mobile Web不同的终端类型广告投放效果表现会大大不同;
  • 网站/APP:媒体我们一般会从分类及各体角度来观察对广告投放影响的差异。
  • 媒体分类:新闻、娱乐、财经等等分类定向差异
  • 域名、媒体黑白名单等等个体定向差异
  • 频道:少儿、时尚、汽车等等网站/APP内的频道定向差异
  • 广告位:
  • 类型:Banner、暂停、贴片、原生(信息流)等等差异
  • 尺寸:1000*90、640*100等等差异
  • 第几屏:首屏、第二屏等等差异
  • 其他:URL、页面关键词等等差异
一般不同的媒体广告位,在不同的行业投放,都有历史参考的价格及转化数据,这些都是运营优化同学重点分析和优化调整的对象。如图7-9所示,为某行业广告在某ADX中不同类型媒体的消耗分布数据示例截图,从图中能看出某行业在影视、综合门户类媒体的消耗尤其突出,某种程度也说明该行业的广告目标受众集中在这些媒体,且这些媒体为该行业的广告投放效果带来的较大效益,所以该行业的广告主才会加大预算投放的。由此可见整体行业性,对不同类别媒体广告的差异特征还是十分明显的。

图片

图7‑9某行业广告在某ADX中不同类型媒体的消耗分布数据示例截图


4. 目标投放对象(谁)

广告主的广告主要对哪些目标对象进行投放,即同谁进行广告信息的传播沟通,是广告的关键命题。对于这个命题,我们需要根据我们产品及服务的特点去找出这些人群来。一般我们常常使用人群特性标签定向、访客找回、线下人群、相似人群等等手段来分析这些人群的广告效果差异及定向投放。
  • 人群特性标签定向
人群特性标签定向首先需要我们将广告投放的人群都先打上标签,然后选取不同的标签进行广告效果差异分析,及定向投放。
人群特性标签,即对目标受众的特性刻画,一般会从基础的人口属性、兴趣爱好、消费倾向等等标签来描绘:
  • 人口属性:基本的人口属性如:性别、年龄、区域、学历职业、收入水平、家庭资产状况(车、房)、人生阶段等等。这些很多是结合互联网行为大数据,并基于一定真实样本数据基础上,依据行为相似度匹配而得出的(对行为相似度,我们举个例子加以说明:通过样本我们发现男性关注跑车资讯的行为特点较为突出,我们会将关注跑车资讯类行为的用户都打上男性的标签。)。相关而言真实样本数据的规模,对数据的有效性影响较大。
  • 兴趣爱好:数码、户外、美食、美容、收藏、家居装修等等。这些更多的是依据用户的互联网浏览行为的大数据而得出的。
  • 消费倾向:房产、汽车、金融、家电、个人护理等等。这些更多来源的是用户的线上电商及线下店的浏览、加购物车及消费行为的大数据。
这些标签也是我们经常说的人群标签。从保护用户隐私的角度来看,我们一般在使用用户行为数据时,尽量避免使用原始数据及个体的数据。一般都是会对于用户行为数据进行分析后打上标签。这样对用户打标签的方式也是为了尽量保护用户隐私。在程序化广告领域是较为常见的一种做法。
  • 访客找回
除了人群标签,很多时候,尤其是对一些快消品或电商类的广告投放,我们会发现访客找回(Retargeting)(有的也称为Remarketing“再营销”)的效果较好。用户一旦对某产品或服务产生了长期的使用习惯和体验,一般较少会不断更换。所以我们常常会通过各种手段,收集访客的各种维度的数据来提升既有产品访客的广告转化效果。观测访客行为常见的维度涉及:
  • 访客的行为:浏览商品、加入购物车、下订单、付款、评价、分享等等,一般我们将访客会分为全站访客、单品访客;对于全站访客会关注访问深度、订单金额等等;
  • 广告曝光相关的用户互动行为:曝光、点击、后续访问官网、站内多跳、转化等等;例如:使用曝光找回可加大曝光强度、点击及访客找回可能会增加转化;
  • 行为的时间特征:第一次、第几次、最近一次、距当前的周期(这也是我们常说的“找回周期”(一般周期15天内),这个周期是可以调节的)、频次、停留时间等等;

今天先到这儿,下篇我们继续…….
(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《8月12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。
2017-07-24

后续我们会连载系列文章着重就DSP的主要优化手段及原理为大家展开介绍。我们都知道精准营销的诉求就是要“在合适的时间、合适的地、合适的媒体对合适的人,传递合适的广告信息”。依据这个核心诉求,我们就需要从这几个维度来观测数据、建立数学模型、使用机器学习算法、并运用程序化的手段动态组装广告信息内容。实际操作过程中是人工定向优化 + 算法自动优化,等等手段综合起来进行优化投放的。而不论何种广告投放优化方法,都不能不精通“转化漏斗”(也有称作“转化路径”)的。下面就为大家介绍一下什么是转化漏斗:

转化漏斗

在详细介绍优化手段之前,我们需要对广告产生效用的转化漏斗及主要考核指标有一定的认识。一般广告投放是会通过多种投放渠道,对受众进行品牌曝光,让受众形成一定印象,然后持续同受众互动,以促进在后续受众萌生需求时,受众会产生对产品的转化及购买行为。而因广告信息传递的有效性、及受众喜好的不同,会使得这个从前到后的转化路径,呈现出逐级损耗、逐级筛选的趋势。呈漏斗状。如下图转化漏斗示意所示,广告主可以通过各种推广渠道对受众投放广告,展示品牌及产品特性,在受众的脑海中留下对品牌及产品的一些印记,这就是我们常说的品牌曝光,也称为品牌露出。品牌曝光的渠道有很多,如:传统的户外广告、线下的调研互动、软文推广、展示类广告(贴片广告、原生广告)、搜索广告等等。这些推广渠道在运用时往往都是相辅相成的。在制定具体传播策略之前一般都会进行线下的调研以确定广告传播的目标受众及传播策略,而调研活动本身若能结合品牌的特性做一些联动的活动会带来一定的品牌效应。如面向年轻人的品牌及产品,调研互动可以在一些活泼的场景及时尚媒体上进行;面向商务人士的品牌及产品可选择一些高端的场所进行。通过调研确定受众的爱好及产品品牌市场定位之后,会有针对性选择不同的广告传播形式进行广告推广。如:传统的户外广告能帮助建立高大上的品牌形象,而由于户外广告的地域局限性会限制传播的广度,且目前户外广告播放数据采集的技术还无法满足(电视广告也存在类似的数据采集问题)广告效果追踪的需求。随着大众互联网及移动互联网的使用比重及时长越来越多,加之互联网天生具备数据化信息化能力,为广告播放数据采集提供了天然的技术基础,故而互联网展示类广告目前越来越多地被广告主使用。还有一类十分常用的品牌及产品宣传的手段就是软文推广,软文不同于简单的广告展示,更强调为读者提供有价值内容的同时为其推荐品牌及产品的特性从而达到产品品牌宣传推广的目的。一般软文推广由于其注重内容的特点且易产生口碑及引发社交化朋友间传播,也是大家十分重视的一种传播手段。但毕竟文章内容不能像展示广告那样简洁直接且能在所有的互联网媒体上广告位上直接展示(大都会依据文章内容的特点选择合适的媒体进行刊登),而且其传播路径更多会依赖社群及社交网络。上述这些传播渠道都会在受众脑海中留下对产品品牌一定的印记。若正好受众当时比较感兴趣就会产生后续的点击广告到达广告主网站并进行互动等等的行为。而往往很多时候看完广告大众是先会有个大概的印象,当产生需求或有空的时候会去搜索引擎中主动搜索相关的内容及产品服务,这时我们就需要通过购买搜索引擎中不同的关键词,对相应关键词搜索的用户推荐广告,而用户因为主动搜索,所以点击广告并产生后续互动行为的意愿会比较强烈。所以我们往往会看到搜索广告投放效果较好,有点类似打麻将截胡。而搜索广告的量级往往会同品牌曝光的投入有一定的协同效应。这个很容易理解,如果品牌广告做的少,有一定印象的人就少,能主动搜索的相应品牌内容及产品服务的人也会少。而且用户的后续互动及产品购买转化行为相对品牌广告的投放时机以有一定的滞后效应。这个也比较容易理解,用户不可能在看到广告后就立刻产生购买意愿及动机和行为的。都需要一个逐步认知、熟悉、犹豫、认同的过程。而这个过程恰恰是需要品牌曝光及同受众持续互动、引导推动的过程。对于受众看到广告并点击广告到达广告主网站参与互动这一行为的动机,有的可能是因为广告恰好展示在相关内容页面诱发了好奇,有的可能恰恰因为在犹豫中再点进来看看澄清一些问题,有的可能是因为对产品已经有一定认知或认同参加,有的可能是因为广告的促销诱发了贪便宜的心理等等,因素可能多种多样。不同动机的用户到达广告主网站后的行为,也会呈现出不同的特点:好奇的用户会首次留资、参与活动及活动互动,但可能未必能产生转化购买产品;犹豫的用户会更多去获取行业及产品内容并仔细分析研究,若用户的顾虑点能得到了很好的解决,用户很可能产生后续的转化购买行为;认同的用户会特别容易产生转化购买行为,而且也会参与社区互动、进而二次传播,口碑传播吸引来更多用户加入;而贪便宜的用户可能会因为小便宜而参与活动及互动、传播,但忠诚度及认同感还需要通过持续互动来培养,只有这样才能逐步沉淀下来,成为忠实用户,持续购买产品。所以对这些用户的数据积累和分析,针对特定需求进行产品直接销售,发现发掘出用户相关其他需求进行产品捆绑销售。从而提高整体营销的投入产出比,创造效益。

图:转化漏斗示意

由此可见,整个营销就是针对用户对产品及品牌认知的过程,不断依据转化漏斗不同层次的递进节奏,以数据分析为主要决策依据,全流程持续优化、持续不断地依据用户的不同认知阶段同用户持续互动。最终达到用户认同,成为产品的忠实购买及使用者的目的。所以以终为始,始终以转化漏斗为参照,持续运用程序化广告的各种优化手段去对不同认知阶段的用户持续互动,是我们必须时刻贯彻到我们实际营销业务工作中的核心思想和方针。基于这个转化漏斗,广告主会在不同的层级设定不同的广告投放考核指标来管理及评估广告投放的效率,上篇《DSP概览【业务类】》中已对DSP及“主要考核指标”进行了简介,这里就不再展开了。

文末彩蛋————————

附注一些经验数据供大家参考(可能个例会有偏差,不必过于执着哟!):

CTR(Click-Through-Rate):点击Click/曝光PV

Mobile:1%左右(PC:0.1-0.2%左右)

信息流:2-3%

点击->到达:Landing Rate(打开落地页数/点击数)

Mobile:20-30%(PC:50-60%左右)

点击->Action:点转率CVR(Conversion Rate)(Action数/点击数) 0.8%(Action:Leads、下载等等)

线索(Leads)->到店:1-2%

————————

(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《8月12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。

2017-07-19

在前面的很多文章中已多次强调,目前整个数字营销领域正在经历快速升级。正逐步用程序化、数据化、智能化、闭环持续优化的方式,来取代传统靠人工低效的媒介广告投放方式。

如上图所示,广告主运用程序化广告手段对目标受众进行广告投放,由传统直接人工对接媒体(广告流量卖方)采买广告的过程,升级为,经过DSP(程序化买家)、ADX(广告交易平台)、加上DMP(大数据平台)的核心大数据指导,自动化来完成的过程。可见DSP、ADX、DMP是程序化广告十分重要的三大环节。本书前面的内容已对DMP、ADX进行了介绍。本章将会从实战业务角度,对DSP的典型模式、原理、特性、功能、技术架构、算法及运营实操中必须注意的点,进行介绍。

随着整个行业上下游基础设施的发展和完善,需方程序化买家模式也迅速发展。需方程序化买家就是我们常说的DSP:Demand-Side Platform需求方平台,即:网络广告的程序化买方操作平台。如下图所示,通过这个操作平台的技术手段,买方可以根据自己的需求,精准对目标人群的每一次广告曝光机会,进行实时竞价购买。

图:DSP闭环优化示意

简单打个比方:ADX就像“股票交易市场”,而DSP就是“炒股软件”,就是“股票交易员”,每一次竞价购买广告曝光机会都是根据数据、算法和定向策略的设置而进行的。

国内DSP典型模式介绍

随着行业高速发展,国内DSP也不断随着自身定位、优势、商业模式等等的不同分化为:独立DSP、大媒体自带DSP、DSP+ADNetwork(由AdNetwork衍生而来)、“独有DMP+DSP”等等几种模式。

独立DSP,即独立于广告资源之外的DSP平台。独立DSP不拥有广告资源,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,才是其立足之本。这有点像炒股软件,他们对广告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、璧合、新数等等,偏移动端的有力美、多盟等等。

大媒体自带DSP,典型代表例如:腾讯的智汇推(面向腾讯门户、视频、新闻App等广告资源)及广点通(面向腾讯体系的社交类广告资源:QQ、微信等)、sina的扶翼、sohu的汇算等等。这类因其流量资源的特点,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,广告投放做跨媒体联合频控时,就会有点困难。

自有流量(由Adnetwork衍生而来)的DSP+ ADNetwork,这种模式是目前市场上较为常见的模式,其媒体资源上往往都有一定的特点。他们因为依附于自有的一些流量,会对自有流量有一定的优先权和变现压力。同样当广告主想对多种媒体流量资源,广告投放做跨媒体联合频控时,就会有点困难。

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

市场中存在各种DSP,我们一般会从如下主要几个维度来对DSP进行评估:

资源量及资源质量:即对接ADX的总量及资源质量。这点决定了可竞价广告资源的总量及质量。

人群分析:即DMP的处理能力和特有的大数据。这点决定了精准投放决策的准确性。

系统及算法:这点决定了是否能满足广告主多样的投放及优化需求。

服务经验:主要包括服务人员的经验和系统支撑的能力

精准广告投放要达成良好的效果,必须对主要考核指标了如指掌,才能做到有备无患,下面我们简单介绍一下:

主要考核指标

一般品牌广告主及效果类广告主的主要考核指标会有些不同。因为品牌广告主主要重点是品牌宣传,典型行业如汽车、快消等等。效果类广告主主要重点是追求的直接效果,例如注册、下载、购买等等,典型的行业如游戏、电商、金融类等等。(当然会有些常规类指标,是大家都会关注的。)

常规类及偏品牌类指标

PV (Pageview(浏览量)): 网站各网页中被浏览的总次数。一个访客有可能创造十几个,甚至更多的Pageviews;是目前判断网站访问流量最常用的计算方式,也是反映一个网站受欢迎程度的重要指标之一。因为广告是在网页及页面中被展示、被用户浏览的,也有用PV来作为广告的浏览量的。

Impression(广告曝光数):广告被展示的次数,用户每浏览一次网页,同时页面中的广告位中的广告被展示一次,就是一个Impression;广告主希望10万人次看到广告,即10万次Impression;也是评估广告效果的元素之一。

UV(独立访客):即Unique Visitor,访问网站或看到广告的一台电脑客户端或手机客户端为一个访客。

Click(点击次数):用户点击广告的次数;是评估广告效果的指标之一。

Click Through Rate(点击率):简称CTR;广告被点击的次数与广告被曝光次数的比例,即Clicks/ Impressions;如果这个广告被了一万次,被点击500次,那么CTR为5%;目前,PC端平均CTR为0.3%;CTR是评估广告效果的指标之一。

IP(独立IP地址):即InternetProtocol,指独立IP地址数。

Cost(广告消耗):即广告投放实际总共花了多少钱。

CPM(千人成本):即Cost Per Thousand Impression每千次曝光数成本;广告主为她的广告显示1000次所付的费用;如果一个Banner广告单价是¥10/CPM,意味着每被1000人次看到就收¥10;如此类推,每10000人次看到就是¥100;CPM是评估广告效果的指标之一。

CPC(Cost-per-click点击成本):每次点击的费用。根据广告被点击的次数收费。CPC是评估广告效果的指标之一。

Landing Page(落地页):广告被点击后打开的页面俗称“落地页”。

Landing Rate:落地页PV数/广告点击Click数。主要用于分析点击效率。

CPUV(Cost-Per-UV):即每个UV的消耗,每获得一个UV所付出的成本。CPUV更低,意味着相同的预算能覆盖到更多的UV,这样广告效率更高。

CR转化率:Conversion Rate的缩写,是指访问某一网站访客中,转化的访客占全部访客的比例。

二跳率:网站页面打开后,用户在页面上产生的首次点击被称为“二跳”,二跳的次数即为”二跳量”,二跳量与浏览量的比值称为页面的二跳率。

跳出率:跳出率是指浏览了一个页面就离开的用户,占一组页面或一个页面访问次数的百分比。

人均访问页面:即:PV总和/ UV。

视频OTV广告投放TA浓度相关指标请详见文章《视频广告常用词您都知道多少?》的介绍,此处就不额外展开啦。

等等

偏效果类指标

CPA (Cost-per-Action):根据广告最终投放的效果,即回应或者激活的数量收费,而不是广告的投放量。汽车行业常见CPL(Cost-per-Leads(收集试乘试驾销售线索))。

CPS(Cost-Per-Sale):以实际销售产品数量来计算广告费用,即分成模式结算。

CPV(Cost-Per-Visit):每个访问(Visit)的成本。即发布不收费,展示不收费,点击不收费,只是按照浏览指向网站的有意向客户数量收费的。

CPDownLoad(Cost-Per-DownLoad):按照每次下载收费,下载就付费,不管是否安装,当然不同渠道的下载到激活转化率不同的。

ROI:Return On Investment的缩写,投资回报率。

重复购买率:指消费者在网站中的重复购买次数;

客单价:是指每一个订单的平均购买商品金额,也就是平均交易金额。

等等

(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《812线下大课堂:8月12日“DSP上”专题【流水课通知】 》面对面为您答疑解惑讲透您关心的问题。

2017-07-18
hello 大家好,程序化广告线下流水课已经连续举办第9期啦,记得第1期还是2016年9月4日,吴俊老师给大家主讲了程序化广告行业现状以及基本概念,眨眼快一年了。感谢大家对我们的支持与厚爱,同学们收获的知识与同窗友谊,而我们也在每次活动中得到了满足感、成就感。
我们活动有一些新变化——我们增加了一个环节叫餐前甜点,此处的“餐”特指吴俊老师为大家带来的知识大餐:每次活动邀请一位同学做10分钟左右的分享,上期活动是商汤科技张帆同学为大家带来的AI在营销领域的应用,而这次活动您将听到的主题是“二次元人群分析和短视频现状”,分享人是智唐科技的郝宇婷,她也是我们程序化广告的同学哦~
8月份的活动又要来啦,以下为活动详情:
活动时间:2017年8月12日 周六下午 15:00——17:00
活动详细安排:
14:50-15:00 签到与自我介绍
15:00-16:20 郝宇婷同学分享二次元人群分析与短视频现状分析
16:20-18:00 吴俊老师分享DSP
18:00-18:30 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:
http://mudu.tv/watch/1044059
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-DSP》讲解提纲 :
——96页ppt,分2次课讲解
什么是DSP?
国内DSP类型介绍及比对分析:
–独立DSP工具+RTB
–门户媒体自带DSP
DSP+ADN
–独有DMP+DSP
–DSP主要优化手段及原理
–各种定向方式
–内置DMP、打标签逻辑
–算法介绍
–动态创意
–“某品牌人群策略”示例
“某产品DSP投放策划”实战示例
–独有DMP+DSP介绍?
DSP投放案例
–某大型电商 – App老访客回流推广案
–某国际品牌 – 新品上市移动端推广案
DSP系统技术架构
DSP系统投放操作步骤
(转载请注明出处:微信订阅号:ad_automation)
2017-07-10

程序化的买方卖方都十分关心程序化交易中的各项技术指标的数据,这样可以量化评估程序化交易环节的效率和损耗,进而可以针对性的进行优化,对于无法优化的就需要提前从成本及计算模型等做相应的特殊处理。

首先大家关注的一个指标就是“竞价成功率”指标,即:“曝光数”/“参与竞价数”。

严格来说这个数据应该是“胜出数”/“参与竞价数”。不过由于技术平台对接的时候将“win notice”接口同曝光接口合并,且在业务执行层面大家还是比较关心“曝光”,仅技术层面较关心“胜出数”同“曝光数”的GAP,若这个GAP很大技术就是需要查的。

在RTB的场景中“竞价成功率”是抬高出价的一个很重要指标,若实际曝光量相比计划曝光量还差很多,且“竞价成功率”较低的情况下,往往会通过提高出价来观察是否提升了“竞价成功率”,从而获取了更多的“胜出”并“曝光”。

当然我们也会发现就算我们开出天价也不可能100%胜出,获得100%的“竞价成功率”。那么排除出价的因素,这是为什么呢?

  • 网络因素:因adx同各bidder之前都是网络通讯的,且要求每个bid 在100ms以内完成。我们也知道网络通讯有一定的不确定性,偶尔网络出现一些拥堵,导致bidder回复需要这个广告,而adx因网络原因没有收到这个回复,自然就影响了“竞价成功率”。而对于广点通、搜狐一些特殊的adx要求50ms以内要完成bid。
  • 广告库存在媒体内部的处理机制有关:不同的媒体内部都有一个广告管理系统,再通过这个广告系统将广告流量通过网络的方式接入到ADX。往往很多媒体同ADX在这部分对接因多出一个系统造成的损耗就在10-15%以上。有些媒体内部的广告系统同自己的ADX由于网络等等考虑也有网络处理时长的要求的,为了保证最终用户等待广告的时间不能太长,以某些移动媒体为例,一些特殊的adx(媒体内部同Adx对接时就要求严格的时间要求)要求40-50ms以内要完成bid才能满足。所以很多时候可能是Adx获取到了该胜出的广告,但是在给到媒体广告系统的路上因为网络等等原因丢失了。当然还有一种情况是媒体方内部对广告有一定的优先级别管理,对于传统采买的大客户订单会保证一定的优先级别和优先消耗的。
  • 一些特殊点位的特殊处理机制:例如:为了保护用户体验及移动端网络等因素导致很多移动端点位需提前拉取广告素材,拉取了广告素材提前缓存,在用户浏览到广告位时才展示广告。大部分开屏点位因为素材较大,且APP启动的时间较短暂,所以肯定会提前拉去素材,而且很多曝光的时间会比竞价的时间晚很多,有的我经历过晚72小时的。同时对于某App信息流点位更有一个特殊的点是,按“可见曝光收费”,因为信息流是一个list,做技术的都知道很多时候用户客户端APP加载list的时候可能是展示1list的时候同时就已经在拉去后面的2、3甚至更多的list了,因为用户是滑动屏幕来浏览更多list的信息的,为了确保用户使用的友好性流畅性这是一种非常常见的处理机制。但是如果用户不浏览更多list的时候,这些提前被拉去的list信息将被丢弃。所以腾讯新闻APP信息流内部的“竞价成功率”也就“1%”左右。
  • 其他的一些审核及素材规格尺寸不符等等因素:例如:素材的尺寸不符合点位的要求;广告主及素材在媒体端审核不通过;广告主及行业是媒体禁投的行业或广告等等。

下面罗列一些的其他相关指标说明:

从Adx角度看的一些数据指标(所以这些数据都是Adx看到的数据,未必是DSP看到的数据,因为其中存在一定网络损耗):

  • 可发竞价请求总数:Adx的总流量,可发给各DSP的竞价请求总数,可理解为可用库存量。
  • 过滤后的请求量:各DSP在Adx自助平台中可设置定向过滤条件,过滤后的竞价请求数,如过滤某些尺寸或网站等等。
  • 实际发送请求数:各DSP在Adx自助平台中可设置QPS限制,Adx会依据该QPS约束对该DSP发送的实际竞价请求数。该指标显示出DSP实际可见到多少库存量。同时Adx也可评估各DSP消耗能力。
  • 实际发送率 :Adx给各DSP实际发送请求数占总竞价请求数的比率,该指标Adx可评估各DSP消耗能力。(实际发送请求数/可发竞价请求总数)
  • 参与竞价数 :某DSP参与竞价的数量。
  • 参与竞价率 :某DSP出价数占实际发送请求数的比例。通过该指标Adx可评估各DSP购买意愿。(参与竞价数/实际发送请求数)
  • 放弃竞价数:Adx看到的某DSP放弃竞价的数量。(实际发送请求数 - 参与竞价数)
  • 放弃竞价率:某DSP放弃竞价数占实际发送请求数的比率。(放弃竞价数/实际发送请求数)
  • 有效竞价数 :素材及广告主等符合投放约束(可投)并成功响应的竞价数。
  • 无效竞价数 :素材及广告主资质未审核通过、禁投行业及分类、响应超时、解析错误等等原因造成的竞价次数。通过该指标Adx可评估各DSP的技术及执行管理能力,并协助DSP降低该数。(参与竞价数 - 有效竞价数)
  • 响应超时数 :接收到某DSP网络失败或响应超时(一般要求<100ms)的数量。
  • 响应超时率 :某DSP响应超时数占实际发送请求数的比率。通过该指标Adx可评估各DSP的Bidder技术能力及网络状况,并协助DSP降低该率。(响应超时数/实际发送请求数)
  • 解析错误数 :某DSP竞价返回的数据包格式错误等原因造成Adx解析失败的数量。
  • 解析错误率 :某DSP返回包的解析错误数占实际发送请求量的比率。通过该指标Adx可评估各DSP的Bidder技术能力及最新接口规范遵守程度,并协助DSP降低该率。解析错误数/实际发送请求数
  • 竞价成功数 :某DSP成功竞得广告曝光机会的数量
  • 竞价成功率:某DSP竞价成功数占出价数的比率。通过该指标Adx可评估各DSP的出价算法能力、及对热卖资源的争抢,并协助DSP提升该指标。(竞价成功数/参与竞价数)
  • 竞价失败数 :某DSP在竞价中因竞价不是最高导致未胜出的数量。(有效竞价数 - 成功竞得数)
  • 竞价失败率:某DSP竞价失败数占参与竞价数的比率。(竞价失败数/参与竞价数)
  • 流量利用率 :某DSP竞价成功数实际发送请求数的比率。通过该指标Adx可评估各DSP的对流量的利用情况,并协助DSP提升该指标。(竞价成功数/实际发送请求数)

从DSP角度看一些数据指标(所以这些数据都是DSP看到的数据,未必是Adx看到的数据,因为其中存在一定网络损耗):

  • 可用流量总数:Adx的总流量,可发给DSP的竞价请求总数,可理解为可用库存量。(某些Adx可给DSP在自助系统中显示该数)
  • 过滤后的请求量 :DSP在Adx自助平台中可设置定向过滤条件,过滤后的竞价请求数,如过滤某些尺寸或网站等等。(某些Adx可给DSP在自助系统中显示该数)
  • 实际接收请求数: DSP实际接收到的竞价请求数。一般:DSP实际接收请求数<Adx实际发送请求数;DSP同Adx尽量配合希望减少GAP。
  • 实际接收率 :DSP实际接收到的竞价请求数占Adx可发竞价请求总数的比率。一般DSP会依据这个来评估Adx QPS及DSP QPS。实际接收请求数/可发竞价请求总数
  • 参与竞价数 :DSP参与竞价的数量。
  • 参与竞价率 :DSP出价数占实际接收请求数的比例。通过该指标DSP可评估某投放策略设置的出价是否太低或定向太窄。 参与竞价数/实际接收请求数
  • 放弃竞价数 :DSP放弃竞价的数量。 实际接收请求数 – 参与竞价数
  • 放弃竞价率 :DSP放弃竞价数占实际接收请求数的比率。 放弃竞价数/实际接收请求数
  • 有效竞价数 :素材及广告主等符合投放约束(可投)并成功响应的竞价数。
  • 无效竞价数:素材及广告主资质未审核通过、禁投行业及分类、响应超时、解析错误等等原因造成的竞价次数。通过该指标分析DSP自查投放的素材及广告主资质及行业是否合规,尽量降低该数。(参与竞价数 - 有效竞价数)
  • 响应超时数: DSP网络失败或响应超时(一般要求<100ms)的数量。这个数DSP通过Bidder是收集不到的,只能经常同Adx对数或在Adx的DSP自助后台中才能看到。
  • 响应超时率 :DSP响应超时数占实际接收请求数的比率。这个指标重点可评价网络状况,并尝试通过优化网络来降低该率。 响应超时数/实际接收请求数
  • 解析错误数: DSP竞价返回的数据包格式错误等原因造成Adx解析失败的数量。这个数DSP通过Bidder是收集不到的,只能经常同Adx对数或在Adx的DSP自助后台中才能看到。并尝试通过对比最新的接口规范来看是未按新规范开发还是Adx流量未按规范处理。
  • 解析错误率 :DSP返回包的解析错误数占实际发送请求量的比率。通过该指标可评估DSP及Adx对最新接口规范遵守程度,DSP通过对比最新的接口规范来看是未按新规范开发还是Adx流量未按规范处理,来降低这个比率。(解析错误数/实际接收请求数)
  • 竞价成功数 :DSP成功竞得广告曝光机会的数量。
  • 竞价成功率 :DSP竞价成功数占参与竞价数的比率。通过该指标DSP可评估投放策略的出价及出价算法能力、及对热卖资源的争抢,并并找出什么原因导致竞价成功率低。并不断优化。这也是DSP运营执行中项目运营执行人员及算法十分关注的指标。(竞价成功数/参与竞价数)
  • 竞价失败数: DSP在竞价中因竞价不是最高导致未胜出的数量。(有效竞价数 - 成功竞得数)
  • 竞价失败率:DSP竞价失败数占参与竞价数的比率。(竞价失败数/参与竞价数)
  • 流量利用率 :DSP竞价成功数实际接收请求数的比率。通过该指标DSP可对Adx流量的利用情况,并找出什么原因导致利用率。 (竞价成功数/实际接收请求数)

(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《715线下大课堂》面对面为您答疑解惑讲透您关心的问题。

2017-07-03

1.各方需求交易撮合标准化

从商业模式及行业规范的角度来看,我们可以说RTB用了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需求并高效匹配,并形成充分竞争的机制。完全以市场化自由竞争的方式满足各方需求,盘活剩余的广告库存(Inventroy)、提升数字营销精准的效率和效果,达成多方共赢。

媒体方流量的接入系统SSP也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(底价等等)、投放广告主行业渠道的诉求(允许或禁投行业渠道等等)、禁投广告主及某些业务保护设置等等。

程序化买方DSP在系统中设定广告主属性、创意物料、用户体验目标、对不同Adx的优先策略、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、充分表达需求的基础之上,由Adx通过公平竞价的机制将整个交易过程标准化、货币化。

2. ADX-DSP审核流程及注意事项

最新发布的广告法对虚假信息的发布惩罚及追责还是十分严厉的,所以在广告主资质及广告素材的审核方面各方都是十分的严格的。广告法规定的责任主体是:最终发布信息的媒体;因为谁发布的违规的信息就该罚谁。所以从媒体、SSP、Adx、DSP、广告主这个链条上的每个环节应该都需要遵守该广告法的规定。当然由于整个链条过长,很多环节由于其规模及意识及资源等等不能很好地把好审核这关,所以从控制的角度来看,一定是从交易最集中的Adx口去卡是最容易卡最容易惩罚的。所以在RTB的链条中你会看到Adx在执行中成为了审核工作的主要把关者(而传统采买中媒体是主要的把关者)。各Adx平台及各行业相关审核注意事项存在一定的时效性,故在此中就不再展开阐述。可点击查看不同行业相关审核规范的细节

下图是整体的审核流程图示例,从图上可以看出主要是广告主资质及广告素材物料的上传及审核、DSP方审核、Adx方审核:

3.ADX创意渲染机制需注意(偏技术)

站在DSP立场同Adx技术对接是对于各Adx创意渲染机制需要十分注意,弄明白这些问题可以帮助我们更好地处理各种实际的问题及需求:

  • 在Adx平台广告投放时,是创意Host在DSP的CDN呢?搞明白这个问题,对于评估CDN的成本、动态创意、IOS创意地址https升级都十分的有价值(为了保护用户隐私,IOS10以上已开始要求所有的网络请求都走https。但同时https也将增加CDN的成本。)。
  • 客户及4A代理公司TradingDesk经常有要分出不同投放策略的曝光及点击的CampaignID、ChannelID、UserId、Domain、设备ID等等的需求。但是由于很多Adx平台素材中的监测代码上传后不能更改了(为了确保审核工作有效性,避免投放的素材及代码不是审核通过的素材及代码。),“曝光宏替换”意味着DSP可以在曝光时变更监测代码中的宏给第三方监测传递数据。还有一种办法就是需要Adx提供一种“EXT宏替换”的方式予以支持。
  • 点击宏替换:“%%CLICK_URL_PRE%%”意味着例如支持一些特殊的Adserving(筷子科技、Sizmek、DCM等,上一章也提到过广告可见性、品牌安全都要Adx这种特性的支持才行。)之类的代码可以定制特殊的点击跳转规则。一般Adx的广告投放都是先跳Adx的平台再跳到DSP平台最后跳到Adserving或监测代码最终到达客户的Landing Page。使用了“%%CLICK_URL_PRE%%”后,可以先跳到DSP的平台或Adserving,然后再跳Adx的平台的点击监测地址。

(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《715线下大课堂》面对面为您答疑解惑讲透您关心的问题。

2017-06-26

DSP同ADX对接首先是商务评估、技术评估决策满足自身业务需要才启动对接,技术对接后,需要将DSP方的广告主及素材行业类目同Adx方做映射,之后是线上真实投放测试。测试没有太大问题的话,就会整理相关审核及执行规范,并组织内部培训,开始走向对销售推介对该Adx逐步起消耗。从这个流程中大家看到平时会关注的关键点,这些点若没有注意或处理好就是未来需要花几倍代价填的坑。

1.商务谈判及评估

l 账期支持的天数?一般账期都是30天,但由于很多广告主尤其4A公司会压DSP账期至少3个月,所以从DSP角度当然希望账期能谈的越长越好,这块是商务谈判的一个要点。

l 是否有客户保护?客户保护清单能否提供?禁投行业是否提供?有些媒体为了保护传统的销售体系的利益,或业务的特殊考虑,对Adx部分有十分严格的客户保护政策,DSP方需根据自己客户的行业特点来选择是否对接。

l 首次接入的资源?如PC banner、视频、移动视频等:广告资源资源也是DSP方评估是否要对接Adx重要依据之一。

l 广告主是否需要审核?DSP方当然希望最好能先投后审的,所以这些点都是必须评估的。

l 创意审核周期:一般我们都知道广告主上午下单,恨不得当天广告就要出量,。所以审核周期是DSP比较关注的一个问题。

l 审核规范文档是否提供?文档是否提供也是细节评估的关键。

l 平台对接接口文档是否提供?技术文档细节评估也是评估工作量及成本的关键。

2.技术评估

l 技术对接方式?OpenRTB、API、VAST?一般都建议采用行业标准OpenRTB的接口协议。

l 媒体支持接入最大QPS?是英文Query Per Second的缩写,意思是每秒的处理请求数,也即是最大吞吐能力。这是评估服务器配置的重要依据,一般一台Bidder服务器在每个竞价请求处理速度小于30毫秒的前提下,正常能稳定处理3000QPS。短时的请求QPS高峰问题不大,但若长期的竞价请求QPS大到5000QPS以上,自然就会拉长每个竞价请求的处理速度,增大超时率及竞价失败率。就需要加服务器啦。所以一般这个上限值是十分重要的一个指标。

l DSP接入的QPS?DSP会根据自己的业务情况决定是否所有的竞价请求都接收,这就需要评估Adx是否支持QPS的限定(有部分Adx刚上线的时候这些功能都不具备)。同时Adx也会根据DSP接入的QPS来评估各DSP消耗能力来决定是否对接。

l 双方服务器所在位置?我们都知道中国主干网的特点,异地的网络通讯势必造成网络上的耗时增加,肯定就会压缩Bidder服务器的处理时长。若DSP为了确保响应速度,只能通过增加服务器集群,通过降低单服务器的QPS来完成。例如:有的媒体华北、华东、华南都有IDC,竞价请求会分别从这个三个IDC发出,这样就会导致不同的IDC的服务器处理竞价成功率各有不同。

l 响应最长时间要求?有些媒体为了保护自身媒体端的用户体验、以及内部不同部门的协调。会提出小于OpenRTB规范的时间要求。例如:有的媒体Adx要求加上网络整体响应时间小于50ms。

l 移动端设备id号是否传递?移动端的流量对接这个是十分重要的点,但是还是有很多媒体因为各种限制不发送设备ID号(例如微信中的广告流量目前就是没有设备ID的)。没有设备ID意味着无法从曝光-点击-到达-转化整个漏斗追溯数据,用机器学习的方式来持续优化。

l 移动端设备号ID是否符合规范?安卓端IMEI/IMEI MD5,IOS端IDFA/IDFA MD5?符合规范一致的设备ID才能确保DSP能跨媒体投放广告做频次控制、打通各方数据。在第三章中大数据基础也详细阐述过。

l 第三方曝光及点击监测是否支持?支持的条数?这些都是广告主十分在意的问题。

l 接口文档是否规范?是否存在个性化的定义?对于个性化的定义会增加对接工作量及难度。

3. 技术对接

技术对接主要确保流程及功能的正确性,少量的数据GAP比对。

  • 审核及投放接口开发
  • 审核及投放接口线下联调

4.类目及数据映射

Adx及媒体方面为了从价格政策、禁投行业等等都会从类目进行设置规则。而各DSP放为了确保用户使用的体验一致性一般会使用单一的类目,这样就DSP方就需将DSP方的类目同Adx的类目做好映射才能完成对接确保后续的广告可投放。

  • 创意类目映射
  • 广告主行业类目映射

5.线上广告测试

流量的对接一定是需要线上正式环境投放测试才能对比数据GAP,确保对接的正常无误。

  • 财务预算申请
  • 广告主审核接口
  • 素材审核接口
  • 线上流量投放测试

6.内部审核规范更新

线上测试完成后就是内部执行规范及文档的更新工作。

  • 广告主审核规范及资质要求更新
  • 素材审核规范及格式要求更新

7.DSP内部培训

内部规范及文档整理好即可组织对执行及销售层面展开培训推介资源起消耗。

  • 执行、审核规范培训
  • 资源特点、售前推介培训

(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《715线下大课堂》面对面为您答疑解惑讲透您关心的问题。

2017-06-20

随着RTB这种网络展示广告新兴交易模式的出现,广告投放产业链由媒介人员人工方式同媒体(或广告网络)人工方式的谈判、购买、投放广告触达受众的传统购买方式逐步转变为基于大数据的指导,通过程序化的方式对接广告交易平台Adx对目标受众进行精准的广告投放。如下图所示,数字营销领域正在快速升级:

什么是RTB?

RTB即:Real Time Bidding(实时竞价)英文单词的首字母缩写。

从字面意思我们可以看到两个关键:

  1. 实时:整个广告交易的过程100毫秒以内完成,对最终用户完全是无感知的,一眨眼的功夫就完成了。
  2. 竞价:多个买家参与出价竞争的,十分类似炒股。

由此我们能发现如此精细化、迅速且复杂的交易过程不可能通过人为传统购买的方式能够执行的。必须都是通过程序化的方式通过大数据计算机系统来完成的。

竞价整体流程

整体的流程如下:

  1. 首先十分重要的一个前提是媒体方将广告资源接入到Adx(Ad Exchange广告交易市场)系统中,一般接入媒体广告流量的系统常称作SSP(Supply SidePlatform供给方平台)。
  2. 当用户通过PC电脑浏览器、手机上的浏览器访问媒体的页面,或者手机上直接打开媒体APP页面时,在媒体页面中的广告位被展示时需要展示广告。
  3. 这时媒体系统向Adx发送广告请求(这个我们经常称之为广告曝光机会),同时会携带很多用户行为数据:例如:广告位基本信息(网站、媒体频道、尺寸、页面URL等等)、该用户ID、用户上网浏览器 & IP地址等等信息。
  4. Adx会向各DSP发起竞价请求(常称为Bid Request),并同时将刚刚媒体提供的用户行为数据一并传送。
  5. DSP根据该用户ID在自己的进行分析比对并通过算法决策和人群匹配:确定投放什么尺寸的广告、确定投放哪个产品广告、并通过对该用户及曝光机会评估价值决定出价。这里的逻辑较为复杂我们将在后面DSP实战相关内容中详细阐述。
  6. DSP返回匹配的广告物料(包含相应的各方的监测代码)及出价给到Adx(常称为Bid Response),Adx会判定所有出价中最高的那个DSP胜出,将竞价成功的信息(常称为WinNotice)通知胜出的那个DSP。同时将胜出DSP需展示的广告物料给到媒体方。
  7. 媒体方收到需展示的广告后将该广告在广告位展示,用户浏览到该广告。
  8. 最后媒体方展示完广告后,根据监测代码向各方发送监测数据(Adx、DSP、第三方监测)。

成交价的相关规则

一般来说Adx对胜出者(DSP)的成交价遵守的原则为“第二高价成交”,主要是为了防止DSP方通过不断降低出价的套路来探测成交价。

当然也有极少数的Adx以“第一高价”成交的,即按胜出者的出价成交。

虽然大家说的是“第二高价”成交,实际的成交价是按第二高价+1分钱来结算的。

以“第二高价”成交这种方式可以鼓励买方出更高的价,使媒体卖方获得更大的收益。同时因买方无法提前预测成交价(“第二高价”),所以出价买方的最好竞价策略就是依照自己对标的物的评价而给出标价,因此不管是从单方收益还是从整体资源配置考虑,它使得对其他竞争对手的出价情况、投标策略和整体市场评估变得多余。每个出价者只需将他的努力和注意力放在从自身方面对商品价值的评价上,因此大量节省了脑力劳动和费用支出。这种节约可以导致更好的资源配置,并增加可被买卖双方分享的总收益。

注意:虽然是一次广告曝光机会的竞价请求,出价是按CPM(即千次曝光)计的,winnotice返回的也是按CPM(即千次曝光)计的(所以DSP方的报表中展示消耗时需要除1000),此处需小心。

底价(floor price):一般大部分媒体的不同广告位都会设相应的底价,在Adx发出的每个广告竞价请求(Bid Request)中都会携带该底价信息。出价都是要高于该底价的才算有效出价,设置底价也是为了保护流量售卖方的利益。当然买方肯定希望底价越低越好,而且尤其对于视频媒体由于其传统对不同的行业执行不同的价格政策,所以很多视频媒体会依据不同的行业设定不同的底价。大家肯定会好奇啦,这个不同行业不同底价在Adx方该怎么呢?其实特别的简单。一般DSP要投放广告前需要将广告主的资质(广告物料)及所属行业分类提前上传到Adx进行审核的,这样Adx只要根据广告主或广告物料上已归属的行业就可以依据不同的底价来判定该出价是否为有效出价。

(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《715线下大课堂》面对面为您答疑解惑讲透您关心的问题。