博客首页|TW首页| 同事录|业界社区
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

通知:10月21号大数据程序化广告一线实战分享(广州站)

–暨《程序化广告实战》新书发布会

让大家久等的《程序化广告实战》终于出版上架了,各大电商平台(如:京东)均可购买。为了让大家更能深刻了解大数据程序化广告行业一线的实战经验,作者更希望以系统化的业务结合技术体系化的书籍作为引子推动中国数字营销良性、理性、科学、务实的发展。我们联合出版社、Admaster、掌慧纵盈邀请了广告流量提供方、大型广告公司流量需求方、大型广告技术服务方、监测方等等一线的实战专家,联合举办隆重的实战经验分享交流会,暨《程序化广告实战》新书发布会。

我们秉持“程序化广告实战”公众号一贯干货直接少废话的风格,希望通过公开、说真话、摆事实、讲道理、分享经验、只讲干货。让大家不仅能近距离的同作者及书香亲密接触,还能收获一线实战大牛的经验分享,亦可带上困扰自己的各种问题到现场问个究竟。能够在未来的实际工作及个人职业规划中尽量少走弯路、少踩坑。

继 916北京站923上海站 之后,终于我们10月在广州站的活动来了:

分享主题:大数据程序化广告一线实战经验分享 –暨《程序化广告实战》新书发布会

时间:2017年10月21日(周六) 14:00-18:00

规模:120人,免费

地点:天河区林和中路136号天誉花园二期3W Coffice天誉青创社区

活动日程:

14:00-14:15 入场签到

14:15-14:20 主持人开场

14:20-15:00 主题1:千万级程序化广告投放优化实战经验分享

赵静 一线广告投放运营经验极为丰富的操盘手

15:00-15:40 主题2:追逐“大数据”的倒影-数字营销背后的思考及实战分享

黄凯锋 AdMaster华南总经理

15:40-16:20 主题3:一个程序化广告从业者的思考

汪英波 资深数字营销人(某集团高级销售副总裁)

16:20-17:00 主题4: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

吴俊 《程序化广告实战》作者

17:00-17:40 互动交流:“程序化广告行业的泪与火”

特邀

美赞臣大中华区信息服务部总监 Ryan 、

等嘉宾参加互动

17:40-18:00 新书揭幕&签售

活动惊喜及奖品:

Q&A赠送签名本

现场线场福利:可以为您的新书定制个性的签名题词。

报名地址:t.cn/RpIGgcy

免费,现场票仅120席,报名从速。

场地照片:

交通指引:

地铁:1号线广州东站 F出口 (步行471米)

3号线林和西站 D出口 (步行758米)

开车导航:天誉青创社区;3W天誉

点此了解《程序化广告实战》书籍详细介绍。

(转载请注明出处:微信订阅号:ad_automation)

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):


2017-09-03

岁月如梭,时光如箭。一晃开通此订阅号已一年的时间了,最近一直想写点啥做个纪念,例如这1年来的部分知识营销心得,以及很多同学私下找我咨询一些职业规划的话题,我也想就这些话题写点啥。

但是最近实在忙疯了,一方面准备离开北京定居天津,跨城蚂蚁搬家,各种事情奔波(后面会安排更多时间华东、华南,甚至其他需要我的知识经验分享的地方;也能多抽些时间出来去体验生活和行业,为大家更多产出些接地气的文章;也能有更多精力帮助到那些需要我的知识经验的同学们。)。一方面帮一哥们的团队(特别棒的团队)找天使(有天使资源的欢迎欢迎哟)。另外还被一帮手握资源的朋友们拉着攒各种局,架在火上烤。一方面《程序化广告实战》新书刚刚出来,忙着给粉丝们张罗签名版的福利,忙着筹备916北京923上海、广州的新书发布会等等。当然还要上班哈(这个不能丢)。

所以所以迟迟没有时间动笔。总算稍微有口喘息的时间,把开通订阅号1年来的自媒体之路做个小结。

我还是老风格,先写结论,再絮叨:

当前互联网下半场,传播渠道已经不是问题,内容才是关键,有对受众有价值的内容才是关键。微博、微信、知乎、头条号、短视频、直播、线下课、社群、知识星球小蜜圈、在行App、得到等等这些传播手段及社群运营平台及手段都是免费的。而且不仅仅工具免费还能有收入的,只要有内容,直接前向收费(售卖知识)也能有一定的收益。

正是上述提到的传播渠道的门槛降低,导致各种网红的出现,各种蹭热点的玩法出现,但是我比较务实的观点是:大众心理有从众(学名“群体无意识”)、喜热闹、喜新鲜、“末因效应”、“首因效应”、容易“审美疲劳”(喜新厌旧)等等特点。与其不断地向外去追逐热点去“哗众取宠”,不如实实在在修炼内功,修炼内容。从这个立足点看:传播即内容、内容即产品即服务。所以这样的结论就能明晰出营销的应该把注意力放在产品和内容本身上,集中心力去创造有对受众价值、对行业及社会有意义的事情上,对于那些追热点表面文章的东西可以适当做一些,但不是重点。

再从上述修炼内功、内容、产品、服务为重点这个点来看,“定位”尤其的重要,将内功中的差异化的特点做深做透了,让受众脑海中留下一个深刻的印象,一想到这方面的需求就首先想到了您以及您的内容、产品及服务。这就延伸出对“个人品牌”、“产品品牌”的打造,说到这里,做个调研,想问问亲爱的读者们对我们这个订阅号及文章给您留下的印象是什么?提到这个订阅号您首先脑海里浮现的是什么?说到什么话题您会联想到这个订阅号?后面我会多多向您的这些印象多多努力,不辜负您的印象,不过给您留下了哪些不好的印象,也欢迎留言告诉我们,我们会针对性调整。这可能也是我特别在意的营销传播的另一个重点的“互动”,只有“互动”起来才能持续优化,没有“互动”的沟通是无效的沟通,传播说到底就是一对多、一对海量的沟通。

最后我想讲的点是“价值”,其实我个人对“价值”的理解,重点还是在于“交换”,若没有交换、交易,无从谈“价值”。再宝贵稀缺的贵重金属,如果没有人需要,没有交换,就不存在“价值”(我很多时候经常跟很多同学说找工作谈工资的时候不是以自己觉得自己的成本及自己值多少钱来定价的,而是以对方觉得你值多少钱。对方是否能在市场上找到别的替代品,如果找不到别的替代品那么自然就你有定价权的,但是若有很多替代品,你若要高价,只能付出更多时间(加班)投入或替老板背更多的黑锅啰。)。所以虽然要立足自身修炼内功,着眼点还是要在对受众有价值对受众有交换需求的点。当然在这个点上,确定受众、确定价值也是有些门道的:受众越窄、内容越专、虽然规模并不大但受众的付费及交换意愿很强;而对于那些受众更广的鸡汤,传播性好规模大,但受众付费交换的意愿不强。所以这里面有一些度需要把握的。

所以后面要搞营销,我们有很多点可以好好梳理梳理的了:“个人品牌”、“产品品牌”、“定位”、“价值/交换”、“传播渠道/形式”、“内容/产品/服务”。

最后絮叨絮叨些流水账:

1.开订阅号的原因居然是为了推广课程:

20年来我经历了太多的创业经历(其中的这些故事我一直都想筹划写本类似“欢乐颂”那样的小说),从一直追逐“术”、再到“道”、再到“佛”。就在13年我决定管好自己(可能不再想创业还要给团队画饼),以咨询、培训为未来的发展方向,选择进入了一个新兴的未来需要咨询的大数据数字营销行业。再到去年我决定离开喧嚣的北京、决定定居天津、离开品友还清最后的人情债打算陆续结束全职工作的状态,开始独立培训咨询的新一页。(其实人最难的是拥有“选择”的自由,我们所有的积累其实就是为了这个“自由”。所以我经常跟很多同学说要今天做的事情要为未来3-5年能拥有“自由选择(自己想做而且干的开心的事情)”的权利而做谋划,否则忙忙碌碌下来都成为了早就他人事业的工具。)

说来也巧去年6月碰巧跟宋星老师聊起来我的打算,一拍即合,就筹划9月一起开一个《大数据营销与程序化广告实践》的课程,而开这个订阅号的最初的目的特别的简单就是为了推广这个课程,用内容来做传播。

所以十分感谢宋星老师帮助我开启了我分享及单口相声的大门。

2.伍刀刀无私的帮助和督促

同伍刀刀的结识也是缘于宋星老师的介绍,最开始是刀刀为九枝兰给我做了一篇《程序化广告的前世今生及趋势》专访,之后刀刀无私的帮我订阅号中的文章排版,帮我推广,把所有的执行工作都承担了。而且不要任何一点报酬,这点让我十分的感激甚至有些愧疚。刀刀只说跟我一起弄这个事情十分的开心十分的有价值有意义。

所以我在各种场合对宋星老师、伍刀刀都需要重点感谢。

3.自媒体的负担

有的时候在一些老友群中大家都调侃说开了订阅号就是要不停的写文章更新,至少每周要发一篇,长期不更新的话就会大家遗忘的。而且“审美疲劳”,订阅号粉丝的活跃度越来越低,文章的打开率也在降低。所以刚开始没有养成持续创作的习惯之前,真心是一个负担。好在有刀刀的不断督促,慢慢养成了一段时间不写点啥就有欠账感觉的习惯。会把经常把跟同学们的每次问答互动,把近期工作、生活、社群运营的心得整理整理。

就这样一路走来订阅号已经发了125篇文章。目前我还在筹划写一些关于职业规划专栏文章、以及上面说到的那本“职场厚黑学”的小说(也有同学建议我开课来讲这些,但是我个人始终认为关于“职场政治”有些厚黑,不知道是否适合在公开的场合来聊的),不过我还没想好是再开个订阅号,还是在这个订阅号中开个栏目来写,等文章攒到一定程度再另开订阅号,也十分欢迎读者们留言反馈您的需求和意见。

3.流水课的启动

当初开流水课的想法也很简单,跟宋星老师当时开的大课是2个整天14课时的内容,很多同学反馈抽不出那么多时间来参加,以及同学们关注的内容重点也不同,不能强迫大家来听所有的内容。这让我联想到很多传统喜宴上流水席,吃完就走,新来的继续吃,有点像是把店开起来了,坐等大家来。同时呢每月流水课的宣传也有点像“红军的播种机”,不停的播种,起到不停传播的功能。在流水课的收费模式上也策划年包、VIP包、单次不同的收费等级。满足不同的消费力及需求的人群。所以对于那些在某些领域希望快速构建影响力的同学们,可以模仿类似的做法。当然有内容、勤奋是十分重要的基础条件。

4.华章出版社杨福川的橄榄枝

十分巧合十分巧合,真的是无巧不成书,早在去年6月跟宋星老师第一次聊培训咨询的时候,宋星老师就建议出本书。在当时我想都没敢想,可能跟现在很多同学一样,觉得积累还远远不够哪里敢班门弄斧(这里也要对刀刀说一句,让你写本书你也老说积累还不够,但其实只要持续积累把有价值的心得沉淀下来分享出来肯定也是没问题的)。慢慢随着培训课件的整理,订阅号文章的积累,越写越多,开始是自己些,后来变成被同学问,问多了自然问答的内容也就被整理积累下来了。慢慢的群里很多粉丝问什么时候能出书,要是能出书一定部门中人手一份,说文章一篇篇体系性差一些,课程大家也没时间参加。需要一本白纸黑字的实体的书,就这样我开始基础出版社的朋友开始想自己出书了。巧也巧就在这个时候,华章出版社杨福川在知乎上给我来消息,说看到我在知乎上的文章,知觉需求不少,希望能邀请我出书。就这样《程序化广告实战》这本书就开启了出版的历程,终于从2月开始准备到8月中刚刚出版上架,到现在粉丝们已经抢购了近千本签名版。这些都是1年前开号的时候怎么都想象不到的。

5.大伙的帮忙和支持

诚如上面写到的粉丝们的大力支持,业内同行们的大力帮忙,让我坚持走到的今天,这里就不一一点名道谢了。只会让我有更强烈的“欠债”的感受,我需要更多的为大家分享我的知识、经验、心得,才对得起大家的厚爱和帮助。

最后欢迎大家有任何问题、有任何需要,不用客气、不用介意熟不熟悉,尽管找我,只要我的知识和经验能够提供帮助的一定分享。您需要,我才有价值。

(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):


2017-08-29

通知:9月23号大数据程序化广告一线实战分享会(上海站)

–暨《程序化广告实战》新书发布会

让大家久等的《程序化广告实战》终于出版上架了,各大电商平台(如:京东)均可购买。为了让大家更能深刻了解大数据程序化广告行业一线的实战经验,作者更希望以系统化的业务结合技术体系化的书籍作为引子推动中国数字营销良性、理性、科学、务实的发展。我们联合出版社、RTBChina、hellobi、掌慧纵盈、镖师网、邀请了广告流量提供方、大型广告公司流量需求方、大型广告技术服务方、监测方等等一线的实战专家,联合举办隆重的实战经验分享交流会,暨《程序化广告实战》新书发布会。

我们秉持“程序化广告实战”公众号一贯干货直接少废话的风格,希望通过公开、说真话、摆事实、讲道理、分享经验、只讲干货。让大家不仅能近距离的同作者及书香亲密接触,还能收获一线实战大牛的经验分享,亦可带上困扰自己的各种问题到现场问个究竟。能够在未来的实际工作及个人职业规划中尽量少走弯路、少踩坑。

916北京站活动、923上海站 之外,我们预计1021广州站陆续举办线下分享会,欢迎参加

分享主题:大数据程序化广告一线实战经验分享 –暨《程序化广告实战》新书发布会

时间:2017年9月23日(周六) 13:00-17:00

地点:上海市浦东新区晨晖路258号张江科创中心

活动日程:

12:30–13:30 签到

13:30–14:10 范秋华专题分享,RTBChina创始人( RTBChina程序化广告业内的首要专业媒体 )

14:10–14:45 数亿广告数百项目的实战经验分享

赵静,一线广告投放运营经验极为丰富的操盘手

14:45–15:20 Admaster近来在大数据广告领域的实践经验分享

杨纯,Admaster数据业务负责人

15:20–16:05 大数据营销与程序化广告实战

吴俊,《程序化广告实战》作者,现任掌慧纵盈产品VP

16:05–16:40 广告主方的需求和视角及互动交流程序化广告行业的泪与火

特邀嘉宾互动:梅琪,洲际酒店集团效果营销操盘手

16:40–17:00 现场答疑&自由交流

活动惊喜及奖品:

Q&A赠送签名本

RTBChina在10月17号会办上海程序化广告峰会(http://www.marchdata.com),提供5张票给到场的读者抽奖。

场地照片:

报名方式:

报名地址:https://www.hellobi.com/event/265

点此了解《程序化广告实战》书籍详细介绍。

(转载请注明出处:微信订阅号:ad_automation)

通知:9月16号大数据程序化广告一线实战分享会(北京站)

–暨《程序化广告实战》新书发布会

为了让大家更能深刻了解大数据程序化广告行业一线的实战经验,《程序化广告实战》作者吴俊以系统化的业务结合技术体系化的书籍作为引子推动中国数字营销良性、理性、科学、务实的发展。通过说真话、摆事实、讲道理、分享经验、只讲干货,让大家不仅收获一线实战大牛的经验分享,亦可带上困扰自己的各种问题到现场问个究竟。能够在未来的实际工作及个人职业规划中尽量少走弯路、少踩坑。

华章书院与掌慧纵盈联合镖师网邀请了广告流量提供方、大型广告公司流量需求方、大型广告流量交易平台、大型广告技术服务方等等一线的实战专家,联合举办隆重的实战经验分享交流会,暨《程序化广告实战》新书发布会。

我们还将会在923上海站1021广州站陆续举办两场线下分享会

主题:大数据程序化广告一线实战分享会(北京站)–暨《程序化广告实战》新书发布会

时间:2017年9月16日周六 14:00-18:00

规模:150人 ,免费

地点:北京市西城区百万庄大街22号机械工业出版社3号楼10层大报告厅

活动日程:

13:30-13:55 入场签到

13:55-14:00 主持人开场

14:00-14:40 主题1:程序化广告中的媒体思考

刘勇军 小米商业化广告平台的运营负责人

14:40-15:20 主题2:千万级程序化广告投放优化实战经验分享

赵静 一线广告投放运营经验极为丰富的操盘手

15:20-16:00 主题3:大数据的核心实战要点分享

管延放 德勤管理公司合伙人

16:00-16:40 主题4: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 吴俊 《程序化广告实战》作者

16:40-17:20 互动交流:“程序化广告行业的泪与火”

特邀 微博广告交易平台负责人 等嘉宾参加互动

Q&A赠送签名本

17:20-18:00 新书揭幕&签售

场地照片:

交通指引:

1.地铁6号线“车公庄西”站,往南看到鸿宾楼饭店,向西400米路南

2.地铁2号线“阜成门”站,换乘73路公交车至百万庄图书大厦站

报名方式:

“活动行”上的报名地址:http://t.cn/RNZdBob

直播地址:

请关注本微信公众号:“程序化广告实战”(微信订阅号:ad_automation),活动开始前会另行通知。

点此了解《程序化广告实战》书籍详细介绍。

(转载请注明出处:微信订阅号:ad_automation)

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