博客首页|TW首页| 同事录|业界社区
2018-01-08

感激大家2017年的陪伴。同时祝大家2018年大发!新春快乐,万事如意!

类似《2016合集目录》,我们按惯例整理《2017合集目录》,方便大家简单快速地获取想要的内容。

若还需要其他的什么内容欢迎留言告知,我们会尽我所能为大家整理。

今年《程序化广告实战》十分有意义的事是新书的出版:

《程序化广告实战》书籍介绍

写在开号一年新书发布时【知识营销心得】

以下部分文章摘录自书籍中:

单Campaign视频PDB_上【业务类】

单Campaign视频PDB_中【业务类】

单Campaign视频PDB_下【业务类】

多Campaign的PDB【业务类】

PDB执行流程及PDB+RTB【业务类】

PDB概览【业务类】

除了标准化,SSP需关注哪些要点?

国内程序化广告业内主要玩家【业务类】

DSP系统技术架构参考【技术类】

DSP机器学习及算法机制_上【技术类】

DSP机器学习及算法机制_下【技术类】

DSP常见的定向及优化设置【基础类】

DSP主要优化要点_上【业务类】

DSP主要优化要点_下【业务类】

转化漏斗(文末彩蛋)【业务类】

DSP概览【业务类】

ADX竞价及流量使用效率相关指标【基础类】

ADX-DSP部分注意事项【基础类】

DSP对接ADX流程【基础类】

RTB流程及成交价规则【基础类】

品牌安全【基础类】

移动端MRAID富媒体技术【技术类】

移动端原生广告【基础类】

DMP应立足内部步步为营【业务类】

DMP系统案例【业务类】

DMP系统技术架构【技术类】

DMP核心流程-样本训练【技术类】

DMP核心流程-回归验证【技术类】-修订笔误

DMP及线下DMP【基础类】

受众数据【基础类】

流量卖方同买方常见技术对接模式【技术类】

市面上常见的ADX【201703终版】

大数据基础【基础类】

卖方诉求及数据开放-IAB程序化定义系列【基础类】

Universal Link & Deep Link【基础类】

OpenRTBv2.5-IAB关于程序化模式的定义系列【基础类】

流量优先级和交易管理-IAB程序化广告定义系列【基础类】

程序化广告4种典型模式-IAB关于程序化模式的定义系列【基础类】

广告可见性【基础类】

网络广告形式【基础类】

以下是部分活动及分享:

金融大数据培训问答及要点摘要

营销人如何安稳度过中年危机?

刘勇军分享一|《程序化广告实战》分享会暨新书发布会回顾

小米刘勇军分享二|《程序化广告实战》分享会暨新书发布会回顾

管老师分享1|《程序化广告实战》新书发布会北京站回顾

管老师分享2|《程序化广告实战》新书发布会北京站回顾

管老师分享3|《程序化广告实战》新书发布会北京站回顾

吴老师分享1|《程序化广告实战》分享会暨新书发布会回顾

吴老师分享2|《程序化广告实战》分享会暨新书发布会回顾

吴老师分享3|《程序化广告实战》分享会暨新书发布会回顾

吴老师分享4|《程序化广告实战》分享会暨新书发布会回顾

吴老师分享5|《程序化广告实战》分享会暨新书发布会回顾

吴老师分享6|《程序化广告实战》分享会暨新书发布会回顾

吴老师分享7|《程序化广告实战》分享会暨新书发布会回顾

嘉宾互动回顾1|《程序化广告实战》新书发布会北京站

嘉宾互动回顾2|《程序化广告实战》新书发布会北京站

嘉宾互动回顾3|《程序化广告实战》新书发布会北京站

2017Adx突围策略【业务类】

《数据价值-融合应用818》ppt分享

WAW422《线下线上联动闭环场景营销新趋势》ppt分享

十年前的互联网模型快照【杂谈类】

共读风雨路长途

随看烟火渡平湖

不谓心鸿无复求

一盏檀香敬清庐

(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。

2018-01-02

《中篇》

6.退回量的红线

大家有的时候可能会问:媒体的退回多了一点点没啥问题的吧。

视频PDB项目媒体退回阀值这个红线是一定不能踩的,之前也从算法的特殊性角度介绍了如何从技术上确保按一定比例来控制退量比来应对部分媒体(“冲高保底”)的流量波动。

但有的时候存在一种情况是大家预先可能无法预知的情况,那就是“瞬时高并发”的情况,这种情况很多时候会出现,因为媒体的流量的波动性,尤其对于一些移动端信息流等等的点位,会存在瞬时高并发达到上万QPS的情况。经常有踩过这个坑的PDB产品及技术同学来问我这个问题如何处理?基本上也没有太好的办法。能做的一个办法就是对于信息流及可能出现类似“瞬时高并发”的媒体(一般能出现这种现象的肯定是大(流量)媒体)的流量对接处理服务器做一定的冗余,同时在PDB服务端针对性缓存一些素材,一旦负载均衡及最前端的服务器发现后面的服务器处理不过来了,可以对于超出后端服务器处理能力的广告请求,返回这些缓存的素材,尽量降低因此造成的高退量。还有另一个可能的办法是通过整体流程机制上,在项目上线前让媒体设置好打底素材。打底素材的目的是为了确保在PDB服务超时、停止服务、超负荷时,确保广告的正常播放,确保媒体不会因为增加了PDB环节导致流量的浪费而少收了钱。

7.视频PDB案例

下面选取几个典型的实际案例为大家展示一下PDB是如何优化广告效果的,帮助大家建立一些感性认识。

案例1 某国际知名汽车集团

l 项目时间:2014年-2016年数十波投放

l 媒体资源:广告主自采媒体视频PDB

l 投放目标:经PDB服务优化投放,降低CPUV

l 视频媒体投放项目:CPM采买、媒体允许流量退回、单Campaign跨媒体频控(各Campaign单独采买媒体流量不共用)

l KPI:跨媒体By Campaign联合频控3次,CPUV下降20%-30%。

l 执行效果:

如下表所示,从真实项目执行的数据可以看出整体退回25%以上(这些在传统采买投放中都是超频的过度曝光),意味着对于广告主在相同的广告预算下,多覆盖了25%的人群。

表: PDB真实项目执行的数据示例

案例2 某国际知名食品品牌

l 项目背景:“某跨国食品品牌广告主”自采的视频广告资源流量,由PDB进行整合优化,提升广告投放效率。

l 优化目标:跨媒体频控、4次UV的占比提升等

l 优化时间:2015年

l 执行效果:

如下图所示,从PDB执行数据显示4次曝光的占比远高于传统采买投放的占比,同时1次曝光的占比也大大低于传统采买投放的占比。大大节省了预算,且确保了广告曝光的强度。(”图8-5”中展示的是各频次UV在整体UV中的占比,左列数据是PDB执行数据、右列数据为传统采买投放的数据。)

PDB实际投放数据同传统投放数据对比分析示例图

如下图所展示的是随着PDB项目进展,整体曝光量增加而表现出的优化趋势:

a)  4次曝光UV占比的逐渐增加;

b)  1次曝光UV占比的逐渐降低;

c)  4次曝光强度占比增加的同时,广告CTR也随之增加。

(下图中横轴刻度是项目进程的累计曝光数,左边的纵轴刻度是各曝光频次UV在整体UV中的占比。右边的纵轴刻度是CTR数。数据折线从上到下分别是:“CTR”、“频次1”、“频次4”、“频次2”、“频次3”.)

PDB执行相关指标项曲线示例图

(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):

邀请函:1月6日答谢宴盛情邀请

2017-12-26

《上篇》

5. 产品技术注意事项

很多同学有个误区:DSP+RTB那么复杂都能搞定了,PDB就更简单。下面重点从业务技术层面讲讲常见的误区和坑吧:

这是很多做过DSP+RTB的同学经常会有的误区,这样就会也在产品功能设计、算法支持、运营执行上留下了太多的坑。

首先我们强调一下PDB不同于DSP+RTB的最大区别,就在于流量是否能100%放弃。基于这个核心的差异,各个方面存在各种各样的差异。

对于视频PDB项目,媒体为了保证流量的售卖使用率,是肯定有一定的退量阀值的,若退量超过这个阀值,肯定是要加价的。

所以:

首先在产品设计上:就应该尽可能减少各种DSP+RTB那些引以自豪的定向条件的设置功能,例如:地域定向、时段定向、设备类型定向、LBS定向等等。当然会有同学会问了,如果客户需要广东地区播放粤语素材,没有地域定向该如何做投放设置?其实为了视频PDB项目尽量小的同第三方监测的地域GAP,应该禁止在PDB端做地域定向的设置,应该在接入流量的时候就按不同地域来接入流量。因为大部分视频媒体同第三方监测都已经有同源机房,所以采用同源机房的监测代码能一定程度降低地域GAP(《地域GAP》中已有阐述,这里就不在赘述。)。还有同学会问,若客户对不同素材投放时段有一定要求,如果没有了时段定向设置那该如何处理?其实实际业务中是有很小很小的概率(200个项目中可能都不会出现一个这样的需求)会出现这样的项目需求的,若真存在类似的需求,建议可以对时段定向等等定向功能安排一个特殊的权限,一般的业务执行同学没有这个高级权限无法做相应的定向设置。当然最重要的定向流量的功能一定是要保留的,PDB就是广告主项目同流量一对一的投放,所以肯定不能像DSP+RTB那样,什么广告主都能使用这个流量的。部分媒体在这方面也做了限制,对于不拥有这个流量的广告主的广告是投不出来的。

然后看看算法支持的特殊性吧,DSP+RTB的算法是事先有离线模型从流量特征(点位、时段、地域等等)、项目素材、人群标签等等各种因子同成交价、胜率、CTR、CPC等等通过大量的机器学习建立数学模型。人群标签是通过RTB收到ADX发过来的用户的网络行为对不同的用户打上各种标签的,且各种标签的权重随该用户这方面的网络行为的频度和媒体相关性等等都不同。每次竞价请求过来,算法通过离线的数学模型预测投放设置的优化KPI目标的概率来计算预测该不该出价、以及出多少价。DSP+RTB的算法中是没有退量比的计算环节的,最多有的是投放速度控制的环节。所以由此可见PDB的算法同DSP+RTB的算法简直完全不同。似乎有的同学觉得PDB算法好像简单许多,但是这要看KPI是什么。如果KPI是简单的联合频控,可能确实是不需要太多算法的干预。但若KPI是TA或适度优化CTR(传统视频项目因品牌宣传为主且CTR较高,所以一般很少以CTR作为KPI)等等。就需要PDB算法了,PDB算法最主要是在退量的实时处理上。例如:按DSP+RTB算法在非TA的流量或影响KPI的流量上是可以直接放弃的,而到PDB的时候算法却不能放弃,需要先看一下退量是否还有空间,如果还有退量空间那么就可以放弃该流量;若退量阀值已达到,那么无论这个流量有多差都需要收下来投放广告,这就是PDB算法。当然还有一种在PDB算法不完善的情况下,用曝光上限来控制退量的,这种仅仅只能在PDB算法还不健全的时候使用的临时方案,这种设置很容易导致多退媒体的流量。因为不少媒体虽然约定了排期每天多少个CPM(千次曝光),但由于媒体为了确保消耗,在流量多的时候就会多推,流量少的时候就会少推(有些媒体方常说的“冲高保底”)。遇到这种情况曝光上限的设置就不能奏效了,就需要要求媒体按每天固定排期推量。但此时就会出现,媒体销售会说若量完不成就别怪媒体的尴尬情况。所以广告主及代理公司都会要求PDB方能动态支持按退量比来投放,而不是按固定曝光量来投放。记得曾经有个产品同学问过,这样的话我们怎么动态控制退量呀?每小时做么?我的回答是每次曝光时,都需要记录该媒体该流量目前曝光了多少量、推送了多少量、退回了多少量、当前剩余的退量空间。然后下次广告请求来的时候根据这个剩余的退量空间来决定是否需要该流量。而且需要重点强调一下的是退量阀值(推送比)是跟不同地域的流量走的,因为媒体不同地域的库存是不同的。若某地域退量超过了阀值,媒体同样是不同意的,因为退量多了会导致媒体排期不能正常完成、收入少了。这是媒体销售不答应的。

最后来看一下运营执行上的特殊点:大多数RTB项目上线的时候,不会要求所有的媒体都要按排期出量。只要能按客户要求的量完成出量即可,所以运营执行同学可以一个个平台逐步去审核通过及安排出量。但PDB项目不是,PDB上线第一天必须要所有媒体审核通过,放量、广告上线投放。而PDB比传统排期增加了很多中间环节:例如:素材、监测代码PDB方上传,PDB投放设置开启,媒体审核通过,媒体放量等等。而且很重要的一点是媒体放量是最后一个环节,必须确保所有的前序环节都完成了才能通知媒体放量。否则因此造成的退量媒体也是不能同意的。所以PDB项目在运营执行上同RTB项目的差别还是很大的。(运营执行上的复杂度还是很高的,已经有很多媒体在不断升级,对于PDB项目的素材不再安排线上人工审核的环节了,只要素材上传就自动通过。)另外一个运营执行上需要注意的点是:之前传统排期广告代理只要把素材和监测代码给到媒体,关于素材的转码改尺寸等等工作都是媒体内部消化了。而PDB执行中,素材很多时候是通过系统对接的,媒体存在文件大小、尺寸、码流等等规格要求。由于之前都是媒体消化了这块,而这块目前转到PDB方来执行了,这块也是个容易留坑的地方。项目运营执行的同学千万要小心。

-未完待续-

(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):

邀请函:1月6日答谢宴盛情邀请

2017-12-22

最近有个一话题在知乎吵炸了:

“如何看待2017年12月10 日中兴网信42岁研发负责人坠楼事件?”

看热闹的同时,我们也在反思,很多80后的营销人也奔四了,“中兴坠楼事件”对我们有什么启示吗?

面对来自家庭的压力、工作的压力、房贷车贷的压力,我们又该何去何从呢?

针对这一起坠楼事件,大家已经讨论的够多了,在此不想再赘述,只是希望我们能未雨绸缪,提前规划好自己的职业发展,顺利度过自己的中年危机。

所以,我们在上周六晚举办了1期针对营销人职业发展的吐槽大会营销KOL吴俊老师针对营销人的职业发展等与我们息息相关的问题进行了探讨和解答。

吴俊老师简介

畅销书《程序化广告实战》书籍作者,主讲的“大数据营销与程序化广告实战”系列课程先后举办了十余期,数千学员、数万粉丝。

吴俊老师对于职场黑幕看的很透彻,也能对大家遇到的麻烦和忧愁出谋划策,大家有关于职业规划的问题可以在文章下方留言。

他也是中国程序化广告领域领袖级专家,拥有近20年互联网行业工作经验,中国广告PDB(Programmatic Direct Buy ,私有程序化购买)推动落实第一人。原品友互动负责PDB/移动/流量的产品总监,现任掌慧纵盈产品VP,推动数字营销新升级。每年帮助广告主管理了数亿广告预算投放,有效提升了广告主广告预算的ROI。

服务过上海通用汽车、玛氏、欧莱雅、人头马、Burberry、高露洁、黑人、雅士利等不同行业,近百广告主。

《营销人的吐槽大会-第1期》讨论实录

吴俊:大家好,辛苦大家周末的时光了,大家有啥想问想聊的,尽管抛出来。

群友伍刀刀老师对程序化广告从业者的职业规划怎么看?要转行吗?

吴俊:对于这个问题,必须转行。那个第三方独立DSP,靠所谓新概念更新营销理念的风口已经结束了。至于为什么,其实在今天信息是快餐的时代,大家拼的是认知、升级。所以那个风口的认知不存在信息不对称了,自然就不需要这些中介了。

吴俊老师撰写过的营销人职业发展的文章:

《 数字营销2017职业鸡汤

“未来3-5年”问题?(数字营销2017职业鸡汤系列)

独立DSP未来预测(下)——数字营销2017职业鸡汤

群友伍刀刀如果以薪资为目标,应该去怎样的公司呢?甲方、乙方、媒体怎么选?

吴俊:这个问题我之前回答过,离第一手资源越近越好,可以是媒体卖方,可以是广告主买方。其实未来快消广告主会受到现在渠道主的打压的,所以什么是广告主,都会变化。“产品-内容-服务”之间会越来越融合。当然这都是未来30年的预测。

群友lulu产品-内容-服务” 越来越融合可以说细一点吗?

吴俊:之前我们都讲“人-货-场”。广告主就是卖货的,在各个场合中同消费者接触推销产品。而以前“产品“是可量化,有具体功能性能规格指标的,有量化明码标价的。但是现在随着信息技术的高速发展,各种信息的不对称被打破,“货+场”将结合。而满足消费者的需求的产品的形态更加的虚拟化、情感化、体验化、内容化、无法量化。

群友lulu软件帮助程序化购买更高效,会不会替代人,能替代的比例是多少?

吴俊:对于这个问题,答案若是着眼大于30-50年的未来时点肯定会的。但是就目前来看,还很早很早。虽然起码重复的劳动会被取代。但是策略模型肯定还是需要人来做的。起码在今天,数据分析还是离不开人的参与,所以,比例能到10%就不错了。

群友lulu吴老师怎么看待内容营销?

吴俊:这个话题特别好。这是目前最最红利当头的时候,虽然微信活跃度在降低。但是在目前阶段视频、线下流量等红利还未爆发起来的情况下,内容营销是个成本低廉的突破口

群友lulu内容营销与程序化的结合点?

吴俊:这个话题在今天是个故事。靠机器分词组装的文章是不可能有内涵和文化的。所以我的观点,还是太早了。因为今天程序化仅仅提升媒介渠道的效率,千人千面。仅仅解决通道的切换问题,对于有质感的内容和再传播实际还有很远的距离。而好的内容营销,核心不在渠道,而在内容、个性,同接受群体的共鸣。

群友宇空思瀚一个好的IP又是怎么引爆的?

吴俊:关键还是内容的内涵才是好IP的引爆点。内容IP不在意受众是否狭窄,关键是内容要有深度,要有文化和个性。

关于IP打造,大家可以看看这2篇文章:

知名IP“凯叔讲故事”是如何打造爆款内容的?

一只醉蟹如何通过IP包装身价暴涨10倍?

群友金满铮二次元的内容是否有机会像嘻哈文化一样,成为主流内容?

吴俊:在今天,何为主流?随着消费升级,个性化只要有持续的忠实群体和持续的生命力,就是主流。都是一个生命周期罢了。品牌广告主会依据受众及媒介形式来选择媒体。我个人观点,不纠结主流这个词,就广告市场预算份额而言来预测,将来二次元肯定也会是一个红利风口。不过这个风口会持续多久我不敢说。

群友骅仔是不是代表纯内容将走向没落了呢?

吴俊:从大众心理学角度看,不在意内容的形式或者是否纯内容。在意的是,是否大众情绪共鸣。有了共鸣,后面才是变现的问题。以前是现有变现,交易才是共鸣。而以后要先有共鸣,才有交易,现在卖东西都是B2C,未来会是C2B。

群友骅仔除了广告主买方和媒体卖方,其他的领域呢?可不可以具体点说说?

吴俊:还是那句话,第一手的资源。永远“竞争“的观点看商业。现在不是80年代,靠着信息的不对称就可以胜出。不过一些权利寻租的业务除外,从资源角度看,权利寻租也是一种资源,关系、信任也是一种资源。

群友lulu开放透明的结果,加大了对于营销和服务的需求,但是对线下实体店会不会造成特别大的冲击?

吴俊线下实体店不可能消失,但是功能会变化。功能由分销终端变为体验中心,营销强体验刺激渠道。而且线下肯定会将来变得跟线上一样,全都电子化、数据化了。要360度的各种媒介渠道及分销渠道并存。线下会是未来20年的新战场。

可怕的后果就是,大家越来越被暴露在各种营销网中。实体店与线上结合,为了实体店会退化为体验中心,当然这需要时间。当然社区的实体店还会变为物流分发中心。所以时代变化今天又转回内容为王的时代。而随着线下场景数字化和渠道制造能力升级,渠道为王的时代又会到来。而到那个时候,渠道就不仅仅做渠道了,也做内容和产品。京东、天猫都会有自有品牌的商品和服务,跟很多大超市一样。

群友lulu如何理解场景化消费?

吴俊:场景其实就是我刚刚说的“人-货-场“中说到的那个”场“。衣食住行都是场景,我们今天这个聊天群也是场景。

群友lulu如何看待现在的电商营销?现在电商不论做品牌和效果,都非常看中转化,几乎所有的电商品牌都在讨论,说流量越来越贵。

吴俊:是的!因为线上流量红利在消失,都在做渠道联运。大家可以研究研究招行的“掌上生活“,这就是非常成功的渠道联运的案例。

随着“产品-内容-服务”的融合,营销也需要融合。传统营销从业者,内容、媒介、调研、用户运营等等,分割的工种和业务板块,也需要以内容调性定位为起点去串起来。

说到这里,说一个我个人比较现实的观点,现在商场中的商业规则都比较短视,都追逐3-5年的短期利益,所以对我们个体而言没比较去唏嘘,这些寡头如何如何。我们找到合适的第一手资源牢牢握住就成功了一半。另一半就是3-5年漂亮的财务流水和利润率,然后成功套现。

(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):

邀请函:1月6日答谢宴盛情邀请

2017-12-18

单Campaign视频PDB由于其相对简单,是目前市场上较为常见的PDB模式:对流量进行筛选,避免非目标人群浪费广告预算。当然她也有十分重要的前提是:CPM采买的流量、媒体同意流量返还。如下图所示。(所以只要能具备该前提的媒体广告资源均可,不一定非要视频广告资源。例如:一些媒体的信息流广告资源也支持。)

单视频PDB原理示例

1.推送比及退回率计算公式

对视频PDB可退量(返量)项目,一般媒体常说:推送比,也是我们常说退回率,这些词的其实是一个意思,大家可以参考以下公式来换算:

推送比= 推送量/曝光量

退回率= 退回量/推送量

在不考虑流量损耗各种GAP的情况下,退回率及推送比换算公式如下:

退回率= (推送量 - 曝光量) / 推送量 =  1 – (曝光量/ 推送量)  =  1 – (1/推送比)

2.视频PDB主要投放模式

视频PDB由于单Campaign,不涉及多产品线预算划分,甲方易推动,目前市场上已执行百个广告主近千个项目,整体管理预算的规模在20+亿,其中30%左右是联合频控的项目,50%左右是TA%优化的项目。

视频PDB最常见的模式有:

1) 跨媒体去重:跨媒体联合频控,目标人群去重;降低CPUV;相同的预算覆盖更多的人

2) 频次控制:

a) 补频次:如整体要求频次4次:PDB投放2次,RTB补充2次等等;

b) 补强度:频次最大化,如:控频3次覆盖的人群占比最大化等等

如下表所示实际投放案例数据,某传统投放方式同PDB投放方式的对比,频次2、3的UV占比提升显著:

表:某“PDB”Vs “传统投放”实际投放数据对比示例

3) 组合投放:PDB+RTB、视频+banner 等等

4) 优化手段:Look-alike、Retargeting、媒体优化、物料优化、地域优化、时间优化、算法优化等等。

3.视频投放典型场景

视频程序化投放常见的场景有:

l 追求最大化的覆盖人群:

Ø PDB增大覆盖UV,RTB补充新UV

Ø 降低CPUV

Ø 频次控制,提升N+ Reach%

l  要求TA%:

Ø 打通大数据有效覆盖TA,打通样本数据有效优化TA%

Ø 提升TAUV

l  多品牌多创意轮播:

Ø 千人千面,不同的TA看到不同的创意

Ø 对处于不同阶段的同一个TA展现不同的创意

4. 媒体询量排期注意事项

也有很多同学询问在PDB项目中通过接口回给媒体的广告会被展示么?可能有些同学在项目执行中发现好像回给媒体的广告并不是所有都被展示。这是为什么呢?

在介绍原因之前,我们先介绍一个重要的指标数据:“优选曝光率”。

大家应该对《ADX流量使用效率相关指标》介绍中提到的“竞价成功率”应该还有印象吧,其实在PDB项目中“优选曝光率”内涵同那个“竞价成功率”是一样的。我在之前执行PDB的项目的时候,很多同学及甲方客户很难理解“竞价成功率”这个词,因为在他们的眼中,PDB就是提前包好量了,然后通过程序化的手段执行千人千面的投放。但基本PDB目前流量对接,媒体大部分都是采用的RTB通道,加上“Deal ID”的特殊RTB通道来完成的,仅仅是没有比价竞价这个环节了,整体的处理流程和机制依然是:用户打开媒体,媒体请求自己的传统广告系统,传统广告系统将流量转给自己的ADX系统,ADX系统再请求PDB系统,PDB系统处理完回复广告,ADX系统将广告回复给媒体的传统广告系统,媒体传统广告系统处理完再将广告回复给到媒体内容展示。

所以在PDB模式下我们就不说“竞价成功率”这个词了,而改用“优选曝光率”这个词,即:“曝光数”/“优选数”。意思其实是类似的。

对于一个广告请求,我们已经“优选”回复广告“要”了,但结果没有曝光出来,导致的主要因素有:

1) 网络因素:其实这种情况挺好排查的,查一下PDB方成功返回的数,及媒体方成功收到返回数之间的GAP,就知道问题在哪里了。

2) 媒体内部一些处理机制有关:当然有同学会问了PDB不是包量的流量么,为什么在媒体内部还优先级不够呢?其实媒体内部传统广告排期管理系统内部关于流量的分配本来就会根据利润率、价格、是否超级大客户,有一个内部的流量优先级别的管理的。在这个排期优先级管理下的流量才接到ADX中执行PDB的。

3) 对于OTV、PC、移动端、移动端信息流等等不同的点位的情况也不尽相同的。例如:特殊点位的特殊处理机制,例如:某APP信息流1%的“优选曝光率”、某些App开屏广告曝光数据滞后拉取素材72小时等等(建议对于移动端的对接,曝光收数滞后于拉取素材72小时这个约束需要技术放宽限制(在很多DSP/PDB系统中技术缺省曝光收数的有效期仅滞后于拉取素材后24小时)等等。)。大部分媒体对于这些特殊的规则都是提前知道或提前就会同PDB方沟通的,所以大家在部分特殊性上同媒体沟通同步清楚即可。

4) 其他规格不符等因素,曾经在某些项目某些媒体中遇到过,某些媒体在某些终端,尤其移动端,不同的屏幕尺寸要求的素材规格不同导致的曝光失败。还有类似媒体CDN损坏等等因素,曾经出现过某些尺寸或特殊的广告优选回复了“要”,而不能成功被曝光出来。

5) 还有一种较常见的网络因素导致的场景,就是媒体也展示广告了,但由于网络原因,PDB方没有收到曝光数据,这个其实也很好查,只要查媒体收到的曝光数同PDB收到的曝光数的GAP就知道了。

不同媒体的“优选曝光率”均不一样,某些有经验的媒体知道这种GAP差异的存在,所以在放量的时候会多推10%的量,以确保PDB的排期能顺利完成。而若遇到没有经验的媒体或项目,所以代理公司在给媒体下单,计算排期和询量时,建议让媒体注意该问题,以免排期无法完成。

媒体询量计算公式= 预计曝光量(采购量)*(1+退回率)/优选曝光率

计算过程举例:

A.若某媒体商务接受退回率不高于20%(即推送比为125%),若假设优选曝光率为80%。若采购量为100(CPM),媒体放量为:(100 * 125%) / 80% = 156(CPM)。

B.非上述某媒体若不存在优选曝光率的损耗,若商务接受退回率不高于30%(即推送比为150%)。若采购量为100(CPM),媒体放量为:(100 * 150%) = 150(CPM) 。

注:视频PDB可退量(返量)项目一般媒体会说:推送比,也是我们常说退回率,这些词的其实是一个意思,大家可以参考以下公式来换算:

推送比=推送量/曝光量

退回率=退回量/推送量

在不考虑“优选曝光率”及各种GAP的情况下,退回率及推送比换算公式如下:

退回率= (推送量 - 曝光量) / 推送量 = 1 – (曝光量 / 推送量)  =  1 –(1/推送比)

-未完待续-

(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):

邀请函:1月6日答谢宴盛情邀请

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】