博客首页|TW首页| 同事录|业界社区
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

2017-12-18

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

2017-11-27

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

2017-08-17
大概半年前就有同学在问《程序化广告实战》什么时候出版,什么时候能买到?在哪些渠道购买?大家已经饥渴难耐了。我们听完后只能去不断的催出版社,催他们快点排版、快点印刷、快点上架。
而终于在今天下午,出版社告诉我们书籍已经印刷完毕,而且在京东等销售渠道已经上架了。听完这个消息我们奔走相告,很多同学居然订购数本,而且连价格都没问,就直接打钱过来购买。感动ing~

+图书介绍(详细摘录附在文末):如需了解图书书目等介绍,可参见(华章)china-pub上的图书介绍:

如何购买《程序化广告实战》书籍?
若您不需要购买签名版,
在china-pub.com(华章)上购买:

或在各大线上电商平台(如:京东)搜索《程序化广告实战》,直接下单就可以啦!
若你想购买作者签名版:
第一步:联系伍刀刀 13121124046 (微信电话同)
第二步:告知您的邮寄地址,并付款
第三步:收到书籍开始阅读
如果您在北京、广州,上海也可以自取哦。
北京自取地址:北京朝阳区西坝河金泰大厦 1105 伍刀刀 13121124046
广州自取地址:广州市中山大道89号(天河软件园华景园区)A栋14层南16号 赵小姐13602466336
上海自取地址:上海市建国西路56弄4号一楼 Miki潘小姐 13817588890

自取只限工作日。而且请先找伍刀刀付款完再去自取。

关于签名版价格:
如果您在线上商城购买,直接按照上面的价格即可。
如果您购买签名版,我们会按照原价的6折给您:79元*0.6+邮费,这个是作者直销价,名额有限,如果您以这个价格购买到作者签名版,请多多帮我们宣传。

同时我们正在策划作者签名售书会,活动内容会在此公众号发布,敬请期待!

以下为各位程序化广告圈的朋友对书籍的期盼截图:

+附图书介绍:

中国程序化广告领域领袖级专家

私有化程序购买领域的布道者的一线实战笔记

宋星等近20位专家联袂推荐

从业务和技术双重视角系统讲解程序化广告的理论知识、实践方法和关键要点

推荐语:

吴俊老师在程序化广告和大数据营销领域建树颇深,作为最早将PDB广告模式落地到中国的专家,无论在品牌营销还是效果营销领域,都拥有深刻的见解和广博的经验。他的第一本书,是自己多年从业经验的结晶,值得仔细品读。

—— 宋星 “网站分析在中国”创始人

吴俊结合他在掌慧纵盈的研究和实践的卓越成果,抽丝剥茧般把互联网广告涉及的知识进行了系统梳理,本书不仅是整个行业的“白皮书”式实战手册,更是对中国程序化广告和数字营销发展的阶段总结。

—— 章苏 北京掌慧纵盈科技股份有限公司董事长

这些年来,吴俊一直专注于广告领域,是我遇到广告相关问题时的首选咨询对象,受益良多。希望这本书能让更多人像我一样受益。

—— 耿新跃 豆瓣用户产品副总

本书倾注吴俊老师多年实战经验,从基本原理到最佳实践,庖丁解牛般呈现了程序化广告,不管对广告主还是代理商,本书都具有极强的实际指导意义。

—— 冯全春 尚美生活集团数字营销与CRM总经理

吴俊凭借自己在业内近20年的实践经验,对程序化广告进行了系统的梳理和总结,是一本可以落地的指导性手册,具有很强的实用价值,对整个行业的发展将具有重大的意义。

—— 余兰 搜狐集团精准销售部总经理

吴俊在品友互动时,带领团队打造了中国首例PDB的产品,帮助巨型客户购买常规广告进行智能优化,也让程序化从单一的实时竞价拓展为全方位广告管理。我很高兴看到他把自己的宝贵经验和实践沉淀下来,希望此书能为中国程序化广告的健康发展做出贡献。

—— 黄晓南 品友互动CEO

吴俊老师是中国程序化广告领域的先锋,拥有丰富的理论和实践经验。更加难能可贵的是,他能够把实践的经验推而广之,避免营销人在程序化的道路上再走弯路。相信这本书能够成为营销人在程序化广告实践中的好伴侣。

—— 王旭华 Head of Accuen

有幸在乐视的多屏程序化合作中结识吴俊老师,在大数据营销和程序化广告领域可是大名鼎鼎,对中国程序化广告非常有影响力的专家,开启PDB中国落地的推动引擎。吴老师写的内容总是充满干货,他的书强烈推荐大家阅读和收藏!

——梅娟 乐视程序化总经理

随着大数据技术的发展,通过程序化营销方式进行个性化广告投放成为互联网广告行业的发展趋势。程序化营销是一个复杂度很高的行业,吴俊老师在此行业深耕多年,实践经验非常丰富,相信此书对互联网广告从业者将有很强的指导意义。

——新数网络CEO 赵士路

程序化,是数字广告的必然趋势,但是随着行业的发展,业务和产业链也越来越复杂,这对所有的从业者都是一个严峻的挑战。吴俊老师行业背景深厚,可以说是伴随行业一起成长,有人说“所谓核心竞争力,就是曾经趟过的坑。”,此书的发行,一定会给大家带来非常多参考价值和指导意义,帮助您不“趟坑”,也可以建筑自己的核心竞争力。

——美数科技创始人范昂

这是一本可以让了解整个程序化广告生态的客户和广告同仁的一本实战好书。清楚的解释各种广告交易模式、技术手段、程序化手段运用的场景、原因及各方核心诉求。无论你是刚刚入门,还是业内高手,这都是一本可读性高,可分享的好书。

——IDGDigital Media(中国)首席市场官高务修

16年多互联网行业营销经验,尤其程序化广告领域颇有研究,吴俊了解算法、技术、产品及运营并有着多年实战经验。本书将这些精彩内容呈现给了读者,是程序化广告从业人员的必读书目,如果你刚刚踏入程序化广告行业,哪能错过?你一定可以学到真正与你相关的。

——群邑中国透明程序化(PBU)全国运营负责人  赵静

作为国内程序化广告领域的专家,吴俊老师将十多年的经验转化为文字分享给读者,内容深入浅出,实战性强,非常适合互联网广告从业者研读。

——佳投科技CEO 张富

吴俊老师在程序化领域非常资深,每次见面在业务方向上的探讨都让我获益良多,非常期待这本书的面世,是一本程序化领域的实战宝典,能够帮助更多人深入了解程序化领域,希望大家共同努力打造良性程序化生态圈。

——程序化公司之行传媒创始人 Kitty

作为国内最早的PDB广告模式专家、程序化广告与大数据营销行业高速发展的先锋,吴俊老师见证了程序化广告从蛮荒时代到众媒时代的变迁,《程序化广告实战》这本书,是观点、经验、技巧的悉心之作,相信每位营销从业者读完之后都会意犹未尽。

——Deepleaper创始人王冉

吴俊老师在这本书里面表现出对PDB深入的经验。如果想了解中国的PDB, 我强烈推荐!

——Envisionx技术运营管理 Matthew Earley

吴俊老师在程序化广告和大数据营销领域非常资深,目前市面上还没有一本把程序化购买系统讲述完整的书籍,吴老师讲课深入浅出,易学易懂,不过仍然需要细细品酌书中的思维,如果你还沉浸在传统投放领域怡然自得,那么此书就是广告投放高阶从业路经必读。

——京东商城搜索推广刘璐

作者吴俊简介:

中国广告PDB(Programmatic Direct Buy ,私有程序化购买)推动落实第一人。现任掌慧纵盈产品VP,专注于打造线下数据线上打通的营销解决方案,推动数字营销新升级。 原品友互动负责PDB/移动/流量的产品总监,拥有近20年IT/互联网行业从业经验和超过5年的程序化广告工作经验。2014年负责推动并落实了中国首个大型PDB广告投放项目(2014中国国际广告节“长城奖”金奖“上海通用汽车私有程序化广告投放”案例),通过PDB帮助广告主管理了数亿广告预算投放,在广告主包段的黄金广告位(门户及垂直媒体,PC和移动端)以及视频媒体贴片广告位等黄金资源,实现了广告投放的跨媒体联合频控、千人千面;最终有效提升了广告主广告预算的ROI。 2014年开始在市场反响十分热烈的视频广告PDB领域持续发力,推动行业内视频广告PDB业务大规模迅速发展,目前市场上已有上海通用汽车、玛氏、欧莱雅、人头马、Burberry、高露洁、黑人、雅士利等不同行业,近百广告主近千视频OTV项目通过PDB方式进行了投放。 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。

书目概览:

本书从业务和技术双重视角系统讲解了程序化广告的理论知识、实践方法和关键要点,不仅能帮助从业者对程序化广告建立全面的、体系化的认知,而且还会告诉他们实践中的各种注意事项,以及如何有效地规避和处理业务中的各种“坑”。

作者是中国程序化广告领域的领袖级专家,是国内PDB(私有化程序购买)领域的布道者,推动落实了国内首个大型的PDB项目,曾帮助数百广告主运用程序化手段管理数十亿人民币的广告预算。

本书以实战为宗旨,从业务和技术两个维度,由浅入深地讲解了程序化广告的流程、产业上下游、各种广告交易模式、技术手段、程序化购买的运用场景,以及广告主、代理公司、媒体、DSP等各方的核心诉求。书中包含大量案例,素材都来自于作者近5年来的亲身实践。

全书在逻辑上分为四大部分:

基础篇(1~3章):主要介绍程序化广告的基本概念和基础知识,以及程序化广告中需要掌握的大数据知识,即便是没有基础的读者,也能迅速了解并进入这个行业。

实战篇(4~7章):从业务和技术角度介绍了程序化广告的核心内容,如监测、移动广告、DSP、ADX等,这部分内容十分有针对性,可帮助从业者有效解决日常工作中遇到的各种问题和坑。

进阶篇(8~9章):讲解了PDB、DMP等高级内容,仍然比较注重实战性,适合广告预算较多的头部广告主和相关上下游从业者。

展望篇(第10章):从行业上下游分工、竞争策略、个人职业规划等角度进行了一些梳理,希望能帮助读者做好相应的规划和积累。

为什么要写这本书:

很多同学关注我的微信订阅号,阅读我撰写的程序化广告方面的文章,参加我的程序化广告系列课程,希望能从业务实战的视角更为全面体系地认清整个行业。

虽然这几年程序化广告在数字营销领域高速发展,但是大家对于程序化广告的演变、行业现状等方面的认知仍然不够深入。这一方面是因为程序化广告相对于其他推广方式,涉及的概念、方法论、参与方更为复杂;另一方面,目前市面上没有一本面向营销从业者的主讲程序化广告业务实践类的书籍问世,大家只能从网上的一些文章中零散地了解程序化广告。但是,由此得出的很多信息已被多方渲染加工过了,很可能混杂了一定的水分。

而未来程序化广告这个行业一定是以业务化、技术化(自动化)、数据化为重点发展方向的,更加强调“业务+技术+数据”的跨界融合。这就对从业者提出了更高的要求,也只有这样从业者们才能创造更大的价值,并提升个人的价值。

对于相关从业者来说,他们迫切希望学习到与程序化广告相关的知识,但可惜的是,这些内容大多都分布在网上,内容零散,且很难收集全面,所以他们希望能有一本书可以系统地介绍相关知识,降低学习成本。

在众多同学的强烈要求下,我撰写了本书。本书是一本从业务实践视角全面介绍程序化广告的书籍。本书的目的是希望通过体系化、实战性的剖析,让读完本书的同学们不仅能对程序化广告建立全面的业务体系认知,更加能掌握程序化广告在实践中的各种注意事项,并且知道实际业务中的一些坑该如何规避,以及如何有效处理。

读者对象:

本书面向的主要受众是整个互联网行业中的媒体方、中间方、广告主等程序化广告行业上下游执行及决策层面的各类人群,以及对互联网商业变现感兴趣的人。根据工作特性可以划分为如下群体:

互联网媒体方与商业变现相关的产品、技术、销售、运营等环节的从业者;

广告主方市场部、产品部营销的从业者;

广告交易平台方、DSP(Demand-Side Platform需求方平台)方、数据方、监测方等,程序化广告行业上下游各环节的从业者;

对数字营销未来发展趋势感兴趣,并正致力于打造新兴解决方案的推动者、从业者、投资者;

互联网行业商业变现领域的投资者、关注者、爱好者及打算进入这个行业的人;

开设相关课程的大专院校师生。

本书特色:

本书内容安排及介绍由浅至深,专注于剖析“程序化广告实战”业务,深入浅出地介绍了从流程到产业上下游的所有相关知识;重点从业务角度分析了各种广告交易模式、技术手段,以及程序化手段运用的场景、原因和各方核心诉求。

本书主要实战素材源于我同广告主、代理公司、媒体方、DSP一起推动程序化广告实际业务时被大家经常咨询到的问题点,并同时融合了我近20年的技术经验。为了让大家深刻理解这些内容,本书对问题的剖析均从基础到业务再到技术层面展开。

如何阅读本书:

本书共分10章:

第1~3章主要集中于对基本概念及基础知识的阐述,目的是帮助没有任何基础的读者快速入门,为大家后续的学习及工作夯实基础。

第4~7章开始进入对实战有指导价值的业务点的介绍,包括监测、移动广告、DSP、ADX等内容,适合所有数字营销上下游的从业者。 第8~9章主要介绍PDB、DMP实战等内容,这部分面向的是偏高端(广告预算较多的)的头部广告主及相关上下游从业者。目的是帮广告主减少投入或找到适合自己的方法。

第10章对行业未来发展趋势进行了预测和分析,并从整体行业上下游分工、竞争策略及个人职业规划等角度为读者进行了梳理,从而帮助读者做好相应的规划和积累。

此外,本书附录收集了程序化广告领域方面的常用术语及缩写,特别适合那些刚刚接触程序化广告的读者。

希望大家能根据自己的情况来选取相应的章节进行学习。

勘误和支持:

由于作者的水平有限,编写时间仓促,书中难免会出现一些错误或者不准确的地方,恳请读者批评指正。为此,我们开设了名为“程序化广告实战”的微信订阅号(ad_automation)。如果你有更多的宝贵意见,也欢迎通过该订阅号来与我互动。期待能够得到你们的真挚反馈。

致谢:

首先,感谢一路陪我走来的同学及粉丝们的大力支持。正是在你们的“簇拥”下,我才有源源不断的动力,从而能坚持不懈地整理、传播、分享程序化广告实战系列的内容。

其次,感谢宋星老师。若没有宋星老师的邀请,我也不会打开干货分享的闸门。当然,还要感谢伍刀刀同学在背后对我的大力支持和鼓励。 再次,感谢机械工业出版社华章公司的杨福川和孙海亮两位老师,在这半年多的时间中,他们不厌其烦地始终支持和指导我写作,是他们的鼓励和帮助引导我顺利完成全部书稿。 最后,感谢我的爸爸、妈妈,以及其他家人,感谢你们的爱护,并时时刻刻为我注入信心和力量,让我能在不惑之年开启一扇全新的人生大门。 谨以此书献给我最亲爱的家人,以及众多致力于程序化广告事业的朋友们!

对一直关注“程序化广告实战”微信订阅号及系列课程的同学们,致以诚挚的谢意!

图书详细目录:

推荐

前言

第1章 程序化广告的前世今生

1.1 常见的广告形式及业态002

1.1.1 常见的网络广告形式002

1.1.2 结算方式015

1.1.3 广告行业上下游大体分布015

1.2 程序化广告的概念及发展历程017 1.2.1 程序化广告的定义017

1.2.2 程序化广告出现的主要动因017

1.2.3 程序化广告的发展历程及模式019

1.3 业内主要玩家028

第2章 程序化广告基础

2.1 IAB关于程序化的定义及接口规范034

2.1.1 程序化广告4种典型模式035

2.1.2 接口规范038 2.2 程序化购买/投放的关键特征045

2.2.1 流量按优先级管理045

2.2.2 交易管理046

2.2.3 卖方诉求049

2.2.4 目标人群投放050

2.3 流量卖方同买方常见技术对接模式055

2.3.1 PC/移动Web媒体055

2.3.1 移动App媒体056

2.3.2 视频057 第3章 程序化广告中的大数据基础

3.1 人的唯一性标识068

3.1.1 人唯一性标识的方式068

3.1.2 PC端识别技术070

3.1.3 移动端识别技术076

3.1.4 跨屏识别方法与挑战097

3.2 受众数据及来源097

3.2.1 线上数据、线下数据098

3.2.2 线下VS线上的行为数据特点099

3.2.3 数据的来源100 3.3 大数据管理平台101

3.3.1 DMP价值意义101

3.3.2 大数据管理处理流程105

3.3.3 DMP系统的层次及架构107

第4章 监测注意要点

4.1 视频广告投放TA浓度KPI注意事项111

4.2 广告可见性 IAB规范11****.2.1 定义116

4.2.2 测量方法116

4.2.3 影响因素118

4.2.4 注意事项119

4.3 品牌安全119

4.3.1 推动力动因119

4.3.2 常见模式120

4.3.3 机制及现状121 4.4 程序化广告中监测GAP注意事项122

4.4.1 地域GAP122

4.4.2 结算方式的坑125

4.4.3 PDB中的损耗问题126

4.4.4 移动App端Banner投放的坑126

4.5 市面上供应商简单分析128

第5章 移动广告的关键知识

5.1 移动端特有的一些问题130

5.2 Deep Link & Universal Link132

5.2.1 什么是Deep Link132

5.2.2 App没安装怎么办132 5.2.3 Universal Link133

5.3 移动端MRAID 富媒体技术136

5.3.1 什么是MRAID136

5.3.2 MRAID协议简介137

5.4 移动端原生广告143

第6章 广告交易平台ADX要点

6.1 什么是RTB147

6.1.1 竞价整体流程148

6.1.2 成交价的相关规则149 6.2 市面上常见的ADX151

6.3 DSP对接ADX流程155

6.4 ADX创意渲染机制注意事项159

6.5 ADX系统基础操作功能介绍160

6.5.1 ADX中SSP卖方基础操作功能介绍161

6.5.2 ADX中DSP买方自助基础操作功能介绍165

6.6 ADX竞价及流量使用效率相关指标169

第7章 程序化买方DSP要点

7.1 国内DSP典型模式介绍176

7.2 DSP主要优化手段及原理177

7.2.1 转化漏斗178

7.2.2 主要考核指标180

7.2.3 主要优化要点183

7.2.4 常见的定向及优化设置191

7.2.5 人工智能、机器学习194 7.3 DSP投放流程及注意事项201

7.3.1 投放前积极准备201

7.3.2 投放中有节奏地优化205

7.3.3 DSP投放实战示例206

7.4 DSP系统技术架构参考210

第8章 程序化广告高级模式PDB要点

8.1 PDB广告处理流程218

8.2 PDB主要优化KPI及注意事项219

8.3 PDB执行流程221

8.3.1 单Campaign视频PDB222 8.3.2 多Campaign的PDB232

8.3.3 PDB+RTB模式238

8.4 PDB业务特点242

8.4.1 媒体方的担心及阻力242

8.4.2 PDB对预算倾斜的影响不大244

8.4.3 PDB业务门槛较高245

第9章 DMP实战案例

9.1 常见DMP盘点248

9.1.1 常见的第三方数据248

9.1.2 常见的DMP系统服务提供商249 9.2 基本功能及数据样本学习核心流程250

9.2.1 基本功能250

9.2.2 样本训练及回归验证核心流程251

9.3 DMP系统案例264

9.3.1 Trading Desk & DMP & PDB(PMP)案例264

9.3.2 线下DMP系统案例267

9.3.3 专有线下DMP+DSP实战案例270

9.4 DMP系统技术架构272 9.4.1 应用架构272

9.4.2 数据架构274

9.4.3 技术架构275

第10章 行业发展趋势预测及分析

10.1 DSP行业发展及趋势预测277

10.2 ADX的发展趋势及策略282

10.3 从业者职业规划策略286

附录 常用词及缩写

免费试读地址:

 http://www.china-pub.com/computers/commo…

如果您想加入吴俊老师的[程序化广告社群],与大咖面对面交流,欢迎添加13121124046 伍刀刀的微信,并备注姓名-公司-职位,我们拉您入群。

(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。

2017-01-17

(转载请注明出处:微信订阅号:ad_automation)

2017-01-16

摘要:其实数字广告项目执行的是否成功?在广告上线前可能就能检查的出来的,这些检查点您平时都检查么?

一、背景信息及准备

首先最终要的第一个卡关就是:合同签了?或合同没签客户正式下单Brief的mail有没有?这些都是将来扯皮的重要证据。(当然我也不希望扯皮的,只是为了对双方负责,尽量做到有备无患。)

跟这个相关的有很多项目需要核查的:

合同编号:将来财务要追应收应付的重要编号

项目名称:总得有个名字吧

合同金额:这个很关键

购买单价及量:CPM,还是CPT?

投放周期:从几号几点到几号几点?共计多少天?

补量:如果量不够补量客户要求排期内补量?还是可以接受排期后补量?是同点位补量还是可以接受其他点位补偿?

内部上线审批是否完成:各个环节的老大是否都同意上线了?否则出了问题只能你自己背黑锅了。

项目的几个主要人员角色是否确定了?

销售:有啥需要对外沟通协调的事情,尤其商务的必须她去。

销售leader:就是这个项目销售的老板或老板的老板,为什么需要销售的老板出现呢?还是为了把关的。

项目经理:这个背黑锅的人十分的重要,如果没有这个人项目就无法执行的,做砸了黑锅也没人背了,所以项目做好了建议最好给项目经理一定的奖励让他在项目团队内部来分配这些奖励,这样人家才有动力顶着黑锅上不是么?

媒介经理:我们经常说“供应链”,现在客户的需求都是多元复合的,就是BAT这样的大集团也不是都能单靠自己的资源能满足的,所以肯定会涉及到外采的需求的,所以明确出这个角色十分的重要。

项目执行助理及优化师:这些角色都是为了给项目经理分担执行琐事的。而且对于客户KPI严格的效果单,优化师的角色尤其重要,不断地盯着数据不断优化调整投放执行细节。

所以到这里我们才能说可以来谈我们上线前的检查工作了。

二、KPI沟通会

KPI一般分为:

1、显性KPI,即会签在合同中的KPI,例如CTR等等。如果合同中的KPI未达成算合同执行违约。所以首先显性KPI首先要保证的。

2、隐性KPI,即合同中不会约定,但客户心理是有预期的,如果达不成后续无法续单,进而扩大生意规模的。

一般在一个项目客户快下单前确认合同及Brief的时候,就是项目经理该介入组织KPI沟通会的时候:

KPI沟通会要把上述“背景信息及准备”、人员、及KPI及投放点位等等全数需要明确下来的。

同时最重要需要项目经理群发mail出来,把会议结论让所有的参会者都知道。

项目执行所有干系人信息在一个水平面最最重要。千万不要传话,传话是效率最低的沟通方式,要开就直接把从前到后所有的干系人抓到一起快速开一个沟通会,确保大家对项目的目标、风险、NextStep安排达成一致才能结束。

三、广告物料

1、物料基本信息确认:是否为敏感行业?广告主相关资质是否是否提供齐全?

2、物料尺寸:例如:120*600、160*600、200*200、250*250、300*250、300*300、336*280、400*300(适用于Flv格式) 、468*60 、728*90、 950*90、960*90、1000*90、其他等等

3、文件格式:例如:jpg 、gif 、 swf 、flv 等等

4、物料规格:例如:

swf : 50K以内、时长30秒以内、GIF 广告的帧速率不得高于5 帧/秒 (需在第30S添加静帧Stop)   ;

jpg: 30K以内;

flv : 500k以内;flv格式控制在1M以内;影片长度14秒 ;

等等

四、广告点击链接是否正常?

1、点击链接跳转正常?

2、主域名跳转正常?

3、多帧物料是否都有不同的点击地址?

五、Landing Page是否正常?

Landing Page即广告点击后打开的落地页。

打开速度是否正常?超过3S后续效果肯定受到影响

如果可能可以找第三方公司全国访问的基调报告,这个肯定是有成本的。不过也是为了避免将来扯皮的一个环节。

模拟KPI步骤流程:这个环节尤其的重要,客户方往往会在Landing Page放置GA或者各种奇葩的代码,所以这块一定要对数对数对数,以确保正式投放时,不要被客户耍赖你没有投放广告。毕竟现在这个市场太混乱了,为了对双方负责请做好这个环节的测试。这也是避免项目失败的重要环节。如果这个环节没做,项目必定失败无疑。要是做成功了只能说KPI太松或者客户是亲爹。

六、第三方监测代码检查

1、是否有曝光监测代码?GAP测试了么?

2、是否有点击监测代码?GAP测试了么?点击跳转正常么?

3、第三方监测代码是否需要重新提前向ADX报备?

4、监测代码类型:秒针、Admaster、Double Click、CNZZ、量子、其他等等

5、监测代码是否添加在物料中?

6、投放系统后台代码是否已添加完成?

7、交叉检查是否已确认添加无误? 检查人是谁?签字了么?没签字如何确保没问题?

七、官网或访客代码布置

A、访客代码是否布置:

是否添加访客代码?

是否Https页面?

客户是否返回“代码安放细节说明”?

技术是否检查结果已确认添加无误数据回收正常?

B、转化代码是否布置:

是否添加转化代码?

是否Https页面?

客户是否返回“代码安放细节说明”?

技术是否检查结果已确认添加无误数据回收正常?

八、上线前人工测试

1、广告曝光数测试是否正常?各方收数?GAP?

2、广告点击数测试是否正常?各方收数?GAP?

3、广告Landing Page测试是否正常?各方收数?GAP?

4、是否存在其他问题需要备注的?

测试测试测试,为了防止黑锅,对双方都负责任尽量多测试哈。

九、预付款

1、是否有预付款?比例是多少%?

2、预付款是否已到账?

十、正式上线并发出上线通知

上面这些防黑锅的环节都踏实了,广告终于可以按期上线了,对所有干系人发出上线通知吧。当然有的时候对外发的是公开的通知mail,对内还需要发一个内部执行注意点的通知mail。

最后预祝大家都能成为广告防黑锅大侠:)

(转载请注明出处:微信订阅号:ad_automation)

2017-01-13

为了避免读者误读,特别声明:此文是从DSP立场看,DSP投放时在哪些Adx上可做%%CLICK_URL_PRE%%宏替换。

“%%CLICK_URL_PRE%%”意味着例如支持一些特殊的Adserving(筷子科技、Sizmek等)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的平台再调DSP平台最后跳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DSP的平台或Adserving,然后再跳Adx的平台的点击监测地址。

各ADX平台是否支持“%%CLICK_URL_PRE%%”?

清单如下(顺序随机无特别意义):

adview:是

google:是

好耶:否

baidu(BES):是

暴风:否

风行:否

佳投:否

广点通:否

inmobi:是

iqiyi:否

乐视:否

灵集:否

新浪:是

sohu:否

tanx:是

腾讯:否

今日头条:否

响巢看看:否

youtu:否

ifeng:否

小米:否

咪咕:否

mopub:是

pptv:否

蜻蜓FM:否

新浪微博:否

互众:否

万流客:是

(转载请注明出处:微信订阅号:ad_automation)