《计算广告》第二部分在线广告产品逻辑——笔记（下）

第6章 程序化交易广告

市场发展趋势是靠人不如靠己，向需求方彻底开放，变得透明，出现广告交易平台ADX，使用RTB进行广告候选。需求方平台是DSP，对于流量的选择和控制能力达到了极致，供给方则变成了简单的比较平台。媒体有4种广告变现选择，需要供给方平台帮忙优化。

RTB还催生了数据加工和交易市场，数据交易平台（data exchange）和数据管理平台DMP分别从第三方数据和第一方数据入手，为市场提供了有价值的数据源或数据加工服务。

实时竞价

为什么会出现RTB？挽回流失用户和找潜在用户时，加工人群标签的过程中需要利用到广告主的数据。这样的标签称为定制化用户标签（customized audience segmentation）。

利用定制化标签的投放在广告网络中并非完全无法解决：对于最常见的重定向标签，采用由广告网络在广告主网站布设代码的方式也可以收集人群和投放广告；而对于一般的定制化标签，也可以采用由广告主上传用户ID（cookie 或移动设备ID）集合的方案，由广告网络来决策和投放。但问题是：

1. 标签由广告平台集中加工使用，低效
2. 需求方还有更多决策需求
3. 简单的人群库交互无法做到精细的出价和预算控制

采用广告网络这样的封闭式竞价方案是无法规模化和精细化地针对定制化标签进行投放的，RTB的关键目标是用定制化标签指导广告投放，在广告展示时由需求方来判断是否需要并出价。品牌广告通过DSP数据加工，也能更精准触及人群。

4. cookie映射。供给和需求双方得到的用户标识不同时需要，一般由DSP在广告主网站上发起，因为其只负责广告主用户。
5. 广告请求（ad call）。步骤2.3：ADX 向各DSP 传送URL和本域名cookie，发起询价请求

2.3和2.4可以合并，但ADX可能获得DSP某个广告商的相关受众，非web环境下，双方标识相同，可以。

有一些问题：

1. 增加了服务器和带宽成本
2. 询价时，ADX需要等待一个约定的时间片，可能造成延迟，影响CTR
3. DSP可能获得媒体网站的用户行为数据，造成信息泄露

RTB 的接口有两个对接方：在ADX 方实现的部分称为RTBD（RTB for Demand）；在DSP 方实现的部分称为RTBS（RTB for Supply）。

实时意味着需求方参与每一次广告展示竞价。

其他程序化交易方式

程序化交易的核心目的是让需求方能够自由地选择流量和出价，更多依赖机器。

优选

只有一个需求方，没有竞价。

1. 用户浏览媒体网站。
2. 媒体网站通过JavaScript 代码或SDK 向供给方广告投放机发起广告请求；这里的供给方广告投放机有时是媒体自己的广告投放机，有时则是ADX 的广告投放机。
3. 供给方广告投放机向需求方的广告投放机发起请求，询问是否需要此次广告展示机会。
4. 需求方广告投放机根据自己的逻辑判断，如果需要此次展示机会，则返回相应的广告创意。
5. 需求方如果不需要此次展示机会，则通知媒体广告投放机，由供给方广告投放机从自有广告库中选择合适的创意返回。

比市场价更高的CPM结算，广告延迟较大。

私有市场

保证广告主质量，限制在小范围的RTB。

兼顾了优选与实时竞价的好处，大型优质媒体之选：

1. 邀请制而非公开，有利于确保媒体的价值不受伤害
2. 竞价有利于提升媒体的变现能力

广告交易方式谱系

优先销售（premium sale）能满足一些品牌性需求，溢价能力也比较好，适用高质量媒体，供给方需要技术如在线分配、受众定向。

半程序化交易非实时。网络优化（network optimization）指供给方同时使用给多个广告联盟，按照一些准则或计算结果灵活地对不同的流量分割选择不同的ADN。

广告交易平台

ADX 一般为CPM结算方式，因为DSP可以知道广告位信息，对于人群在特定广告上产生的效果往往能够估计得更加精细。

需求方平台

DSP的核心特征有两个：一个是RTB 方式的流量购买，另一个是需要支持需求方定制化（与广告主相关）的用户划分。

需求方平台产品策略

相比广告网络，多了出价，也是DSP的关键产品策略之一。定向方式也不同，以第一方数据为核心，而不是广告网络中第二方数据加工的标签。

出价策略

为了报价，需要准确的eCPM。没有预算限制时，按照eCPM出价就是最优的，否则需要pacing，可以参考这里https://blog.csdn.net/qq_38163755/article/details/121841082?spm=1001.2014.3001.5502。

曲线是成交价，预算控制可以通过较低成本得到更多流量。DSP的出价策略要基于两条曲线，即eCPM 和市价随时间变化的曲线，获得eCPM与市价比例大的流量。其他因素没有时间影响大。

重定向

向那些曾经对广告主服务发生明确兴趣的用户投放，目的是：

1. 高质量媒体上宣传品牌
2. 效果广告促进转化

从信息来源和使用信息的精细程度上可分为3类：

1. 网站重定向（site retargeting）
   将在一段时间内到达过广告主网站的用户作为重定向集合，eCPM比普通的高一个数量级。两个因素影响能得到的量：广告主网站本身的独立访客量水平；这些访客与媒体的重合程度。后一个需要DSP从各种渠道采买。
2. 个性化重定向（personalized retargeting）
   网站重定向的特例，按照品类和购买阶段等因素进行创意上的深度个性化。两方面深入挖掘：对于处于不同购买阶段的用户推动转化；对于已经有过一些购买记录的用户展示相关产品提升复购。
   与传统受众定向方式的区别在于：动态创意；推荐引擎，据用户信息来进行，并根据购买环节调整创意；广告主商品库存实时接口，避免用户到达后出现落差。
3. 搜索重定向（search retargeting）
   将搜索过与广告主直接相关的关键词的用户群作为重定向集合。覆盖人群比例未必高于网站重定向。统计搜索引擎来的流量中高频关键词作为搜索重定向词表。

新客推荐

重定向的方式虽然精准，但是量受到极大的限制。找行为相似的用户，look-alike，国内做的不好。

供给方平台

当广告请求到达时，首先检查优先销售的订单有无需求，否则进入竞价流程。竞价时，从自运营广告主库中找出eCPM 较高的，并估算可供调用的若干广告网络的eCPM，在这两者之间找到较高的广告候选，再以此作为MRP，通过RTB接口向接入的各DSP实时询价。，这样的方案称为动态分配（dynamic allocation）。对应的产品形态就叫作供给方平台（Supply Side Platform，SSP）。

供给方平台产品策略

图里AND应该打错了，是ADN

1. 从自有广告库中根据当前受众标签检索合适的广告候选，并估计每个广告候选的eCPM。
2. 排序得到eCPM 最高的广告候选以及相应的eCPM值$r_{MAX}$
3. 同样根据环境信息和受众标签估算出各个合作的广告网络大致的eCPM。
4. 排序得到eCPM 最高的广告网络以及相应的eCPM值$r_{MAX}^{\prime }$
5. 以$\max (r_{MAX},r_{MAX}^{\prime })$为底价，通过RTB 接口向各个合作的DSP 查询更高变现价值的广告。

当底价高到一定程度时，可以略去RTB 的过程，从而减轻服务器的负担。问题是如何估计广告网络的eCPM，主要考虑广告网络或DSP 的分成模式和比例；它们各自的广告返回率。同时，如果这些合作方本身集中投放某种行业类型的广告，那么人群和环境标签也是有帮助的。

数据加工与交易

要提高定向的精准程度与人群覆盖率，数据的来源与质量是决定性要素。技术能力的高低直接影响着数据采集和变现的有效性。

有价值的数据来源

对精准广告业务有直接贡献的数据有：

1. 用户标识。对广告来说，起关键作用的还是用户近期内的行为，所以用cookie 作为用户标识还是有效且为业界广泛采用的基础方案。IOS有广告专用用户标识符（Identifier for Advertising，IDFA），安卓一般采用Android ID 或IMEI（international mobile equipment identity）号等标识信息。
2. 用户行为。业界通常认为，转化（conversion）、预转化（pre-conversion）、搜索广告点击（sponsored search click）、展示广告点击（ad click）、搜索点击（search click）、搜索（search）、分享（share）、页面浏览（page view）、广告浏览（ad view）等在线行为是可以被广泛采集并且对于受众定向或广告决策有明确作用。按照对效果广告的有效 性分类，这些行为可以分为决策行为、主动行为、半主动行为和被动行为。决策行为主要包括转化和预转化，价值最高。主动行为主要包括广告点击、搜索和搜索点击，搜索行为较多。半主动行为主要包括分享和网页浏览，指导意义有限，但数据量最大。被动行为是广告浏览，其频次与相应类别的广告点击负相关，因而在行为定向的建模中也可以使用。
3. 人口属性。一般只有一些能够与用户实名身份绑定的服务可以得到此信息，可以预测，或判定某些属性。
4. 地理位置。
5. 社交关系。只适用于那些长期稳定的兴趣，对于短时的购买兴趣不太适用。强关系类型的SNS 比弱关系的SNS有优势，关注人群比被关注人群的信息意义更大。

两条基本的规律：首先，随着用户主动意图的提升，相应的行为数据信息价值也随之增大；其次，越接近转化的行为，对效果广
告的精准指导作用越强，但可能不是潜在用户。

三方数据划分

第一方和第二方分别是指广告主和广告平台，而不直接参与广告交易的其他数据提供方统称为第三方。

在广告网络中，主要使用第二方数据指导广告投放；而在实时竞价环境下，不仅第一方数据可以被利用，大量第三方数据的加工和交易也逐渐发展起来。虽然，一般情况下第一方数据的量较小，却是所有数据的灵魂。以第一方数据为基础，用好第二方数据和第三方数据，是实时竞价时代重要的方法论。

数据管理平台

数据管理平台DMP帮助广告主收集加工第一方数据，功能有：

1. 为网站（媒体或广告主）提供受众定向功能，并将标签用于网站业务
2. 媒体授权下进行标签变现
3. 与广告采买渠道对接

数据交易平台

数据交易平台（data exchange）的主要产品功能是聚合各种来源的在线的用户行为数据，加工成有价值的用户标签，然后在广告市场上通过售卖这些标签来变现，与DMP并不完全区分，往往是第三方。

在线广告产品交互关系

对于媒体，可以托管给ADN，或者ADX，或者SSP优化变现。

对于ADN，可以通过TD直接卖流量，或者作为ADX的供给方，或者。

SSP代表媒体利益，有ADN、ADX和DSP。

ADX相对中立、

对于需求端，要么DSP进行RTB买流量，定制化，深入流量优化；要么非实时的TD，简单、低成本的通用人群采买。

第7章 移动互联与原生广告

所有将商业化内容与非商业化内容统一生产或混合排序的产品都可以认为与原生广告有关系，这样的产品方向经常被称为内容即广告（content as ad）。伴随移动互联网得到重视。

原生广告相关产品

信息流广告

适合于信息流广告的媒体都有一个共同特点，即信息流中的各条内容相关性并不强。

社交网络信息流中的内容是根据产生时间排序的，因此无法将内容与广告按同一准则排序，一般是将广告直接放在固定的位置上。

搜索广告

明确考虑用户当前的任务和意图。混合方式有两种，一种是将广告在固定的位置上展现，另一种是将广告与内容混合排列在一起（相关性）。内容与广告按照同一准则的统一排序将会是一个有价值的发展方向。

软文广告

难以规模化，但可探索将内容中一些相对标准化的片段变成商业化信息。

联盟

由媒体从广告库中自由选择要推广的对象，并按照自己控制的展现方式进行推广，但规模化程度有限。

移动广告的现状与挑战

移动广告存在着广告原生化的巨大动力。

移动广告的特点

带来的新机会：

1. 情境广告的可能性。对用户行为模式进行全天候的监测和分析。
2. 大量潜在的本地化广告主。精确地理位置。

移动广告的创意形式

移动展示广告主要的创意形式有横幅、插屏、开屏、锁屏、推荐墙、积分墙等。

横幅与PC广告类似，但点击率更高，大比例是误点击，影响用户体验；转化率很差（误点击高和移动上转化体系不成熟）。插屏出现在暂停时，与横幅有类似的问题。两者容易形成规模，竞价方式售卖；并且这些挑战促使新的产品形式诞生。

开屏的全屏具有高品牌价值，合约售卖。锁屏即锁定时的广告。两者由于用户没有明确任务，影响较小。

推荐墙是应用推广。积分墙类似，但用户下载得到积分，应用冲榜和游戏开服适合。

移动广告的挑战

1. 应用生态造成的行为数据割裂。应用相对独立。
2. 广告主移动化程度不够，转化流程麻烦。
3. 移动广告的产品形态需要一次革命。只有原生化才是移动广告的未来。

原生广告平台

这里讨论独立原生广告平台。

表现原生与意图原生

表现上的原生性需要媒体来控制广告展示形式，将广告的展示风格和样式变得与内容相一致。

意图上的原生性需要媒体明确提供广告需求，用媒体提供的广告需求来筛选广告，将广告的投放决策逻辑与内容生产相一致。

社交网络信息流广告侧重于表现的原生性，而搜索广告在表现和意图两个方面都是原生的。取决于用户意图是否清晰。

植入式原生广告

媒体应该判断用户当前的意图，并确定根据用户的意图提供什么信息。媒体的主动参与简化了用户意图提取。

广告平台提供的是结构化的付费内容供媒体展示。

渲染可以由媒体处理，也可以广告平台按媒体的模板返回。

以植入式广告的逻辑来运营原生广告，是希望在内容生产的过程中，当某些片段商业价值较高时，将这些内容按照严格的条件交由广告平台来生产。这样做，不仅可以避免现有的展示广告产品对用户体验的打扰和伤害，而且有可能将展示广告变成类搜索广告，真正为媒体创造高价值的变现能力。

挑战在于：

1. 媒体参与让广告多了一个自由度，运营难度大大增加，对中小型媒体不友好。
2. 大量分行业、结构化广告信息的建立需要时间。

原生广告与程序化交易

在明确提供用户意图的原生广告中，完全开放地进行RTB，很难控制付费结果的相关性。

第8章 在线广告产品实践

从广告和泛广告变现的角度来看，在互联网市场上主要有三种资产能够变成钱，分别是数据、流量和品牌属性。后两项是媒体的专属，而第一项既可能来自于媒体，也可能来自于第三方的数据拥有者。问题有：

1. 媒体如何使用合适的广告产品变现，兼顾短期收益和长期品牌价值提升。
2. 广告主如何选择广告产品高效营销。
3. 第三方如何将数据变现。

媒体实战

作者建议首先通过原生广告变现，选择有：流量充分则自行运营，插入原生付费结果，能控制质量和相关程度；不充分则合作。对中小媒体难以规模化变现。

广告主实战

对于直接效果类推广需求，需要特别重视垂直的行业入口渠道，即用户在本行业相关需求主要的流量来源，比如下载行业的应用市场。

利用第一方数据的精准定向，从效果的角度来看，有时可以做到与搜索引擎相比肩的水平，不过，这样的营销对于广告主来说有一定的技术门槛，因此在中小广告主中并不十分实用。

对于大中型的广告主，SEM和DSP往往自建比较好。

数据提供方实战

数据价值评估的基本方式是“用户数×平均用户价值”，用户数，就是该组织在一段时间内能够收集到数据的用户总量；而平均用户价值，就是单个用户可以获得的广告价值，它主要受RPM水平、单个用户被广告有效触及的展示次数这两个因素的影响。其中RPM 反映了数据的价值密度，而广告触及次数则需要通过扩大媒体接触来实现。