互联网商业变现之在线广告(2):程序化交易广告和移动原生广告

产品老司机手把手教写文档,10天线上课程,零基础掌握产品经理必备7大文档撰写法。了解一下>

上篇文章我们介绍了两种在线广告产品形式:合约广告产品和竞价广告产品。本文来介绍剩下的两种:程序化交易广告和移动原生广告。

1. 程序化交易广告

广告网络无法满足广告主自行选择流量和在每次展示上独立出价的需求,以实时竞价即RTB为核心的程序化交易市场应运而生。

程序化交易市场的参与方:

  • ADX(广告交易平台),其主要特征即是用RTB的方式实时得到广告候选,并按照其出价简单完成投放决策。
  • 流量采买方(DSP):与广告交易平台对应的采买方。出价需求的存在和广告主预算范围内的套利要求DSP具备点击率预测、点击价值估计、流量预测、站外推荐及根据广告主提供的种子用户,找到行为相似的潜在用户等多方面的运算能力。
  • 供给方平台(SSP):媒体有多种多样的变现模式:担保式投送的合约售卖方式、自营广告网络、托管给其他广告网络、通过RTB变现等。如何动态地选择这四种模式中变现价值最高的那种,以最大化媒体收益,这是供给方面临的市场需求。
  • 数据加工和交易市场:广告主可以自由地使用各种数据指导投放,诞生从第三方数据入手的数据交易平台(dataexchange)和第一方数据入手的数据管理平台DMP,为市场提供了有价值的数据源或数据加工服务。

1.1 实时竞价流程

(1)cookie映射

  1. 从广告主网站向DSP服务器发起cookie映射请求。
  2. DSP与ADX服务器之间通信完成cookie映射。

(2)广告请求

  1. 用户浏览媒体网站。
  2. 媒体网站通过JavaScript或SDK向ADX发起广告请求。
  3. ADX向各DSP传送URL和本域名cookie,发起询价请求。DSP根据预先做好的cookie映射查出对应的已方cookie,决策是否参与竞价,如果参与,则返回自己的出价。在等待一个固定的时间片后,ADX选出出价最高的DSP返回给媒体网站。
  4. 媒体网站从胜出的DSP拿到广告创意并展示。

程序化交易模式除了实时竞价,还有优选和私有市场。优选优是允许单个需求方按照自己的意愿来挑选流量,挑选过程与实时竞价类似。

与RTB相比,优选缺点在于决策过程可能存在比较多的服务器往返:在极端情况下,需要三次服务器的往返才能得到最后的广告。这有可能使得用户看到的广告延迟增大,从而影响广告效果。

私有市场是媒体为了保证广告主的质量,将拍卖限制在一些被邀请需求方的小范围内。这种程序化交易叫作私有市场,私有市场中的在线交易过程与公开的实时竞价一致。

根据库存类型、价格模式这两个关键产品特征,把市场上与程序化交易相关的交易方式分成5类。数字1至5代表挑选流量的优先级从高到低,价格通常也从高到低。

1.2 广告交易平台(ADX)

广告交易平台(ADX)负责将媒体流量以拍卖的方式售卖给DSP,可以类比于证券市场中的交易所。广告交易平台的由于不需要管理广告库存,所以无需对广告进行检索。但需要注意优化多个DSP发广告请求带来的带宽和机器成本的上升,即询价优化。

1.3 需求方平台(DSP)

以RTB方式购买广告的产品形态就是需求方平台。

需求方平台的产品策略:受众定向,广告检索、广告排序、广告定价和出价。其中受众定向一般使用第一方数据,结合第二方或第三方数据的定制化标签。重定向和look-alike(新客推荐)是DSP产品特别要重视的产品策略。重定向从信息来源和使用信息的精细程度上区分为网站重定向、个性化重定向和搜索重定向。

网站重定向:即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,这样的重定向流量其eCPM一般来说要比无定向流量高出一个数量级,因此需要尽可能扩大投放量。

个性化重定向:对重定向流量进行深入加工,按照品类和购买阶段等因素进行创意上的深度个性化,就是个性化重定向。

个性化重定向有三个键点点:

  1. 动态创意。个性化重定向 的核心是用推荐的思路实时决定展示什么商品
  2. 推荐引擎。个性化重定向可以看作是根据用户信息的站外推荐。
  3. 广告主商品库存实时接口,个性化重定向服务需要提供准实时的商品库接口,让广告主可以及时地将库存和价格信息同步,以避免出现用户发现该商品已经售完或下架或者是价格与创意上的宣传不符。

搜索重定向:即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,比较推荐的做法是统计广告主网站流量中从搜索引擎来的流量作为重定向集合。

新客推荐(look-alike):由广告主根据自己的第一方数据提供一部分种子用户,再由拥有更丰富数据的第二方数据的广告平台分析这些用户网络行为的特征,并根据这些特征找到具有相似特征的拓展人群。

DSP出价策略:通过历史的观察和预测得到市价的曲线后将一天的预算分配到那些市价较低的流量上,即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。

1.4 供给方平台(SSP)

由于供给方平台有多种变现模式。所以当广告请求到达时,首先检查优先销售的订单有无需求,这包括CPT和CPM的合约。如果有需求,按照优先级和在线分配的方案完成投放;如果没有这类销售合约,则进入竞价流程。竞价时,广告请求是动态分配(dynamic allocation)。

动态分配决策流程如下:

(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rMAX;

(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;

(5)以max(rMAX, r′MAX)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。

1.5 数据加工和交易

要提高定向的精准程度与人群覆盖率,关键在于数据的来源与质量。哪些数据是对精准广告业务有直接贡献的呢?

可以重点关注下面的几类:

(1)用户标识。对于浏览器,最常使用的用户标识是cookie。在移动端,iOS使用广告专用用户标识符(Identifier for Advertising, IDFA),其性质与cookie类似;而Android没有专门的广告用户ID,一般采用Android ID或IMEI(international mobile equipment identity)号等标识信息。

(2)用户行为。按照对效果广告的有效性分类,行为可以分为决策行为(转化和预转化)、主动行为(广告点击、搜索和搜索点击)、半主动行为(分享和网页浏览)和被动行为(广告浏览)。

(3)人口属性。一般来说,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

(4)地理位置。GPS或蜂窝可以提供的定位往往可以准确到几百米的范围,这就使得hyper-local的区域广告商投放定向广告成为可能

(5)社交关系。当广告系统观察到某个人的行为不足,无法进行精准的行为定向时,可以考虑借鉴其社交网络朋友的行为和兴趣。

三方数据的定义和划分:

广告中用到的用户数据,根据其来源的不同可以分为第一方数据、第二方数据和第三方数据。

第一方数据:需求方即广告主自有用户数据,包括网站/App监测数据、CRM数据、电商交易数据等。第二方数据:需求方服务提供者在广告投放过程中积累的业务数据,如DSP平台业务中积累的受众浏览广告、点击广告等相关数据。

第三方数据:非直接合作方拥有的数据,如运营商数据、百度的搜索人群数据、阿里的电商人群数据、腾讯的社交人群数据等。

数据管理平台(DMP):

按照DMP平台的归属,DMP分为第一方DMP、第二方DMP和第三方DMP。

第一方DMP:指大型广告主自己搭建或者寻找外部技术提供商为自己搭建的内部DMP,用于分析和管理用户数据,为营销环节提供决策支撑和用户数据支撑,广泛应用于电商、游戏、旅游等行业。

第二方DMP:指需求方服务提供者(一般是指DSP)搭建的DMP,旨在帮助广告主更好地进行投放,在提升效果的同时加大投放量,间接提升广告主在需求方平台的投放额度。

第三方DMP:指以数据交易为主要形式的DMP,为需求方提供数据交换、售卖等服务。通常需要对接入DSP后再运用到广告投放中。

2. 原生广告

“原生”这一概念有两种诉求:表现原生与意图原生。

表现原生是将广告的展示风格和样式变得与内容相一致;另一种诉求意图原生是将广告的投放决策逻辑与内容生产相一致,从而做到用户意图上的“原生”。

原生广告相关产品有:信息流广告,搜索广告,软文广告和联盟广告。其中信息流广告是表现原生,而搜索广告、软文和联盟很好的结合了表现和意图原生。比较理想的原生广告平台应该能兼顾表现原生和意图原生的要求,并且仍然可以以第三方平台的形式规模化地运营。

3. 原生广告与程序化交易

原生广告和程序化结合的点在于哪里?

搜索广告和信息流广告都是原生广告的特殊形式,而明确提供用户意图的搜索广告如果完全开放地进行RTB,则很难控制付费结果的相关性。但如果是像社交网络信息流这样的原生广告环境,由于用户意图并不明确,则可以考虑用程序化交易的方式来运营。

 

本文由 @无语凝咽 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
评论
欢迎留言讨论~!