卖方诉求及数据开放-IAB程序化定义系列【基础类】

卖方诉求

虽然程序化广告购买是行业大势所趋，但还是有很多媒体卖方拼死抵抗，尤其是那些已建立了庞大传统销售体系的卖方更难转型。只有市场搅局者希望用新模式重新洗牌（他们才是初期的主要行业推动力）。所以我们要充分的理解卖方的诉求才能很好地同卖方打交道，推动行业良性发展。

（一）价格保护

对于存在竞价的场景中：

卖方可以通过一些底价规则保护一些特殊库存或通过分类售卖或排除策略排除一些买家

典型案例：

1. 大部分视频媒体私有adx对不同行业都执行不同的底价政策：

游戏、电商、品牌、其他（中小）

很多视频媒体Adx都有类似的政策

2. 对于北上稀缺的视频前贴片的资源底价为天价：

部分视频媒体存在这个现象。

（二）卖方核心诉求

媒体卖方中的不同工种角色对程序化广告的态度和核心诉求也不同。所以我们也需要充分理解并合理应对。

卖方销售：关心的是总销售盘量是否会增加，若简单的从一种模式转移到另一种模式。卖方的动力不大。
媒体运营：用户日活数据不可暴露，这是媒体十分敏感的数据。会直接影响到媒体在市场中的位置以及媒体商业变现的体量。
媒体产品：用户的体验及隐私数据的保护，是媒体方产品最最关心的问题。不能因为程序化广告的加入影响了用户体验（例如：响应速度、用户注意力、不能误导用户），或侵犯用户的隐私数据等等。

这些都会是行业升级过程中会遇到的阻力。我们只有深刻认识才能以多方共赢为出发点找出解决方案。

目标人群投放（TA-Target Audience）

对目标人群进行筛选流量投放广告是才能达到我们所讲的“在合适的时间合适的上下文场景推送合适的信息”。这就需要流量方开放用户的行为信息。在流量中携带用户行为的相关数据，所以某种意义上可以说程序化广告购买是流量媒体卖方一种数据变现的方式。

（一）用户行为信息保护

一般卖方会根据自己的考虑适度开放，这点是程序化购买模式中的一个十分重要的功能。这些信息对精准分析用户的相关属性特别关键，尤其是若广告主存在目标人群分析强烈的需求，就需要建议卖方开放足够多的信息。

例如：

a.媒体的顶级/子域名

b.媒体的频道/栏目

c.用户访问的媒体页面的完整URL（Full URL）(强烈建议此模式)

d.媒体URL保护处理：

e.完全不提供，买方完全不知道购买的何处的媒体库存。

视频媒体的流量中还存在：剧目、频道等重要信息；移动端有LBS信息等等。

注意：移动端APP很少能取到用户阅读页的上下文内容，对行为分析受到一定限制。

（二）广告请求中携带的广告位及用户数据

OpenRTB协议标准中已约定的广告请求携带的相关数据段，这些数据是分析用户行为及机器学习建立模型十分重要的因子维度。但刚刚也说了实际情况不是所有流量都能获取到这些数据的，媒体方会根据自身变现的考虑选择开放哪些数据。

OpenRTB协议标准中已约定的广告请求携带的广告位相关数据供大家参考：

banner数据段：尺寸、位置、mimes（说明该广告位支持的多媒体类型，例如：Flash、gif、MP4等等）、topframe（0说明广告位在iframe，1说明广告位不在iframe而在“topframe”顶级页面框架中）、expdir（若是可扩展的广告位（点击广告，广告会扩展变大的广告位），说明可扩展的方向）等等；
Video数据段：mimes、时长、尺寸、位置等等；
Native数据段：mimes、尺寸、位置等等；
Site数据段：名、域名、类（网站所属类别）、大类（网站所属大类）、页面类（广告所在页所属类别）、Url（该页面的url）、来源（从那个页面调转到该页面）、搜索词、是否移动Web、关键词等等；
App数据段：名、AppId、域名、storeurl（该App在AppStore中的地址）、类（App所属类别）、大类（App所属大类）、页面类（广告所在页所属类别）、是否收费App、关键词等等。

OpenRTB协议标准中已约定的广告请求中携带的用户行为数据供大家参考：

Geo（位置信息）：经纬度、国、市、区等等；
User（用户信息）：出生年、性别、关键词、浏览器等等；
Device（设备信息）：ip、设备类型（PC、手机、平板等等）、设备ID（IMEI、IDFA、MAC等等）、型号、操作系统、操作系统版本、硬件版本、设备屏幕尺寸、设备分辨率、系统语言、设备上网运营商、设备上网方式（WIFI、2G、3G等）等等。

（三）目标人群投放

在程序化购买模式中存在大量的对目标人群数据的使用。这些数据主要来源于：

a. 之前campaign投放的广告主方的第一方数据（点击、到达、转化），访客找回（retargeting）效果较好；

b.竞品或其他第三方监测收集的之前campaign投放的的第三方数据；

c.（第三方）DMP供应商按广告主提供相关标签及Look-alike挖掘出的第三方数据；

d.以上数据为样本，及结合投放中的执行数据优化行为数据挖掘出的人群数据；

e.目标人群排除也很常见；

需说明的几点：

1.首要前提是要有人群数据库及已打过标签分析过的人群数据库；

2.retargeting效果较好；

3.割裂的DMP数据，脱离了投放执行环节的数据无法持续优化及提高绩效；

4.PC端，cookie需mapping后，积累的cookie才能被使用。