吴老师分享5|《程序化广告实战》分享会暨新书发布会回顾

吴俊 《程序化广告实战》作者

分享主题:程序化行业现状、IAB对程序化广告的相关规范、行业各方的利益诉求、大数据实战常见坑及对策

《分享摘录1》《分享摘录2》《分享摘录3》《分享摘录4》,继续 分享摘录5:


整个的行业,她的发展实际上包括我刚刚讲的高速公路的发展,实际上就是各方利益诉求标准化的一个过程。从媒体ADX来讲,他需要保护他的用户体验,他需要有客户,他的客户跟他自己直客覆盖的客户要有一定的互补性。然后,从渠道、价格上他有一定的诉求,媒体一定是不会贱卖一些东西的。对于买方的诉求,希望获取更多的ROI,还有就是创意,媒体对广告尺寸,媒体的点位也有一些诉求。包括不同的交易方式,包括出价的高低和需求量,正是因为在双方的诉求表达的情况下,出现了程序化广告和ADX的这样的标准模式,把双方的需求进行了标准化,然后在ADX这边去进行交易。比如说在买方上传广告主素材的时候要上传资质,选这个广告主属于哪个行业,这是标准化的一个过程。然后,在媒体方,对于某些广告主的资质是否让过,这也是媒体方的一些标准化的规则在约束。还有价格政策,尤其对于视频的媒体流量,对不同行业的广告主是有不同的价格政策。比如说视频媒体对于品牌广告主,对于游戏广告主,对于电商广告主,他们的底价是不一样的。同样一个广告请求,怎么样区隔不同的价格?就是广告主上传资质的时候需要设置行业,价格也会按这个行业设置的不同也分配为不同,这样在媒体方也有标准化的不同的区别对待的价值及价格政策了。

这张图也是从卖方的角度来看的。对卖方来讲主要会有销售的工种,运营的工种,产品的工种。对于销售来讲,大家可能觉得媒体销售很在意的是,当然如果是具体的某一个销售,会在意他自己的业绩,但是对于媒体销售的总的Leader,他更在意整个总收入有没有增长,不能因为做某一个业务程序化或模式的变化而发生迁移,总盘子没有增长,仅仅是从一个口袋转到另外一个口袋里了,这是媒体方很不愿意出现的情况。这是第一个诉求点。

第二,运营,对于媒体方的用户运营同学,他们特别敏感的是什么?日活的数据,他们不希望被暴露。我们有的时候做程序化广告对接的时候是需要媒体提供每个广告请求的设备ID的数据的,但很多时候媒体在这块会比较敏感,我在2014年,我坦白跟大家讲,我去对接媒体,移动端对接门户媒体,新闻门户的媒体,花了一年的时间去推动他们让他们开放设备ID,上海通用广告主我们一起推动了一年之久的时间才推动了。为什么呢?很多时候媒体方害怕自己的运营数据被暴露,我们也都知道很多媒体会对外说,我是排名第一的,日活多少多少等等,这是很要命的问题,对于媒体而言。

作为这个行业的推动者,即使你是甲方,是大金主,你要去推动媒体接受这个,你也要有些话术,话术是什么?就是你开放给我,但是有些东西是通过你给我的,隐含的意思就是告诉媒体媒体是可以对数据有控制力的,媒体可以根据自己的业务需要调整数据的表现,其实是为了达成双方的一个妥协。为什么呢?因为媒体如果一点数据都不给你,你肯定没办法优化,如果媒体能给你80%的数据,或者70%的数据,你是不是可以在70%的数据里做优化。但是,任何事情都是换位考虑,不能说拿着上海通用一年几个亿的广告预算就压你,不是这样的,双方要站在对方的角度去考虑,所以这是运营方的考虑。

还有很要命的产品方,媒体的产品方很在意的是用户体验。很多时候我会跟媒体说,我们会跟媒体建立一个打底广告的机制,如果广告投放方若超时30毫秒还未返回广告(因为都是网络服务,做这样的确保机制很有必要的),这时候广告媒体方就出打底广告,会用这样的方式去处理这些数据开放及流量对接业务。

那么,这里简单总结一下,站在媒体方不能因为增加某种业务模式,而减少另一种业务模式的收入,不能因为某业务的模式发展,冲击另一业务模式的价格,不能为了迎合广告主而贱卖。这是原则问题。但是,行业也会有各种搅局者,就是可能有些行业排名第三、第四的这些玩家,他们希望拿到更多的预算,他们可能主动的做一些数据上的开放,这是大家以后在做具体项目实施的时候可能有一些应对技巧和策略。

上面讲完这个体系,下面深入看一下作为DSP方的一些特点,我的《程序化广告实战》的书里面也讲了一些运营优化的内容。这里我把DSP的算法、核心拿出来简单介绍一下。实际上作为DSP方,它的优化逻辑其实特别的简单,这跟我们人为来做优化其实也是一样的。我就先做通投,先通投几天看一下什么媒体、什么时段、什么地域、什么点位表现好,这时候后面就重点投它。那么,对于机器算法也一样,但是作为人的优化操作,他就有一个头疼的问题,就是他不能够去分析海量的数据,但是机器不一样,机器可以分析海量的数据。所以,机器是提前根据历史的数据去训练模型,去建立比如说对于不同的地域、不同的时段、不同的浏览器、不同的操作系统、不同的广告创意、不同的媒体及点位,他投下来之后的不同的CTR和不同的后续效果表现。实际上像不同的媒体、不同的时段、不同的地域、不同的创意,它的CTR表现是什么样的。人为优化操作的时候,大家经常可以用Excel都列出来,然后可以做排序,可以把同类的TOP几取出来,实际上算法就是做这样的事,把一些规律性的一些数据取出来之后,然后形成相应的一些模型,然后下一次一个广告来了之后,他就可以到到这个已建立好的模型里去看,这个广告是上海地区的,晚上10点的,我上次模型已经记了,上海地区晚上十点点击率高,这时候我觉得我有必要出一个高价,我要把这个广告机会拿到,因为我之前的历史模型训练下来,这个广告机会它的点击率高。

所以,就会回到像刚刚这样的图,这个图分成两部分,上面这个图就是实时处理的流程,就是我一个广告来了。图中蓝色的部分是一个事前计算的模型,事前用大数据训练的模型,大体逻辑就是我刚刚讲的逻辑。下面这部分图换了一种呈现的方式展示了我刚刚讲的那些逻辑。


(分割线,明天继续后续内容)


(转载请注明出处:微信订阅号:ad_automation)

本系列文章摘自作者刚出版的新书《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(直接点击链接报名参加):

通知:10月21号大数据程序化广告一线实战分享会(广州站)

文章被以下专栏收录

    分享程序化广告实战系列基础知识及经验,让更多入门同学更熟练运用程序化,推动程序化行业更加繁荣。让大家尽量少走弯路、少踩坑