单Campaign视频PDB_下【业务类】

吴俊吴俊

《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

「真诚赞赏,手留余香」
还没有人赞赏,快来当第一个赞赏的人吧!
文章被以下专栏收录
还没有评论