■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( 二 )


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: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 。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:
■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
文章图片

文章图片

(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;
【■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】(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 。


推荐阅读