广告投放基础知识
2021-12-27 15:41:33 56 举报AI智能生成
广告投放基础知识包括了解目标受众、选择合适的广告平台和渠道、制定有效的广告策略等。首先，要明确广告的目标受众是谁，了解他们的需求和兴趣，以便更好地定位广告内容。其次，要根据目标受众的特点选择合适的广告平台和渠道，如社交媒体、搜索引擎、电视等。最后，要制定有效的广告策略，包括确定广告预算、选择合适的广告形式和内容、设置合理的广告投放时间和频率等。通过掌握这些基础知识，可以更好地进行广告投放，提高广告效果。
作者其他创作
大纲/内容
DSP需求方平台
简介：demand side platform,需求平台允许广告商和广告主更方便的访问，以及更有效的购买广告库存，因为该平台汇集了各种广告交易平台、广告网络、供应方平台、甚至媒体的库存，有了这一平台，就不需要出现另一个繁琐的购买步骤--购买请求（）
产品广告直接推送至潜在用户或者目标用户前，对于传统（广撒网式）广告升级；
为广告主或者代理商提供实时竞价的广告投放平台，用户可在这个平台管理投放活动，结束数据分析优化投放策略；
产品广告直接推送至潜在用户或者目标用户前，对于传统（广撒网式）广告升级；
为广告主或者代理商提供实时竞价的广告投放平台，用户可在这个平台管理投放活动，结束数据分析优化投放策略；
价值：实时竞价投放；人群精准定位
核心模块
竞价系统
概念：帮助需求方在RTB市场进行广告流量精准竞价采购和展示，决策为毫秒级，并且每秒需要处理的流量数以万计；
在RTB背景下，DSP需求决策不再是，‘某年某日某网站焦点图’而是要决策‘某台设备在某年某日几点几分几秒打开某个门户网站、app小程序、广告位有多少展示机会、尺寸是多少、设备用户的标签是什么、广告展示的最低价是什么，是否要购买，出价是多少’
eg：用户张三标签游戏爱好者，在2020/09/20 11:53:35打开腾讯视频，腾讯视频首页广告位以轮播形式，可投放5个，尺寸是600*300，展示最低价0.04，是否需要购买，你的出价是多少；
在RTB背景下，DSP需求决策不再是，‘某年某日某网站焦点图’而是要决策‘某台设备在某年某日几点几分几秒打开某个门户网站、app小程序、广告位有多少展示机会、尺寸是多少、设备用户的标签是什么、广告展示的最低价是什么，是否要购买，出价是多少’
eg：用户张三标签游戏爱好者，在2020/09/20 11:53:35打开腾讯视频，腾讯视频首页广告位以轮播形式，可投放5个，尺寸是600*300，展示最低价0.04，是否需要购买，你的出价是多少；
RTB市场是指通过RTB技术购买或售卖流量资源的市场，一个典型的RTB市场其中主要参与平台是DSP/SSP，而促成双方达成交易的则是ADX；
当DSP收到竞价请求后，首先会检索自身策略库，然后决定是否购买此次流量，如果决定购买，将决策出价和广告内容回传给ADX，称为竞价响应；
最终，ADX找出最高出价DSP，将广告内容返还给SSP展示，至此整个竞价流程完成；
当DSP收到竞价请求后，首先会检索自身策略库，然后决定是否购买此次流量，如果决定购买，将决策出价和广告内容回传给ADX，称为竞价响应；
最终，ADX找出最高出价DSP，将广告内容返还给SSP展示，至此整个竞价流程完成；
竞价工作原理
适配器：对接adexchange,结束ADX的竞价请求，（bid-request）,转化为统一的可识别的模式；
对接内部系统，将处理器返回的结果进行转换，变成ADX可识别的格式；
对接内部系统，将处理器返回的结果进行转换，变成ADX可识别的格式；
处理器：对接策略系统，在收到竞价请求后，依据用户预先设置以及算法优化配置的广告策略，对竞价请求进行处理，决策是否出价、出价价格、内容广告等 ；
常见处理流程：1.广告主侧：业务数据库、算法配置--广告主投放策略：资金、渠道、人群、创意--决策系统--‘处理器循环’
2.ADX--适配器--‘处理器循环’
3.‘处理器循环’：预算控制--流程过滤--频次控制--人群过滤--算法加权--内部竞价；
2.ADX--适配器--‘处理器循环’
3.‘处理器循环’：预算控制--流程过滤--频次控制--人群过滤--算法加权--内部竞价；
不同ADX的竞价请求会由适配器进行转化，处理成统一的请求后，由由处理器发送决策系统，对请求分析、出价、输出广告内容，处理完成后，处理器会将结果返回给适配器，由适配器返回给相应的ADX;
策略系统
概念：策略系统是需求方优化广告投放效果、提升广告效益的重要部件，作用是存储广告投放策略‘人工+算法’；控制竞价系统有计划地进行TRB流量采集购买和广告展示，从而优化效果；
区别于传统广告包断购买，程序化广告的投放则更为精细，优质的ADX往往会尽可能的将用户的特证信息、行为信息、附加到竞价请求中，以便DSP竞价系统根据预设定投放预算及策略，判断是否符合决策、是否出价、出价价格、广告内容等；
解决痛点：如何在众多流量中，找到最有价值的流量，把预算花在刀刃上，是让多数广告主头疼的问题，决策系统正是为了解决这一问题而诞生的；
工作原理
广告投放策略往往是一个策略集，最小的策略组合可分为四部分
资金策略：包括对账、出价价格、投放速度、频次控制等；
媒体策略：包括网页-广告位名称、应用-广告位名称；
人群策略：用户标签、设备标签、系统标签等；
创意策略：文案、创意图片、落地页等；
在实际广告竞价中，各策略虽相对独立，却也共同发挥作用，其目的便是帮助广告主筛选出符合的流量；
注意点：在实际过程中，DSP的做法却是在帮助流量挑广告，对于一个竞价请求来说，是需要通过处理器来层层挑选出符合请求的广告活动，最终找出对流量出价最高的广告；
决策流程简易图：决策系统（广告投放策略库：策略1.2.3....）、竞价系统（竞价请求：过滤器1：黑名单、过滤器2：审核、过滤器1：排期、过滤器1：人群、过滤器n....、比价：预算控制---出价）、广告活动（有效的广告、通过过滤器1.2.3....n的活动，最终出价的广告---出价）
1.识别用户：DSP系统通常会在广告展示的时候，同时防止一个检测点，这样当用户第一次访问广告主网站时，就会种下一个cookie，这样DSP就可以追踪到这个用户在广告主网站上的行为数据，DSP还会和媒体以及第三方DMP合作，进行cookie mapping，以便在竞价前能够识别该用户；
2.受众选择：对广告主的每一个推广活动，制定一个模型，该模型以在广告主的网站上发生转化行为（转化行为可以是注册、点击、购买、下载等）的用户为正例，没有发生转化行为的用户为负例，建立模型后，对所有的用户预估转化率p=c/u,即用户u有多大概率会在广告主页面发生转化行为（conversion），去掉大多数转化概率非常小的用户，将目标用户根据转化概率高低分到不同的投放计划中，这样对每一个活动就找到了很多的目标用户，而且这些用户根据他们的质量高低，被分别放在不同的投放排期中；
3.进行实时竞价：当ADX（ad exchange）把请求发过来的时候，DSP会拿到以下信息：当前广告位的信息，当前用户的cookie和终端信息，DSP需要在指定时间内（通常100ms内），根据对当前用户分析，并且结合当前广告位，根据自己的bidding算法，来要决定是否买这次展现，投放哪个compaign的广告，出价是多少bidding，并向ad exchange返回出价信息，如果超过时间DSP没有响应，则exchange默认DSP放弃这次竞价；
4.展现广告：如果赢得了展现机会，则DSP返回创意，用户就会在该广告位看到该创意；
5.追踪转化：DSP在广告主的网站上埋了点，就能知道用户是否在这次展现之后进行了转化行为，根据这些数据统计转化率，每个转化平均成本等指标，汇总成报告给广告主；
2.受众选择：对广告主的每一个推广活动，制定一个模型，该模型以在广告主的网站上发生转化行为（转化行为可以是注册、点击、购买、下载等）的用户为正例，没有发生转化行为的用户为负例，建立模型后，对所有的用户预估转化率p=c/u,即用户u有多大概率会在广告主页面发生转化行为（conversion），去掉大多数转化概率非常小的用户，将目标用户根据转化概率高低分到不同的投放计划中，这样对每一个活动就找到了很多的目标用户，而且这些用户根据他们的质量高低，被分别放在不同的投放排期中；
3.进行实时竞价：当ADX（ad exchange）把请求发过来的时候，DSP会拿到以下信息：当前广告位的信息，当前用户的cookie和终端信息，DSP需要在指定时间内（通常100ms内），根据对当前用户分析，并且结合当前广告位，根据自己的bidding算法，来要决定是否买这次展现，投放哪个compaign的广告，出价是多少bidding，并向ad exchange返回出价信息，如果超过时间DSP没有响应，则exchange默认DSP放弃这次竞价；
4.展现广告：如果赢得了展现机会，则DSP返回创意，用户就会在该广告位看到该创意；
5.追踪转化：DSP在广告主的网站上埋了点，就能知道用户是否在这次展现之后进行了转化行为，根据这些数据统计转化率，每个转化平均成本等指标，汇总成报告给广告主；
DSP 受众选择算法：1. Low-level Model:这个模型的作用是做初选。所有在活动对应的广告主网站上发生转化行为的用户作为正例，其他的用户作为负例。该模型的特征只有一类，就是用户历史访问过的URL。采用线性方法降低维度影响
2. High-level Model: 这个模型的作用是细选。模型的样本和Low-level Model一样，特征就不限于用户访问过的URL了，可以是这个用户的各种挖掘出来的属性标签，包括可解释的分类标签，不可解释的聚类，与广告主网站的关联特征等。也就是给用户打标签的方式
2. High-level Model: 这个模型的作用是细选。模型的样本和Low-level Model一样，特征就不限于用户访问过的URL了，可以是这个用户的各种挖掘出来的属性标签，包括可解释的分类标签，不可解释的聚类，与广告主网站的关联特征等。也就是给用户打标签的方式
低阶算法：以控制单位成本为首要考虑因素；形式：CPM出价上限，默认5元，建议出价范围5-50元；CPC单价上限，默认0.5元，建议出价范围0.5-5元
格瑞地greedy algorithm:在既定总预算和定向条件下，基于投放的策略进行持续改进，将投放效果不好的的定向属性，优先级排到最后，对策略进行自动优化，从而实现的优化目标；
比如在人群定向的范围内，18-25岁之间的曝光数最多，那么在后续的排期中，优先向18-25岁之间的人群投放；
比如在人群定向的范围中，18-25岁之间的曝光数最多，但是点击量较少，但是30-35岁之间的点击量最多，且大于18-25岁的点击量，如果最大化目标是点击量，那么在后续的排期中，优先向30-35岁之间投放；
需要阶段性对投放策略进行聚类分析；
不会超过已设置的策略范围；
寻找最有效的策略组合；
比如在人群定向的范围中，18-25岁之间的曝光数最多，但是点击量较少，但是30-35岁之间的点击量最多，且大于18-25岁的点击量，如果最大化目标是点击量，那么在后续的排期中，优先向30-35岁之间投放；
需要阶段性对投放策略进行聚类分析；
不会超过已设置的策略范围；
寻找最有效的策略组合；
适用情况：广告主不能非常明确投放策略时、投放策略范围较大时；
预期效果：投放效果持续上升、在策略投放过程中，对策略不断改善；
蚁群算法
在既定总预算和定向条件下，基于投放的媒体（广告位）进行持续改进，将投放效果不好的广告位排除，实现优化目标；
将一个个广告位，看作一块块实物，初始时蚂蚁不知道食物在哪、有多大；
广告位包含属性：媒体；广告位隐藏属性：人群（地域、场景）；
不会超过已设置的策略范围；
寻找最有效地广告位和人群定向；
将一个个广告位，看作一块块实物，初始时蚂蚁不知道食物在哪、有多大；
广告位包含属性：媒体；广告位隐藏属性：人群（地域、场景）；
不会超过已设置的策略范围；
寻找最有效地广告位和人群定向；
使用情况：广告位定向中选择多个广告位，人群定向范围大；
预期效果：投放效果持续上升；自动调整时段投放量（或高级策略中设置投放时段）；资源集中在某些媒体的某些广告位上；
决策系统将投放策略切分，处理成一个个细分程序，竞价系统在竞价时会运行这些进程，对所有开启的广告活动进行过滤；
通过所有过滤器的活动即为可能代表DSP出价的广告活动，决策系统会根据这些活动的出价价格、转化率、活动剩余预算来综合考虑（调价算法+预算控制算法），选出能最大化DSP利润的活动广告，将广告的出价以及内容由竞价系统返回给ADX；
通过所有过滤器的活动即为可能代表DSP出价的广告活动，决策系统会根据这些活动的出价价格、转化率、活动剩余预算来综合考虑（调价算法+预算控制算法），选出能最大化DSP利润的活动广告，将广告的出价以及内容由竞价系统返回给ADX；
注意：在实际工程实现中，竞价系统和决策系统界限很模糊，一些基础的特征过滤，如排期、广告位特征的过滤，会写成一个程序；
资源管理系统
资源管理系统是需求方协调资源的重要部件，作用是帮助需求方管理客户、媒介、数据、财务在内的多方面资源，保证程序化购买有序进行；
资源管理系统是需求方协调资源的重要部件，作用是帮助需求方管理客户、媒介、数据、财务在内的多方面资源，保证程序化购买有序进行；
资源管理系统需要协调内容
客户管理：包括DSP登录账号的开通、RBAC管理、用户资质管理等；
媒介管理：ADX渠道管理、广告位、创意模板、字段、审核等；
数据管理：数据报表、各维度指标、统计展示、系统级账户级的检测；
财务管理：客户账户的溢价、充值/授信、扣款等
媒介管理：ADX渠道管理、广告位、创意模板、字段、审核等；
数据管理：数据报表、各维度指标、统计展示、系统级账户级的检测；
财务管理：客户账户的溢价、充值/授信、扣款等
协调关系示意
渠道ADX：app、小程序、门户网站；
媒介管理（渠道接入、广告位、创意模板）
客户管理（账户层级、角色权限、投放资源）
客户管理（账户层级、角色权限、投放资源）
财务：财务管理（溢价管理、充值/授信、扣费）
管理员：数据报表（客户报表、消费明细、资源报表、维度报表、数据监控）
在DSP平台的竞价购买和运行管理中，资源管理系统的各部分相互影响，为整个竞价决策提供资源支持，并进行有序管理，保证DSP平台的稳定运营；
注意：由于DSP平台的流量、价格是在不断变化的，因此账户乃至系统级资源消耗变化普遍较大，如果单靠人工查看账户资源变化、系统资源变化的情况，不仅有较高的人力、时间成本，还会导致问题发现滞后，引发连带关系，导致系统运营风险；
为更好防控风险，DSP平台需要在数据管理模块建立一套数据监控体系，满足账户、系统级别的现金监控（包含金额、消耗、流量价格等），流量监控（渠道、广告位、广告尺寸、竞价请求、出价数等）；
通过设定应用范围、触发条件、检查时间等可及时通知相关人员采用相应应急措施；
为更好防控风险，DSP平台需要在数据管理模块建立一套数据监控体系，满足账户、系统级别的现金监控（包含金额、消耗、流量价格等），流量监控（渠道、广告位、广告尺寸、竞价请求、出价数等）；
通过设定应用范围、触发条件、检查时间等可及时通知相关人员采用相应应急措施；
总结：DSP除了颠覆传统媒体的购买方式，也颠覆了传统广告投放逻辑，明确了以受众为中心的购买方式；
行业名词
广告主：指想为自己的品牌、产品做广告的人
媒体：提供广告的载体、平台
广告商：本质属于中介、代理，帮助广告主寻找媒体广告位，帮媒体寻找广告主
受众：目标用户群，消费广告的人群
RTB：real time bidding实时竞价平台
ADX:可以看做是一个RTB市场，SSP通过ADX将广告位传给众多DSP，ADX每传送一条信息都称为竞价请求（包含媒体、用户信息、广告位、商品落地页等等）
DSP：需求方平台
SSP：与DSP不可分割，供应商平台
行业评判标准
资源：全流量、全覆盖、全购买
数据：活大数据
算法：大规模技术团队
经验：数据和算法的积累
广告付费方式
CPC点击付费：cost per click,点击付费广告，根据广告被点击的次数收费；如关键词广告一般采取这种定价模式，比较典型的有google的ADsenseforcontent,百度联盟的百度竞价广告以及淘宝的直通车广告；
CPM按展示收费：cost per mille/ cost per thousandimpression,是一种展示付费广告，只要展示了广告主的广告内容，广告主就为此付费，这种广告效果不是特别好，但是却能给一些有流量的网站、博客带来稳定收入；
CPA按行为付费：cost per action,按广告实际效果计价方式的广告，按回应的有效问卷和订单来计费，而不限投放量，CPA的计价方式对于网站来说有一定风险，但若广告投放成功，其收益也比CPM计价方式高得多；
CPS按销售计费：cost per sales,以实际销售产品数量来计算广告费用的广告，这种广告更适用于购物类、导购类、网址导航类的网站，需要精准的流量才能带来转化，如凡客的网站联盟是这种广告形式的代表；
CPT按时长计费：cost per time,以时间来计费的广告，国内很多网站都是按照“一个月多少钱”这种固定模式来收费，广告形式粗糙，无法保障客户利益，但是是一种很省心的广告，能给你的网站、博客带来稳定收入；
广告投放简易流程
访问网站--接受数据通知RTB供应商--RTB监听--竞价价格及物料--竞价成功广告链接--显示广告--广告投放成功
RTB监听：userid/userip/广告位信息--竞价引擎--userid--人群数据库--广告主用户数据--竞价引擎--竞拍价格--导出RTB监听
ad exchange(广告实时竞价平台）
一个开放的、能够将出版商和广告商联系在一起的在线广告市场（类似于股票交易所），交易平台里的广告存货并不一定都是溢价库存，只要出版商想要提供的，都可以在里面找到；属于DSP模块中讲的RTB和ADX；
DMP(数据管理平台）
DMP（data-management platform）：数据管理平台，是把分散的多方数据进行整合纳入统一的技术平台，并针对这些数据进行标准化和细分，让用户可以把这些细分结果推向现有的互动营销环境里，以大数据为交易支撑，以场景营销服务的saas化智能营销平台，基于用户浏览习惯，平台环境及内容，展示场景，可以充分挖掘合适的广告展现位置，并量身定制广告形式；
SSP（供给方平台）
供应方平台能够让出版商也介入广告交易，从而使他们的库存广告可用，通过这一平台，出版商希望他们的库存广告可以获得最高的Cpm，而不必以低价销售出去；
Main Topic
Subtopic
Subtopic
Main Topic
Subtopic
Subtopic
Main Topic
Subtopic
Subtopic
0 条评论
下一页
