程序化廣告實戰分享系列 – PDB之坑(二)

接上篇:

《吳俊:程序化廣告實戰分享系列 – PDB之坑(一)》

上次說到了視頻PDB有哪些KPI,這回從固定位PDB繼續吧:上篇也已講過固定位因為不能退量,媒體都是按CPD售賣的,所以要不就是單Campaign的多創意輪播;要不就是多Campaign的多產品共用流量。

以下為二者的異同點以及存在的坑,大家務必知悉:

1.「單Campaign的多創意輪播」:更多的是一種工具的使用場景。

2.「多Campaign的多產品共用流量」:從某種角度來看,各產品的CPUV確實會大大降低,而且如果做適度的針對不同的人投不同的廣告,後續的效果多少會有些優化。

看上去很美,但是還是有個大大的坑

多Campaign都有自己的排期,大家很難保持相同的排期相同的預算來均分流量,而且既然是CPD將該廣告位的流量全部包下,那麼那些超頻的PV給哪個產品呢?那些低齡用戶的PV給哪個產品呢?好像只能給那個預算最大的那個產品打底了,那麼預算最多的產品就要吃虧了。

另外關於後續效果的問題,還有一個坑

媒體流量其實對效果也起了很重要的作用,因為上媒體的用戶,瀏覽媒體內容的用戶都是由媒體的流量中產生的。所以後續效果這件事情到底是PDB還是媒體……;這裡有太多太多的坑了。

所以我在很多場合反覆強調大家一定要清晰的認識到程序化廣告僅僅是廣告行業的信息化工具和手段。不是救命稻草,不能盲目地把所有的KPI都壓到這個工具上。

況且廣告的核心功能是:曝光度、美譽度、知名度,讓消費者認識、認知、記憶、形成一種思維的購買記憶,至於消費者什麼時候購買,廣告無法保證和做到!

而程序化廣告精準廣告能解決的僅僅是在合適的時間對合適的人傳遞合適的品牌及產品信息。一個人從產生購買意願到最終消費中間的影響因素有非常的多。

好了,這個問題先到這裡,有興趣我們可以線下繼續聊。

下面重點從業務技術層面講講常見的誤區和坑吧:

誤區一:DSP+RTB那麼複雜我們都搞定了,PDB不就更小菜啦!

這是很多做過DSP+RTB的同學經常會有這樣的誤區,這樣就會也在產品功能設計、演算法支持、運營執行上留下了太多的坑。

以下為DSP+RTB與PDB的差異性分析:

我們需要重點強調的是:PDB不同於DSP+RTB的最大條件就在於流量是否能100%放棄。基於這個核心的差異,各個方面存在各種各樣的差異。

還是先來看看視頻PDB,上一篇也提到了媒體為了保證流量的售賣使用率,是肯定有一定的退量閥值的,若退量超過這個閥值,肯定是要加價的。

所以:

首先,在產品設計上:就應該儘可能減少各種DSP+RTB哪些引以自豪的定向條件的設置功能,例如:地域定向、時段定向、設備類型定向、LBS定向等等等等。當然會有同學提問了如果客戶需要廣東地區播放粵語素材,沒有地域定向我怎麼做投放設置呀?

其實為了視頻PDB項目盡量小的同第三方監測的地域GAP,應該禁止在PDB端做地域定向的設置,應該在接入流量的時候就按不同地域來接入流量。

因為大部分視頻媒體同第三方監測都已經有同源機房,所以採用同源機房的監測代碼能一定程度降低地域GAP(近期我整理一篇關於地域GAP的專題文章,這裡就不在贅述。)。

還有同學會問若客戶對不同素材投放時段有一定要求,如果沒有了時段定向設置那該怎麼辦呀?

其實是有很小很小的概率(200個項目中可能都不會出現一個這樣的需求)會出現這樣的項目需求,若真存在類似的需求,建議可以對時段定向等等定向功能安排一個特殊的許可權,一般的業務執行同學沒有這個高級許可權無法做相應的定向設置。

當然最重要的定向流量的功能一定要保留的,PDB就是廣告主項目同流量一對一的投放,所以肯定不能像DSP+RTB那樣什麼廣告主都能使用這個流量的。部分媒體在這方面也做了限制,對於不擁有這個流量的廣告主的廣告是投不出來的。

然後,看看演算法支持的特殊性吧,DSP+RTB的演算法是事先有離線模型從流量特徵(點位、時段、地域等等)、項目素材、人群標籤等等各種因子同成交價、勝率、CTR、CPC等等通過大量的機器學習建立數學模型。人群標籤是通過RTB收到ADX發過來的用戶的網路行為對不同的用戶打上各種標籤,且各種標籤的權重隨該用戶這方面的網路行為的頻度和媒體相關性等等都不同。每次競價請求過來,演算法通過離線的數學模型預測投放設置的優化KPI目標的概率來計算預測該不該出價、以及出多少價。DSP+RTB的演算法中是沒有退量比的計算環節的,最多有的是投放速度控制的環節。所以由此可見PDB的演算法同DSP+RTB的演算法簡直完全不同。

似乎有的同學覺得PDB演算法好像簡單許多,但是這要看KPI是什麼。如果KPI是簡單的聯合頻控,可能確實是不需要太多演算法的干預。但若KPI是TA或適度優化CTR(傳統視頻項目因品牌宣傳為主且CTR較高,所以一般很少以CTR作為KPI)等等。就需要PDB演算法了,PDB演算法最主要是在退量的實時處理上,在非TA的流量或影響KPI的流量上按DSP+RTB演算法是直接放棄的,而這個時候PDB的演算法卻不能放棄,需要先看一下退量是否還有空間,如果還有退量空間那麼就可以放棄該流量,若退量閥值已達到,那麼無論這個流量有多差都需要收下來投放廣告,這就是PDB演算法。

當然還有一種在PDB演算法不完善的的情況下用曝光上限來控制退量的,這種僅僅只能在PDB演算法還不健全的時候使用的臨時方案,這種設置很容易導致多退媒體的流量,因為不少媒體雖然約定了排期每天多少個CPM,但由於媒體為了確保消耗,在流量多的時候就會多推,流量少的時候就會少推(媒體方常說的「沖高保底」)。遇到這種情況曝光上限的設置就不能奏效了,就需要要求媒體按每天固定排期推量。但此時就會出現一個媒體銷售會說若量完不成就別怪媒體的尷尬情況。所以廣告主及代理公司都會要求PDB方能動態支持按退量比來投放而不是按固定曝光量來投放。記得曾經有個產品同學問題,這樣的話我們怎麼動態控制退量呀?每小時做么?我的回答是:每次曝光的都需要記錄該媒體該流量目前曝光了多少量、推送了多少量、退回了多少量、當前剩餘的退量空間。然後下次廣告請求來的時候根據這個剩餘的退量空間來決定是否需要該流量。而且需要重點強調一下的是退量閥值(推送比)是跟不同地域的流量走的,因為媒體不同地域的庫存是不同的。若某地域退量超過了閥值媒體同樣是不同意的,因為退量多了會導致媒體排期不能正常完成、收入少了。這是媒體銷售不答應的。

最後,來看一下運營執行上的特殊點:大多數RTB項目上線的時候不會要求所有的媒體都需要按排期出量。只要能按客戶要求的量完成出量即可,所以運營執行同學可以一個個平台逐步去審核通過及安排出量。但PDB項目不是,PDB上線第一天必須要所有媒體需要審核通過,放量、廣告上線投放。而PDB比傳統排期增加了很多中間環節:例如素材、監測代碼PDB方上傳,PDB投放設置開啟,媒體審核通過、媒體放量等等。而且很重要的一點是媒體放量是最後一個環節,必須確保所有的前序環節都完成了才能通知媒體放量。否則因此造成的退量媒體是不能同意的。所以運營執行上同RTB項目的差別還是很大的。(運營執行上的複雜度還是很高的,已經有很多媒體在不斷升級,對於PDB項目的素材不在安排線上人工審核的環節了只要素材上傳就自動通過。)

另外一個運營執行上需要注意的點是:之前傳統排期廣告代理只要把素材和監測代碼給到媒體,關於素材的轉碼改尺寸等等工作都是媒體內部消化了。而PDB執行中,素材很多時候通過系統對接的媒體存在規格要求,文件大小、尺寸、碼流等等。由於之前都是媒體消化了這塊,而這塊目前轉到PDB方來執行了,這塊也是個容易留坑的地方。項目運營執行的同學千萬要小心。

我們今天先到這裡,更多的誤區和坑會在後續繼續為大家梳理,敬請期待。

( 轉載請註明出處:微信訂閱號:ad_automation )

歡迎大家關注我們的微信訂閱號:ad_automation,了解更多程序化廣告實戰的內容,也歡迎大家把想要了解的問題、信息反饋給我們,我們會根據您的反饋撰寫更多內容。


推薦閱讀:

個性化-第一章《續》
圖說可視化,報表也能做得如此酷炫!
有一個傳奇叫:周杰倫! 大數據分析後的周杰倫就是這麼牛 但是有人卻質疑他

TAG:实时竞价RTB | 大数据 | 互联网广告 |