吳老師分享5|《程序化廣告實戰》分享會暨新書發布會回顧

吳俊 《程序化廣告實戰》作者

分享主題：程序化行業現狀、IAB對程序化廣告的相關規範、行業各方的利益訴求、大數據實戰常見坑及對策

接《分享摘錄1》、《分享摘錄2》、《分享摘錄3》、《分享摘錄4》，繼續 分享摘錄5：

整個的行業，她的發展實際上包括我剛剛講的高速公路的發展，實際上就是各方利益訴求標準化的一個過程。從媒體ADX來講，他需要保護他的用戶體驗，他需要有客戶，他的客戶跟他自己直客覆蓋的客戶要有一定的互補性。然後，從渠道、價格上他有一定的訴求，媒體一定是不會賤賣一些東西的。對於買方的訴求，希望獲取更多的ROI，還有就是創意，媒體對廣告尺寸，媒體的點位也有一些訴求。包括不同的交易方式，包括出價的高低和需求量，正是因為在雙方的訴求表達的情況下，出現了程序化廣告和ADX的這樣的標準模式，把雙方的需求進行了標準化，然後在ADX這邊去進行交易。比如說在買方上傳廣告主素材的時候要上傳資質，選這個廣告主屬於哪個行業，這是標準化的一個過程。然後，在媒體方，對於某些廣告主的資質是否讓過，這也是媒體方的一些標準化的規則在約束。還有價格政策，尤其對於視頻的媒體流量，對不同行業的廣告主是有不同的價格政策。比如說視頻媒體對於品牌廣告主，對於遊戲廣告主，對於電商廣告主，他們的底價是不一樣的。同樣一個廣告請求，怎麼樣區隔不同的價格？就是廣告主上傳資質的時候需要設置行業，價格也會按這個行業設置的不同也分配為不同，這樣在媒體方也有標準化的不同的區別對待的價值及價格政策了。

這張圖也是從賣方的角度來看的。對賣方來講主要會有銷售的工種，運營的工種，產品的工種。對於銷售來講，大家可能覺得媒體銷售很在意的是，當然如果是具體的某一個銷售，會在意他自己的業績，但是對於媒體銷售的總的Leader，他更在意整個總收入有沒有增長，不能因為做某一個業務程序化或模式的變化而發生遷移，總盤子沒有增長，僅僅是從一個口袋轉到另外一個口袋裡了，這是媒體方很不願意出現的情況。這是第一個訴求點。

第二，運營，對於媒體方的用戶運營同學，他們特別敏感的是什麼？日活的數據，他們不希望被暴露。我們有的時候做程序化廣告對接的時候是需要媒體提供每個廣告請求的設備ID的數據的，但很多時候媒體在這塊會比較敏感，我在2014年，我坦白跟大家講，我去對接媒體，移動端對接門戶媒體，新聞門戶的媒體，花了一年的時間去推動他們讓他們開放設備ID，上海通用廣告主我們一起推動了一年之久的時間才推動了。為什麼呢？很多時候媒體方害怕自己的運營數據被暴露，我們也都知道很多媒體會對外說，我是排名第一的，日活多少多少等等，這是很要命的問題，對於媒體而言。

作為這個行業的推動者，即使你是甲方，是大金主，你要去推動媒體接受這個，你也要有些話術，話術是什麼？就是你開放給我，但是有些東西是通過你給我的，隱含的意思就是告訴媒體媒體是可以對數據有控制力的，媒體可以根據自己的業務需要調整數據的表現，其實是為了達成雙方的一個妥協。為什麼呢？因為媒體如果一點數據都不給你，你肯定沒辦法優化，如果媒體能給你80%的數據，或者70%的數據，你是不是可以在70%的數據里做優化。但是，任何事情都是換位考慮，不能說拿著上海通用一年幾個億的廣告預算就壓你，不是這樣的，雙方要站在對方的角度去考慮，所以這是運營方的考慮。

還有很要命的產品方，媒體的產品方很在意的是用戶體驗。很多時候我會跟媒體說，我們會跟媒體建立一個打底廣告的機制，如果廣告投放方若超時30毫秒還未返回廣告（因為都是網路服務，做這樣的確保機制很有必要的），這時候廣告媒體方就出打底廣告，會用這樣的方式去處理這些數據開放及流量對接業務。

那麼，這裡簡單總結一下，站在媒體方不能因為增加某種業務模式，而減少另一種業務模式的收入，不能因為某業務的模式發展，衝擊另一業務模式的價格，不能為了迎合廣告主而賤賣。這是原則問題。但是，行業也會有各種攪局者，就是可能有些行業排名第三、第四的這些玩家，他們希望拿到更多的預算，他們可能主動的做一些數據上的開放，這是大家以後在做具體項目實施的時候可能有一些應對技巧和策略。

上面講完這個體系，下面深入看一下作為DSP方的一些特點，我的《程序化廣告實戰》的書裡面也講了一些運營優化的內容。這裡我把DSP的演算法、核心拿出來簡單介紹一下。實際上作為DSP方，它的優化邏輯其實特別的簡單，這跟我們人為來做優化其實也是一樣的。我就先做通投，先通投幾天看一下什麼媒體、什麼時段、什麼地域、什麼點位表現好，這時候後面就重點投它。那麼，對於機器演算法也一樣，但是作為人的優化操作，他就有一個頭疼的問題，就是他不能夠去分析海量的數據，但是機器不一樣，機器可以分析海量的數據。所以，機器是提前根據歷史的數據去訓練模型，去建立比如說對於不同的地域、不同的時段、不同的瀏覽器、不同的操作系統、不同的廣告創意、不同的媒體及點位，他投下來之後的不同的CTR和不同的後續效果表現。實際上像不同的媒體、不同的時段、不同的地域、不同的創意，它的CTR表現是什麼樣的。人為優化操作的時候，大家經常可以用Excel都列出來，然後可以做排序，可以把同類的TOP幾取出來，實際上演算法就是做這樣的事，把一些規律性的一些數據取出來之後，然後形成相應的一些模型，然後下一次一個廣告來了之後，他就可以到到這個已建立好的模型里去看，這個廣告是上海地區的，晚上10點的，我上次模型已經記了，上海地區晚上十點點擊率高，這時候我覺得我有必要出一個高價，我要把這個廣告機會拿到，因為我之前的歷史模型訓練下來，這個廣告機會它的點擊率高。

所以，就會回到像剛剛這樣的圖，這個圖分成兩部分，上面這個圖就是實時處理的流程，就是我一個廣告來了。圖中藍色的部分是一個事前計算的模型，事前用大數據訓練的模型，大體邏輯就是我剛剛講的邏輯。下面這部分圖換了一種呈現的方式展示了我剛剛講的那些邏輯。

（分割線，明天繼續後續內容）

（轉載請註明出處：微信訂閱號：ad_automation）

本系列文章摘自作者剛出版的新書《程序化廣告實戰》，各大電商網站（如：《程序化廣告實戰》(吳俊)【摘要 書評 試讀】- 京東圖書）均有售。

近期活動通知（直接點擊鏈接報名參加）：

通知：10月21號大數據程序化廣告一線實戰分享會（廣州站）