跳转至

在线广告梳理

在线广告的背景

互联网思维：类比硬币，其正面是以免费模式为核心的互联网产品以及服务，用于获取流量、数据、影响力；背面是以广告为核心的后向变现体系，用于将流量以及数据转换为金钱。

现代互联网的核心打法通常是免费模式 + 后向变现：

  • 首先，将能够规模化、个性化传播信息的商品，以边际成本的价格进行出售，获取流量、数据、影响力。
  • 其次，利用以在线广告为核心的商业化手段，将数据、流量、影响力进行变现。比如向产品中夹杂付费内容、基于用户行为数据信息调整投放的策略以及效率、基于影响力让商家为媒体/内容创作者付费。

在线广告作为商业化的核心手段，是由传统广告一步步演化而来的。通常，广告是指由广告主通过媒体来对受众进行信息传播并促使转化的过程。从广告根据目的来分类，分为品牌广告和效果广告，在线广告通常两者兼具。

在线广告的发展，也经历了展示广告、定向广告、竞价广告三个阶段。展示广告基于媒体的流量价值进行售卖；而定向广告基于流量价值 + 数据价值（比如用户标签）来进行售卖；当一次展示同时满足多个定向合约需求的时候，此时针对售卖的最优化问题催生出了竞价广告。

竞价广告的主流形式是需求方平台（DSP） + 广告交易平台（ADX）。当前中国的竞价广告体系，不同于国外（单个DSP对接多个ADX），通常以封闭式的DSP + ADX 为主，各个大厂间数据不互通，广告主想要同时触达全国用户，必须要在多个平台上同时投放。

从链路上来说如下所示：

  • 用户行为：用户开始刷抖音之后，在特定排序位置触发广告位，抖音客户端SDK收集用户的兴趣标签、设备信息、上下文以及行为数据，封装为广告请求发送到平台服务器。
  • SSP：平台收到广告请求之后，首先从用户本身、上下文信息、频次等方面进行审核，通过后设置广告低价（如2￥ CPM），之后将信息封装为BidRequest，发送给ADX。
  • ADX：ADX对于BidRequest以RTB格式广播到多个DSP，后者将进行出价决策。
  • DSP：DSP接收到BidRequest之后，首先进行特征提取（提取用户特征、设备特征、上下文特征、时间特征、历史特征），其次使用深度学习模型（如DeepFM、DCN、DIN）进行PCVR预测，其输入特征信息，输出PCVR指标。
  • RTA： 由于DSP通常为平台本身提供，其数据维护在平台内部，而如果广告主希望在DSP阶段通过自己的数据来动态调整决策，那么需要接入RTA。DSP阶段的oCPM * RTA调用返回的广告主期望系数，最终得到单次出价。
  • ADX: ADX此时得到多个DSP出价，结合广告主的广告质量进行综合排名。最终按照第一价格进行拍卖成交。
  • DSP：胜出的DSP返回广告创意素材给ADX，ADX转发给SSP，再发动到客户端进行渲染。
  • 用户互动：用户看到广告创意之后，可能会进行内容消费以及转化等行为。
  • 数据回传：DSP服务获取消费数据以及转化数据，进行模型的在线学习以及离线学习，优化模型的CVR指标预测能力。
  • 最终结算：广告主按照展示量 * 成交价的累加和 向媒体进行付费，至此完成流量和数据的商业化操作。

从结算方式来看，广告分为CPT（独占时间结算）、CPM（按展示次数结算）、CPA（按转化行为，如线索收集数量、安装数量等结算）、OCPM（可拆分为CPM * CTR 或者CPA * CVR）等结算方式。在线广告的核心计费指标为OCPM，这种计费方式对于广告主更加友好。在这种计费方式下，广告主只需要提供预期的CPA（即一次转化行为的成本），而媒体需要自己提高流量和数据的利用效率，最终CVR越高，由两者相乘计算得到的oCPM(CPA * CVR)就越高。对于广告主来说，其获得了高效的流量以及可控的转化成本，对于媒体来说，其通过高效的流量以及数据利用效率获得了更高的结算收入。

在线广告技术，从数据方面来讲是一个彻彻底底的大数据应用。一个大数据应用通常有三个特点：处理的为大规模行为数据、且通常无法采样只能全量加工，并且属于数据的自动化应用（与基于报表开发的洞察类应用相对立）。