商业化产品经理 | 计算广告(3):在线广告交易系统功能模块详解

6 评论 16766 浏览 114 收藏 13 分钟

前面和大家介绍了关于在线广告的发展简史交易模式以及常见的广告样式,本文和大家介绍在线广告交易系统的核心功能模块及系统架构。

一、 在线广告交易系统的核心功能

在线广告交易系统(AdExchange)负责对接流量主和广告主,并负责完成计费和交易,由于程序化广告技术越来越先进,所以有时有人也会用RTB(real time bidding实时竞价)来代指AdExchange。

在介绍广告交易系统之前要先简单介绍一下用户查看网页时,一个广告是如何传送到用户眼前的:

在用户点击网站/APP/视频等媒体产生网络请求时,媒体会将请求交给负责整合流量的SSP,SSP将带有用户画像的信息交给AdExchange进行交易,AdExchange会通知所有负责整合广告主的DSP进行出价,并告知此次处罚的广告位尺寸、广告位出现的URL和类别、以及用户的Cookie ID等;在各个DSP平台中选择一个出价最高的广告主,并以出价第二高+0.1元的价格进行计费,然后将出价最高广告主的广告创意原路返回展示到用户面前,至此一个广告交易的基本流程结束了,整个流程一般会控制在100ms以内,其中涉及的所有数据都会在DMP中进行保存。

有了上面的流程图,大家应该就能了解一个AdExchange(广告交易系统)的基本运作模式了,拆分成主要核心模块就包括以下几个部分:

1. 在线投放模块

帮助广告主完成广告投放动作:包括预算设定、频控流控、广告管理、精准定向、投放时段、竞争出价等相关操作;完成接受请求、及时决策、广告的投放、等相关功能;

(1)预算设定:在每一次广告发送给用户之前都会先查询预算是否够用,国内大平台一般不支持额度透支;

(2)频控流控:为了防止用户看到的广告过多,引起反感,在广告投放时会进行频控和流控,保证一个页面中的大部分内容是读者想看的,一般用户可以接受的最密集程度是8个信息流内容中出现1个广告;

(3)广告管理:这里的广告管理代指广告位管理,包括网站或APP内的每一个广告位的规格、样式、排期、状态、收益等;

广告位是广告系统的资源,监控和调控广告位的内容,保证广告位的最大收益是商业化产品经理要关注的一件重要事情,一般广告位会先按整块时间段包给大的合约品牌方,这样的品牌方实力比较雄厚,优先将资源售卖给他们是一个优质的选择,其次再将小块完整的流量卖给小的合约广告主或一些优质的竞价广告主,最后还有剩余的会进行程序化实时竞价,具体可参考上一篇文章(商业化产品经理 | 计算广告(2):在线广告的交易模式与计费方式)

为了防止广告位开空窗,一般在设计广告位的时候都会在上面加入一层保底广告,一般来自其他广告联盟。广告检索系统为漏斗模型的原因主要还是在算法效果和性能之间寻求一个折中。漏斗模型从上到下,上层的算法是比较简单的,能够处理大批量的广告,越到下层,算法越精细。

(4)精准定向:基本解决的问题就是,用户是谁,用户来自哪里,用户要到哪去,而在投放模块中主要面对广告主使用,记录广告主想要投放的目标群体。在系统真实运作时,大致包含以下几种主要方式:

  1. 人群属性定向:主要指基于用户基本属性,包括年龄,性别等定向。如将化妆品类的广告投放给女性用户。
  2. 行为定向:指的是基于用户的历史行为数据挖掘用户的兴趣,如微博中用户对博文的转,评,赞等数据。
  3. 地理位置的定向:指的是利用移动设备记录用户的地理位置,投放相应的广告,如餐厅广告的投放。
    相似用户的定向:指的是利用已经找出的一些人,找到与其相似的用户进行定向。
  4. 关键字定向:根据机器或人工分析进行总结关键词,通过相似进行匹配。

(5)及时决策:广告交易系统对响应速度、数据吞吐量、准确度都有很高的要求,在用户的请求到来之时,就要给各方dsp传达信息,在规定的时间内完成多次跳转通信,必须要在100ms内完成决策,如果晚于100ms,很有可能会被误判为广告主无法展示或放弃竞价。

2. 检索/排序模块

检索筛选最适合、收益最高的广告展示给用户:包括分析用户标签与上下文、候选广告倒排索引、检索送入排序、在线计算ecpm排序等相关功能;

检索筛选最适合、收益最高的广告展示给用户:包括分析用户标签与上下文、候选广告倒排索引、检索送入排序、在线计算ecpm排序等相关功能;

(1)分析上下文:

  • 根据页面内容,通过算法确定如何识别出页面的标题 / 相关关键词。
  • 忽略凌乱的 HTML 内容,只筛选相关和重要的关键词。
  • 在不丢失推荐关键词的相关性的情况下,随着网址数量的增加进行扩展。

(2)倒排索引:

(3)ecpm计算:

千次展示期望收入(expected Cost Per Mille,eCPM),是最关键的定量评估收益的指标。表示实际或者估计的千次广告展示可以获得的广告收入。

eCPM又可分解为点击率和点击价值的乘积

eCPM=r(a,u,c)=μ(a,u,c).v(a,u,c)

  • a、u、c三个变量,分别代表广告、用户与环境
  • r:回报
  • μ:点击率,描述的是发生在媒体上的行为
  • v:点击价值(click value),即单次点击为广告产品带来的收益,描述的是发生在广告主网站上的行为
  • μ和v的乘积定量地表示了某次或若干次展示的期望CPM值。

3. 特征计算模块

完成广告预估模型的优化:包括CTR(Click-Through-Rate点击率)优化、CVR (Conversion Rate转化率)优化、需要在线计算的CTR模型及特征;

预估的目标是为特定的受众用户再给定的媒体环境下找到最合适的广告,对媒体来说实现收入最大化。最简单的CTR预估的模型,根据历史日志,统计出三个维度的CTR对照关系,预测过程中,当一个user访问特定url时,查询词典如果存在的CTR,则返回CTR最高的ad,如不存在,则随机返回ad,积累后续数据。

存在问题:基于统计数据,对旧广告效果还可以,但对冷启动的广告没有预测能力。
事实上,我们在线上做点击率预测模型,使用的算法是逻辑回归,后续可能考虑会用到的广告点击率预测方法有:

  • 机器学习方法:特征+模型
  • 协同过滤方法:推荐系统

排序模型以预测结果为基础,广告排序模型有如下几种:

  • 点排序(point-wise approach):变成分类问题或者回归模型来处理
  • 对排序(pair-wise approach):比较两个广告谁的优先级高,不分类
  • 列排序(list-wise approach):对整个广告候选集学习排序模型

4. 计费统计模块

管理广告主的预算及消耗情况:包括广告主预算管理、流量主收益管理、实时计费、平滑消耗、全局收益等功能;

5. 数据分析模块

存储和管理交易平台产生的所有数据:包括大数据存储、日志系统、数据清洗、数据分析、数据高速公路、反作弊、离线模型的优化等功能。

以上只是简单的从核心功能出发简介了AdExchange的核心模块,根据业务和公司的不同,各家的平台都会存在差异,但是只要围绕核心业务流程,大致的功能划分是基本相同的模式,随着平台体量的增加,平台的架构也会随之改变,本章带领大家了解了AdExchange的内部原理,后面将会从更多的角度和大家分享在线广告的内部细节。

二、全球四个顶级广告交易平台

1. Google Ad Exchange

当前,最流行的交易所是Google Ad Exchange,它为发布者提供了访问AdSense中所有广告客户以及其他高级/大品牌广告客户的权限。他们有优先交易,过滤/屏蔽,保证匿名性和Google信誉的条款,这绝对是大多数数字广告交易者的首选交易。

2. OpenX

对于大多数广告客户来说,OpenX也是另一个流行的选择,它提供了令人难以置信的Yield Analyst,吸引了许多买卖双方来交易所。交换保证了利益相关者在整个广告平台上的完全自治权。此外,他们的客户支持是一流的,可以迅速做出响应。

3. AppNexus

通过访问超过692,427个网站,AppNexus为希望在线做广告的人们提供了多种选择。它还具有专有的网关,可以访问主要的广告交易平台和广告资源汇总商。

4. SmartyAds

SmartyAds拥有超过250多个DSP,并迎合了全球用户群,在活跃的开放市场中拥有繁荣的买卖双方社区。该市场连接了高级发行商,移动应用程序和直接广告商,因此提供了优质的服务。

#相关阅读#

商业化产品经理 | 计算广告(1):在线广告起源及发展

商业化产品经理 | 计算广告(2):在线广告的交易模式与计费方式

 

作者:幻想伏特伽;公众号作者:幻想伏特伽,商业化 、计算广告产品经理

本文由 @幻想伏特伽 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 二价法是目前市场上使用比较广的一种定价方法,目的是避免广告主探低价,从而降低出价的问题。具体是不是加0.1,每个公司可能不一样,反正我们公司是有一套自己的计算公式。

    来自北京 回复
  2. 作者您好,您的文章对我帮助甚多。感谢!在这里有个小问题:第二竞价为什么需要+0.1元呢?这个是普遍都会加还是只是个别公司的策略,这里只是举个例子呢?再次感谢!~

    来自上海 回复
  3. 写的很详细,基本都能看懂。感谢分享,会继续阅读的

    来自辽宁 回复
  4. 公众号由于迁移问题暂时弃用,可以查看我的个人主页:www.koogllz.com

    来自上海 回复
  5. 写得蛮好的,对入门者有帮助

    来自江苏 回复
    1. 感谢支持

      来自上海 回复