流量,作为广告变现的基础,如何合理利用流量,充分发挥其最大价值,是每个广告从业者都会面临的问题。本文从ADX的角度,探讨流量流转中的分发机制,合理的分发机制可最大化流量利益,希望读者能从本文获取一些启发。
ADX(AD Exchange),广告交易市场,在流量流转流程中起承上启下作用,向上对接DSP,向下对SSP/媒体负责,借助其工作流程来了解广告流量流转机制,有助于我们更好的去理解流量过分发过程中可能存在的优化点。广告流量流转机制如下:
当前端App触发广告流量机会时,会将本次流量下发给其对接的ADX,流量属性中通常会带有广告位和用户信息等相关属性;ADX在接收到流量请求时,首先会校验流量的合法性,最简单的就是参数校验,然后校验订单/DSP的预设值,最终将该流量下发给哪些DSP;DSP接收到本次流量时,根据流量中携带的相关属性决定是否参与竞价,如果流量合适,则返回参竞价格(或者dealId)及广告元素给ADX;ADX接收各家DSP竞价信息,在经过一系列的有效性判断之后根据价格竞价排序,价高者得之,将获胜的广告信息下发给媒体,同时通知DSP其广告获胜了(这一步非必需,但建议有);媒体在收到广告信息后,对广告进行渲染展示。
当产生用户行为时,需通过监测链接回传ADX和DSP相关行为数据,主要的行为曝光曝光、点击、下载、唤醒等。针对通过监测链接回传行为数据,有C2S(Client to Server)和S2S(Server to Server)两种模式,目前大多数客户都投放时都要求C2S的上报方式。其中关于ADX涉及的各关键指标在上篇《商化广告角色大盘点》中的ADX部分有所提及,本文旨在探讨流量分发机制,对指标不做过多的解释,感兴趣的读者可移步阅读。
通过上述流量流转流程可以发现,广告流量主要在ADX侧进行转发,如果ADX对接了多家DSP,合理的流量分发机制可以提升填充率及ecpm,使得流量收益最大化。
当ADX对接了多个DSP时,在请求不同的DSP时,是该串行请求还是该并行请求呢?这里面就涉及不同的策略。首先来说说串行请求,即waterfall。
waterfall,中文翻译为“瀑布流”,字面意思理解就是“从上往下流”,但“从上到下”这四个字该如何理解?在广告行业中,waterfall指的是“在无法实时评估每次流量的价值时,基于历史eCPM数据,从上到下请求DSP,分发流量”。这就是所说的广告串行请求。通过一个实际例子来看waterfall的使用场景。
假设ADX对接了三个平台,三个平台的eCPM和填充料分别如下:
假如有1000个广告请求,则有以下广告请求方案:
方案1:全部请求DSP1
收益 = 1000 * 20 / 1000 * 30% = 6
方案2:全部请求DSP广告源
收益 = 1000 * 15 / 1000 * 50% = 7.5
方案3:全部请求DSP3
收益 = 1000 * 25 / 1000 * 20% = 5
从上述的三个方案来看,虽然方案的eCPM最低,但其填充率最高,最终的总收益最高。那是否说方案2是最佳方案,答案肯定是不是的,因为其只利用了50%的流量,剩下50%的流量被浪费了,于是引申出了方案4。
方案4:先把1000个广告请求全部请求 DSP3 ,把未填充的部分请求 DSP1,最后未填充的部分请求DSP2,具体流量分发流程图如下。
收益 = 1000 * 25 / 1000 * 20% + 800 * 20 / 1000 * 30% + 560 * 15 / 1000 * 50% = 14
方案4最终的收益14元,填充率为72%,相对于前三种方案,既提升了收益,又提升了填充率。
那既然看着收益和填充率都上去了,是不是采用waterfall就可以解决流量分发问题了呢,现实总会让你啪啪打脸。waterfall的方案主要存在以下几个问题点:
这里关于“历史数据的eCPM”,咱们展开讲一下:
既然waterfall有诸多问题,那有木有其它替代方案?读者肯定在想,如果每次竞价的时候,DSP都能实时返回本次出价,那么这样就不需要计算和维护“历史eCPM数据”了,在流量分发时,就可以并行的分发流量,在得到所有DSP的出价后,根据出价决定竞价成功者,这就是“Header Bidding”。
“Header Bidding”,中文翻译为“头部竞价”,字面意思理解就是“流量发给头部买家,头部媒体进行竞价,然后将获胜的底价作为底价去请求其它不支持实时竞价的DSP”。要想实现这个,首先得有如下几个前提:
Header Bidding起源于国外,最初应用在PC上面。DFP(Google Doubleclick For Publisher),国外PC网站集成最多的广告平台,由于其垄断了PC广告,加上Google的Ad Exchange dynamitc bidding(感兴趣的朋友百度了解),对Publisher和其它DSP很不友好,因此AppNexus希望联手其它的ADX/DSP一起通过Header Bidding技术来撼动DFP的垄断地位。
从上述的描述中可以发现,header bidding相对于waterfall具备如下几处优点:
在国内,PC的发展已相对比较停滞不前,更大的潜力在移动端。因此更准确的说,国内的header bidding应该叫In-App bidding。由于国内的In-App bidding起步较晚,目前只有几家头部媒体支持实时返回出价,因此在很长的一段时间内都会是headering bidding和waterfall并存的方式,对于支持实时出价的媒体优先通过header bidding,然后将获胜的出价作为该广告位的底价去请求其它DSP,最终根据价格竞价。
其实无论是串行or并行,都只是解决问题的策略,核心目标只有一个“流量收益最大化”。站在媒体方的角度,当然是希望越多的媒体同时竞价;站在DSP的维度,必然是希望流量先发给自家,自家挑选完之后再发给其他家,甚至可能是流量独占。
当然现实中的环境错综复杂,不同的对接方式,也都会都会影响不同的策略,只有紧紧抓住“流量收益最大化”这个重点,兼顾多家利益,才能以不变应万变。
作者:包子
来源公众号:商业化产品日常笔记
]]>很多乙方广告公司在给甲方提案的时候,经常会踢到钢板,上来方案还没讲多久,甲方就会强调:
“策略部分过一下就行了,你们重点讲一下创意玩法以及后续怎么执行。”
有没有这种现象?
肯定有的,因为我就是在甲方,我干过这事!
那为什么甲方会让乙方:重点讲创意少讲点策略呢?是甲方不在乎策略吗?是甲方就爱听创意吗?
至少我不是。
最近看到公众号 “小圈梨” 一篇文章《为什么乙方提案时,甲方总说“重点讲创意,策略少讲点”?》,里面对此就有3个观点:
小圈梨的这几个观点,我大部分都是比较同意的。特别是甲方在企业组织结构上的难处,深感认同。
那作为甲方,还是干过让乙方少讲策略这事的甲方,老贼对此也谈谈几个观点。
首先,策略是啥?
策略是为企业某个关键问题提供行之有效的解决方案。而做策略其实就是针对企业问题,发现问题,找到切入点,给出解决方法的过程。
所以,做策略,一定有个前提。
就是非常了解品牌细分市场、目标消费者、产品本身、销售渠道以及潜在竞争对手。
这需要在做方案前,进行大量的数据分析和调研,比如做行业上下游分析、市场竞争分析、产品优劣势分析、消费人群分析、终端走访、做消费者调研等等。
有的还需要全方位的了解公司组织结构、各条产品线4P分析、价格体系、销售渠道、成本利润等等。
这些不属于执行层面的东西,看上去比较形而上,但一定是实打实的,肯定要做,且是属于顶层设计的环节。
总之,做策略是一定要对企业本身、目标消费人群、市场竞争对手非常了解。
而这就是问题所在了。
老贼说3个点。
01
策略这个词现在都用滥掉了,啥啥都是策略。很多乙方方案里所谓的策略,越来越浮于表面,做得模板化。
找一些数据报告,套几个理论模型,就是策略了,留于废话和文字游戏。完全没有前面说的大量数据分析和前期专业调研。
甚至还有的,刚开始各种数据,各种模型讲得是有理有据,本来听得还挺认真的,然后突然来个结论,整个人都懵逼了,这是怎么推导出来的?这有毛线关系?
其实现在很多甲方,对于乙方前期有没有下功夫、有没有对行业深入洞察,他一听就能听出来。
毕竟你是临时做这个项目,他是一直干这个行业的。
02
在企业细分市场、目标消费者、产品本身、销售渠道、市场潜在竞争对手、公司组织结构,以及价格体系、销售渠道、成本利润等等的行业经验上。
乙方肯定没甲方有优势,甲方对行业有更深的理解和经验积累。
那当乙方准备不足或对甲方行业了解不深时,往往会把行业策略谈的过于肤浅,浮于表面,甲方自然不想听。
所以,乙方想要征服甲方,首先就得比甲方更专业,比甲方还了解所在行业,或有更深的洞察,找到冰山之下的东西,这才更有主动权。
就像小梨圈说的:“品牌策略、传播策略本来就是个用人成本相对较高的岗位、且工作繁琐、极度费脑力。下至接地气的用户调研、大量的资料搜集,上至透过现象看本质的洞察、推导——这些都是策略要做的工作。”
乙方不能自己把这个岗位玩废了。
03
甲方既然更了解行业和消费者,那自然就有了做策略的先天优势。
甲方有时不想看提案上的策略,未必就是人傻钱多,也未必只是喜欢玩创意,玩一些虚头巴脑的东西。
我看到的是现在很多甲方其实自己有做策略,提前就会规划,策略早就做好了。
而之所以还找乙方,是因为想在自己薄弱的环节让乙方提供更多的创意和资源,说白了就是:你给我提供创意玩法和传播就行了,其他的我会思考。
甲方只听创意,确实是有可能只是肤浅的玩个形式,不过也有可能正在思考如何把这个创意和自己的策略结合起来。
人艰不拆啊!
好了,以上就是我的几点看法。
不管甲方还是乙方,谈策略听策略的前期是,双方都把策略重视起来。
都不傻!相反,都很聪明。
作者:木木老贼
来源:木木老贼
]]>