计算广告入门基础
3,041 views
2017年互联网在线广告已经有2000多亿美元的市场（来源MAGNA），占有美国广告份额最多的依然是Google和Facebook，分别达到了793.8亿美元和399.4亿美元。本文将简单的描述在线广告相关入门知识。
要明白计算广告的原理只要知道相关的几个概念即可，包括在线广告的种类、参与方和相关技术。
加载中...
加载中...
2017年互联网在线广告已经有2000多亿美元的市场（来源MAGNA），占有美国广告份额最多的依然是Google和Facebook，分别达到了793.8亿美元和399.4亿美元。本文将简单的描述在线广告相关入门知识。
要明白计算广告的原理只要知道相关的几个概念即可，包括在线广告的种类、参与方和相关技术。
Follow DataLearner WeChat for the latest AI updates
在线媒体的参与方按照最粗的粒度分，只有三类，即广告的需求方（广告主，如宝洁、广汽等产品厂商）、广告的供给方（即媒体，如新浪网、今日头条等）和受众（即使用媒体的用户）。
由于在线广告是以技术为驱动的，对于广告的受众有着较为精确的描述和掌握，导致在线广告的采买方式与传统不同，需求方可以确定广告的受众、展示量等。因此，供给方（媒体）的广告位资源通常也被划分的很细。如今日头条的开屏广告可以是所有用户都看到的非常优质的广告位，而其科技频道下的第一个广告则是一个次之的广告位。同时，供给方除了有着较多用户的大中媒体外，也还有众多的中小媒体（这里的媒体其实是内容的输出方，除了传统的互联网媒体外，所有面对普通用户的互联网站点都可以当做是媒体方，他们的用户就是广告的受众）。因此，可以简单的将广告的资源分成两种，一种是曝光率很高的大中媒体的优质资源，一种是曝光率较小的中小媒体资源或者是优质媒体的剩余资源。
传统的合约广告都是投给曝光率较高的广告位的，其价格较高，效果也较好，因此这种广告位通常都是广告主和大中媒体直接谈，获取广告合同。而大中媒体的剩余资源和中小媒体的资源则无法获得足额的合约广告。但是由于这些媒体数量很多，进而其资源的总数也很大，如果能将所有的资源合在一起也是非常可观的媒体资源。这时候市场上也多了一个新的参与方，即媒体将无法获得合约广告的资源统一托管给广告网络（ad Network, ADN），借助于广告网络的销售和代理团队对为资源变现。
有了整合媒体资源的ADN，也就相应的产生了代表广告主的一方，即需求方平台（Demand Side Platform，DSP）。之前说过，好的媒体资源已经签约给了大的广告主，但是一些小的广告主或者想拓宽广告渠道的广告主也可以把需求整合，托管给DSP尽心广告的投放。至此，需求方和供给方就都多了一个“代理商”了。 最后，为了提高买卖效率，撮合需求方和供给方的交易，也出现了一种叫广告交易平台（ad Exchange，ADX）的东西。至此，在线广告的主要参与方就都有了。
说明一下，还有个角色叫做供给方平台（Supply Side Platform，SSP）。这是代表媒体的一方，它将ADN/ADX/DSP都看成是提供广告来源。当广告的请求到大的时候，媒体需要先检查是否有优先的销售合约，如果有则展示优先的合约广告，如果没有，则进入竞价程序，在竞价之前先从自营广告主库中和若干ADX中调出较高的广告作为候选，其价格作为保留价格（Market Reserve Price,MRP），然后通过实时竞价接口接入DSP询价，最终选择广告，这就是SSP的功能。但目前国内SSP地位较低，且功能容易被ADX代替。
总结一下在线广告的参与方：
前面也提到，在线广告可以比较好的掌握受众，广告的分发可以较为精确，因此在线广告从技术上讲也诞生了一些不同于传统的广告类型。
在线广告的种类主要包括以下两种：
合约广告是的逻辑是来自线下的广告逻辑。即广告主与媒体签订合约，在媒体的某个广告位做广告，按照时长计费。但即便是合约广告，由于在线媒体可以根据受众定向展示。例如某个卖家的经营区域只在华东，那么它的合约广告只需要针对华东用户展示就可以了。
竞价广告是不同于传统的在线广告独有的形式。前面说了，大中媒体的优质资源通常已经被大的广告主买走了，那么大量剩余媒体资源和中小媒体资源，则打包给ADN来统一运营。由于互联网掌握了众多的用户数据，可以做较为精确的用户画像（受众定向），当用户的标签越来越精准的时候出现了两个问题：第一由于受众标签粒度很细，因此很难对某一标签受众访问媒体的流量进行准确估计，那么传统的合约中按时间展示无法得到保证。第二，但某个广告展示满足了多个合约的时候，按量分配媒体资源则有点浪费，显然按照拍卖的方式会得到更多的利润。基于这两个考虑，合约广告不再适用，进而产生了竞价广告。即供给方将某些媒体资源（已知用户标签或者兴趣）放出来，广告主根据情况出价，价高者得（当然一般竞价广告都是采用第二高价理论，并不一定是最高价）。
对于竞价广告，也有一些具体的划分。主要包括：
在线广告采用竞价模式比较早的是搜索广告，搜索引擎服务商通过用户搜索的关键词可以较为精确的明白当前用户的兴趣标签，将该标签作为用户的标签，展示广告。广告主则根据自己产品的特点或者推广的目的设置关键词、出价、时间等投放，搜索引擎根据广告主的出价和用户搜索的结果来决定搜索页的广告。注意，这里不是实时竞价，因为广告主要提前设置好价格。
如前所述，广告网络其实既有按合约售卖的方式也有按竞价售卖的方式。众多的中小媒体将资源交给广告网络后，广告网络其实是以人群卖广告，而不是广告位。同时，竞价网络广告不对广告主做量的保证。
随着广告需求方对广告的优化效果进一步加强，广告网络在产品上无法满足需求方，市场因此需要对需求方彻底开放。使广告主不仅可以按照人群购买，还可以选择流量和每次展示的的价格，这就出现了以实时竞价（Real Time Bidding,RTB）为核心的程序化交易广告。程序化交易广告中最重要的一类角色就是DSP了，DSP代表广告的需求方需要对流量进行选择，同时还要优化出价，保证广告主的利益。
下面简单介绍一下在线广告涉及的相关技术。
用户画像对媒体方来说非常重要，因为它决定了广告资源的购买者。尤其在程序化交易广告方式中，媒体方需要将用户画像和用户的情景数据一同广播出来询价，媒体对用户画像的准确性决定了DSP出价的情况。此外，DSP等厂商也会对用户进行画像以补充媒体方的用户数据。
由于很多媒体除了程序化交易广告外，还有合约广告的要求，包括展示量要求等。因此，对于某个广告位在某个时间是否需要出售给DSP等需要考虑，这就出现了在线分配等要求。对于一个广告位满足多个合约的时候也需要在线分配来保证合约的完成和利益最大化。
如前所述，媒体方的广告资源既要保证合约的完成也要向DSP询价进入程序化交易，因此流量预测对于完成合约非常重要，也保证了资源的不浪费。
点击率预测对于DSP来说很重要，他们预测点击率来对广告进行排序，进而预测期望收入来用于出价。通常点击率被建模成回归问题。
在说出价策略之前先说一下广告中的定价的问题。广告的竞价并不是价高者得，原因在于价高者得会导致市场的总收入减少。例如甲、乙分别出价1元和2元竞价，乙赢了，那么乙会在下次调低价格直到变成了1.01，以后会保持这个水平。如果有个丙加入，经过不断尝试，发现只要出价1.02就可以拿到广告位了。而在线广告的定价策略是，如果只有甲、乙分别出价1元和2元竞价，乙赢了，但是收下一名甲的出价，即1元钱，这样乙出高价赢了竞拍，但实际出价也变少了，那乙也就没有动力调低出价了，当丙加入的时候，也必须出高于2元的价格才能拿到竞拍。这样的机制保证了更好的收益和稳定性。 因此DSP的一个问题是出价策略，即在预算有限的情况下，对当前市场价格有所估计，并在全局水平上将价格集中在利润较高的广告位上。
对于ADX来说，撮合交易消耗的是带宽和计算资源，如何在较低的成本下获得更高的收益。如果没有成本约束，每次询价发给所有的DSP即可，但是成本约束下需要考虑对哪部分DSP询价既可以保证所有的DSP都尽可能参与又能保证降低不必要的询价成本就是一个有意义的问题了。