RTA广告能力的应用场景剖析

RTA 即Realtime API的简称,用于满足广告主实时个性化的投放需求。要想能很好的应用一项新的技术能力,首先需要知道其有哪些优缺点。就需要挖掘其与旧能力或者技术的区别与优势。有了对比分析,就仿佛黑有了白的衬托一样鲜明。

RTA广告能力的应用场景剖析

首先,我们知道传统的广告平台的投放方式一共分为以下几种情况:

直投:广告主通过广告投放平台或者Marketing API 进行广告的直接投放,利用媒体的用户数据能力以及广告模型进行广告的预估和优化。直投广告的优势在于,广告平台累计了大量的用户基础数据以及产品行为数据,得到丰富的用户画像特征(比如腾讯产品众多,拥有强社交关系用户画像特征,用户行为数据也较多;头条拥有用户的内容阅读和娱乐行为特征,百度则拥有用户精准的搜索特征等)

同时,随着OCPX模型能力的日益丰富和深入,广告平台也拥有了很多广告主的浅层次的转化数据,因此对于在特定媒体上下文的场景下,广告投放的CTR和CVR模型的预估能力,广告平台已经越来越精准了。这个就是直投广告系统的优势所在,数据从投放到转化的基础闭环已经相对完善了。

程序化:即“ADX”模式,媒体提供流量和建设ADX平台对接广告主,广告主(DSP)利用自有数据及自建投放模型完成投放。ADX对接的是广告主的DSP平台,DSP 出价通常是按照曝光价值出价(即ECPM),广告主的DSP平台负责对当次请求流量的用户价值、CTR以及CVR进行预估。通过ADX方式对接的广告主DSP平台,广告主无法利用媒体侧投放模型,广告主利用的是自己的一方数据优势及自有投放模型完成投放。

直投的缺点:

1)广告平台缺少广告主全局的数据,尽管当前广告主会回传激活、付费等后端数据,但是广告平台仅可以拿到属于其流量所分发的后端数据,也因此广告平台拥有的数据是不全的,比如拉活的场景,一个应用被其他广告平台上已拉活过一次又或者是用户主动启动的,广告平台理论上是不知道的。

2)广告平台缺少广告主的产品的活跃数据以及用户价值数据。用户活跃以及用户价值最终会反馈到广告主投放广告的出价上。也就是说,广告平台无法为广告主量身定制的出价,即使是相同的用户,在同类产品中用户的价值也是不同的。因为产品的内容消费、活跃时长不同,贡献的价值自然就不同了。

直投缺失的是广告主的活跃数据以及用户价值的数据,决定着广告投放的用户筛选以及出价,而这些数据,广告主都有。

ADX模式的缺点:

ADX 将整个广告的投放模型完全依赖于广告主(DSP)一方数据。最大的问题也是在于缺少数据。由于缺少媒体侧上下文信息、用户媒体的用户行为、用户兴趣特征标签的数据以及其他相同广告主投放的泛化数据,因此相同技术能力条件下,在广告CTR和CVR预估模型很难做到媒体广告平台那么精准。

RTA广告能力的应用场景剖析

RTA 则是直投和ADX的优势的结合产品。

在现有直投基础上,充分利用了媒体数据能力以及广告模型的基础上,结合广告主的数据进行的直投 & ADX 的整合。RTA的优势是建立在广告主拥有详细的用户行为数据以及较为清晰的用户价值判断的基础上的,主要表现在用户定向的补充以及用户价值的判断。

RTA广告能力的应用场景剖析

RTA 当前在网服行业以及金融行业应用得非常广泛。

网服行业,尤其是最近半年的短视频行业,拉新拉活搞得如火如荼,不亦乐乎。

RTA广告能力的应用场景剖析

首先我们来说RTA针对拉新的应用,目标是提升产品的DAU。

针对拉新的场景,广告平台通常会拥有这个应用在当前状态下是否“安装”的状态。而很多的广告主实际上会将用户分得更细,针对没有安装的用户会分为纯新增用户以及卸载回流的用户。有些广告主对卸载回流的用户是有一个时间限制的,比如三个月内卸载的用户不要或者只要纯新增,同时,针对纯新增以及卸载回流用户的出价也是不一样的。

针对这两个场景,RTA能够很好的解决。既可以让广告平台过滤掉无效的广告曝光,同时也能提升广告主的转化效果,一举两得。

针对拉活场景,这里有很多精细化运营的技术活。以提升DAU 为目标的场景。

简单的做法是,过滤各大流量平台已经拉活过的,以及用户主动启动的用户ID ,针对尚未启动的用户进行拉活,实现预算和效果的最大化。

精细化的做法是,通过模型预测某个用户在当天是否会主动启动或者通过push消息启动产品,计算一个得分,得分越高证明可以通过主启或者push消息能拉活的,而不能通过官方手段拉活的才会进行购买广告流量拉活,这样能省下不少的广告预算。最近半年,抖音,快手,微视,西瓜,好看视频以及拼多多、京喜等电商APP,拉活的预算不少,一般拉活的价格是0.3~0.8块,量级越大的产品越能将拉活的成本节省更多,假如一天拉活用户量可以减少100w,那么每天将节省30w~80w。这个技术方案,目前已经有比较普遍成熟的解决方案了。

更深入的做法还有,针对ARPU值或者LTV的拉活,不同的用户拉活的价值是不同的,就拿短视频产品来说,有些用户拉活了就能消费时长60分钟,同时对后续活跃有提升的影响,有些用户拉活就刷一条内容就离开了。因此,从不同的用户价值来给出不同的出价和拉活方案。当然,这个模型比上一个要复杂。

RTA主要是在定向补充和出价上优化广告投放的效率。未来,RTA在拉活上还有更多的玩法,比如素材的个性化,由于产品侧有用户的行为数据和消费偏好数据,广告主比广告平台更加清楚通过什么内容可以拉活一个用户。这里跟marketing API 结合或者可以有更多的操作空间。

金融行业在RTA上的应用也十分广泛。

金融行业的核心能力在于,授信人群以及风控能力。既然是核心的能力,是护城河,一般不会随意的给到广告平台。

在拉新场景,避开已授信人群以及风控系统判断信用分比较低的用户,可以屏蔽无效流量,降低授信成本。

在拉活(如让你借款,消费等)场景,金融广告主可以利用用户自身的消费行为等数据进行拉活的判断以及用户价值判断,在保证ROI的基础上进一步提升跑量能力,建立了自己的“人群模型库”,从而决定是否需要拉活以及出价。

RTA是这两年兴起的较新的广告技术能力,核心的要点在于如何利用好广告主的核心数据(活跃、用户价值以及行为标签)来辅助广告平台进行素材筛选,定向的优化以及个性化出价,随着未来逐步深入探讨研究,还会有更多的玩法。

业界动态

转型的十字路口,薇娅李佳琦反向前行

2020-11-28 18:02:20

业界动态

CMS内容管理系统产品设计

2020-11-28 19:23:42

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索