写点什么

数据与广告系列一:初识在线计算广告

发布于: 2020 年 05 月 14 日
数据与广告系列一:初识在线计算广告



作者 | 黄崇远 公·号【数据虫巢】



01 缘起



一直以来对于广告领域,都是一知半解,毕竟在当前的职业生涯里头,并没有实打实的做过广告,直到去年年末,在项目上逐渐会有些广告相关的数据合作对接,才稍微对于广告这个领域有点点了解和认知,但不成体系。



所以,一直想对广告这块的东西深入的去了解,围绕广告构建起自己的认知体系(我自己习惯性的把不同的知识领域构建起一个个认知体系,而广告确实是相对空白的部分)。



所以,当前系列一方面是自己对于这方面的整理,更多的是自己在学习的过程中结合当前6年多数据领域的经验,去做延申和结合思考,当然当前或多或少也会涉及到部分广告的实际工作,部分相关有用的东西也会融入其中。



如此,在以后说不定还是有机会深入的在这个领域持续做下去的。而对于整个系列的组织,说真的,并没有想的很彻底,因为自己也目前也没有成体系化的认知,所以一边学一边思考一边整理,权当一个系列笔记,如有不当不详之处,欢迎斧正。



如果对于广告和数据体系感兴趣的,也不妨跟着看,应该也会有点用处的。



02 广告生态的基本了解



既然说到广告,我们先对广告有个基本的认知。



在过去,在互联网远没有盛行的时代(Web时代之前),大部分广告的载体是纸质媒体,或者线下实体广告牌,然后紧接着是电视广告,各种LED富媒体广告。随着互联网流量的加大,很多广告的形态开始出现在互联网上,紧接着是移动互联网的到来,各种移动应用,移动载体APP等,都能看到广告的身影。



对于新一代来说,纸媒估计接触的很少了,而线下类型的广告关注度也不是很高,诸如电视我已经好久没有怎么看了,更遑论电视上插播广告,但我们大量的时间都花在了互联网上,所以我们这里所说的广告,更多的是指互联网在线广告。



并且我们的出发点是数据,所以一定是与数据关联度最大的互联网在线广告为核心(并不是说线下广告,或者电视广告就用不上数据,只不过作用没有这么大,并非是核心驱动力)。



对于我们所需要关注的在线计算广告,其与其他传统广告的根本区别在于说,其广告效果是可以做效果追踪的,结果是可以量化的,人群是可以计算定向的,中间过程是可以持续优化的,资源归属是可以做竞价的。



这些本质上推翻了之前传统广告效果难以追踪,过程较难优化,用户难以个性化匹配等问题。



从这个角度上来说,不管是数据追踪回收,人群画像定向,点击转化预估,竞价模型等,都跟数据/算法有着密切的关系,甚至可以说在线计算广告领域是大数据真正实打实落地,且产生真金白银的商业模式。



对于广告来说,整体可以分为两类,以品牌传播品牌口碑塑造为目的的品牌广告,核心追求的是长期的关注和利益;以点击转化为核心目的则一般称之为效果广告,即一次广告当前带来的实际转化。



而围绕上述两个目的,单纯从商业计费的角度出发又会分为CPM/CPC/CPS/CPD...,还有很多很多类似的计费方式。



  • CPM,千人成本,即可以理解为展示千人对应的费用,这种方式是不为转化效果负责的。

  • CPC,每点击成本,即不考虑展示曝光量,只按每个广告点击进行计费,一定程度上是需要考虑效果转化的,但一般只是转化的中间层,以电商页面投放为例,用户点击了页面,也只是进入到了商详页面,最终的转化还得看是否下单购买。

  • CPS,每销售成本,即直接将最终的销售与广告计费挂钩,其实更有点像分成模式,即销售了多少,就需要给导流广告计费多少,是一种纯粹的效果负责的广告。

  • CPA,每动作成本,所谓的动作,一般是指下载或者实际的一些转化动作,比如在流量池里投放APP的下载页面,只要有一个下载就记为一次,同样也是一个偏向于为效果负责的模式。

  • CPD,按天计费,这种实际上是把时间维度拉出来做计费方式,除了天还有其他时间颗粒度,比如小时,周等等,这种广告模式在各种应用分发市场中非常常见,对于部分资源位按天进行费用计算等,通常不为效果转化负责。



如上列了很常见的5种广告计费方式,实际上还有很多,并且如果加个o(optimized)比如oCPA,oCPC等,就是所谓的动态优化广告了,区别在于说o能借助转化预估模型实现智能的动态出价(竞价),而这则是数据发挥作用,优化效果,提升利润的灵魂所在,也是后续我们会反复讨论探索的部分。



03 互联网在线计算广告的本质



不管是商业模式也好,或者具体的计费方式也好,其实我们核心要认清一个事实就是,广告(这里我们主要讨论就是数据能核心赋能的在线计算广告)最核心的是将广告主的资源与用户做关联,而我们所做的一切都是为目的,然后优化中间的过程。



至于说目的,对于广告主来说就是有限的预算内,最大化的转化,但注意这个转化不能单纯的认为是本次广告的转化,比如说品牌广告,个人认为就算是品牌广告追求的一样是最终的销售转化,只不过路径很长,周期很长,所谓品牌影响力,品牌形象,最终还是会转化为购买力,只不过是一种隐性的影响,且无法做显性的量化追踪。



而对于平台方来说,一方面需要想方设法提升广告和用户的匹配度,匹配度是提升广告主广告转化的核心逻辑,但站在平台方的角度出发,则与此同时,需要考虑平台方的收益最大化,举个简单例子,假设AB广告都匹配了C用户,但一个时间周期一个场景里用户只能看到其中之一,如何选?



假设就算A的匹配度稍高些,那么选择A吗?显然不一定的,万一B说选择我我给十倍的成本。所以,这就是涉及到了匹配度与收益的权衡,而随之而来的就是广告竞价体系。



所以,我们沿着这个思路下去会发现,其实更本质的逻辑是,针对于流量(用户),如何做候选资源(广告资源)排序的问题,只是说很多场景里,只允许展示Top1的候选资源而已。



而我们数据所需要做的就是做好连接层,优化匹配的过程,提升效果转化预估,权衡好竞价和投放的问题。



发布于: 2020 年 05 月 14 日阅读数: 93
用户头像

原创大数据/算法公众号【数据虫巢】。 2017.10.18 加入

8年大数据、机器学习从业老鸟,目前专注于计算广告。

评论

发布
暂无评论
数据与广告系列一:初识在线计算广告