实时竞价(RTB) 介绍(基础篇)

前言:

说到“实时竞价”大家一定都不陌生,那么为何如今实时竞价发展这么迅猛,当然这个主要得益于总体移动互联网环境的成熟,以及中国本地移动广告市场出现爆发式增长。那么到底什么是实时竞价?这个流程是如何的呢?以下会从业务角度做一个简单的介绍。

简单介绍:

RTB模式是网络广告行业新型的购买模式。与传统的PPC广告(依据用户数量计费)、CPM广告(一千次浏览计费)、CPC广告(每点击一次计费)、Monthly
Flat(包月计费)、Daily Flat(包天计费)等相比RTB就是在每一个广告展示曝光的基础上进行竞价。

在展示型广告市场上,交易的货品是每一个广告展示的曝光,需求方是广告商和代理商,供应方就是各大媒体,那么效益最大化的竞价策略就是在每一个广告展示曝光的基础上。依据这个展示曝光的需求量。在支持维克瑞拍卖模式的大环境下,给出不同的竞价进行类似拍卖意义的交易,这就是RTB广告。

特点:

或许看到这里你还没有对RTB有个初步的概念。那么我们通过几位业界人士的描写叙述来了解下RTB的特点。

”RTB不应该是独立于展示广告之外的一个营销模式。而应是存储于总体系统中的一个基础架构,是互联网营销模式的标配。

不论什么企业广告主在选择营销方式的时候都不应该忽视RTB模式。由于仅仅有这样的模式可以真实反映市场供求之间有效的关系。” ——奥美中国运行副总经理王宏鹏。

“实时实价(RTB)带来了总体市场格局变化,形成了一个对于各个媒体流量集中採买,搭建了一个高度市场化的供求关系。对互联网媒体而言,RTB模式下,任何样的媒体类型站点。广告购买的都是眼球、点击,还有销售机会。” ——凤凰新媒体副总裁金玲。

流程:

例如以下图1是RTB广告展示的介绍:

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQv/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" >

步骤1:用户使用Web浏览器訪问媒体站点,如www.yahoo.com。媒体yahoo将本站点的内容,比方新闻。呈现给用户。

与此同一时候,媒体也会在一些广告位上展示广告给用户。虽然媒体的主要工作是展现高品质的内容给用户,但也须要通过广告来赚钱。以使得提供内容的业务可以得以延续。

他们可以使用自己的销售队伍销售广告库存。然而,对于媒体来说,RTB是越来越重要的销售广告库存的渠道。这里我们如果yahoo决定将右上角广告位通过RTB方式进行售卖。

步骤2:Yahoo将信息传递给广告交易平台,比方 A。传递的信息包含URL,广告位置、用户Cookie
ID等。

步骤3:广告交易平台A组织一次竞价,向多家DSP(Demand-Side
Platform)发送竞价请求。假定优衣库是DSP当中一家。

步骤4:当优衣库DSPserver接收到广告交易平台的请求,将数据传递给竞价引擎。

步骤5:竞价引擎发送用户ID给用户与广告主信息数据库。看用户与广告主的需求是否匹配。

步骤6:竞价引擎接收到用户与广告客户的信息,并决定是否參与竞价及竞标价格。

步骤7:竞价引擎生成一个出价响应,并把它传递给DSPserver。竞价响应包含竞标价格及比方从哪里获取广告等其他信息。

步骤8:优衣库DSPserver发送竞价响应给广告交易平台A。

步骤9:广告交易平台A在接收到全部DSPserver的响应或者截止期限到达后进行竞拍。广告交易平台A的截止期限是100ms。是广告交易平台A发送竞价请求与接收DSP出价响应的时间差。广告交换平台通常执行Vickery拍卖模式,也称为第二价格拍卖。当中,出价最高的人获胜,并支付第二高的投标价格。这里我们假定优衣库DSP是本次广告曝光竞价交易的赢家。(维克瑞拍卖Vickrey
auction 就是俗称的 Secondpriceauction,就是拍卖胜出者最后所付的价格是第二高报价上再附加百分之10左右的增额。

)

步骤10:广告交易平台A通知用户Web浏览器竞拍的赢家。

Web浏览器发送广告曝光请求给广告创意所在的广告server。

步骤11:广告server发送创意给用户的Web浏览器。

步骤12:用户看到站点上的广告。假设用户对该广告感兴趣,他会点击广告,从而进入广告主的登陆页。用户浏览广告主的站点,可能採取进一步的行动。比如,假设广告主是一家电子商务公司,用户可能在电子商务站点上进行一次购买活动。

总结:

–  RTB是的交易是基于每个广告展示机会(广告库存)的。

–  一个广告一系列交易过程均在毫秒内完毕,网页浏览用户并不会察觉到时间上的延迟。

–  一个站点能够通过DSP处于多个Adnetwork參与到多个Ad
Exchange市场中进行广告库存的销售。相对的,广告主能够通过DSP管理多个广告进入多个Ad Exchange进行广告投放

那么RTP带来哪些优点呢?

对于广告主:

– DSP能够通过技术手段尽可能让广告主获得对自己有利的广告位展示机会,由于能够获得每一次潜在广告展示对象的如此精细的数据,让广告主能够更加easy的估计这一次广告展示可能带来的效果。

– 广告主不再须要花大量的人力和时间在筛选广告位上了,系统和工具能够帮你完毕这一切。仅仅要你将营销目的通过一定的方式“告诉”系统。

– 从“Real Time”的还有一层涵义能够知道,营销人员的灵活性更加高了,我们不须要想购买杂志、电视广告。陷入一次投入大笔的预算并且中间非常难调整的窘境其中。

对于广告提供商:

–  相同的,SSP(supplyside platform)让站点主的每个广告库存在Ad
Exchange中找到最高的bidding,获得最高的收入。

參考

http://www.math.pku.edu.cn/teachers/yaoy/Spring2013/RTB101_iPinYou_XuehuaShen_English.pdf

http://www.techinads.com/archives/41

时间: 2024-11-08 19:03:36

实时竞价(RTB) 介绍(基础篇)的相关文章

实时竞价RTB广告平台_传漾科技_中国领先的智能数字营销引擎

实时竞价RTB广告平台_传漾科技_中国领先的智能数字营销引擎 Programmatic Framework? 传漾程序化购买框架

RTB实时竞价广告是未来趋势

原文:http://www.inboundjournals.com/rtb-real-time-bidding-the-future-of-online-advertising/ [资讯图表] RTB实时竞价广告是未来趋势 RTB (Real Time Bidding) 实时竞价,已经成为网路广告产业最新的代名词,它是网路广告圈不断发展下的必然产物,目前盛行于欧美国家,最近引进亚洲. 究竟什么是RTB?本资讯图表将作系统的说明. 阶段一 网路上一开始便存在两种角色:广告主与媒体(例如网站).广告

【COCOS2DX-LUA 脚本开发之一】在Cocos2dX游戏中使用Lua脚本进行游戏开发(基础篇)并介绍脚本在游戏中详细用途!

[COCOS2DX-LUA 脚本开发之一]在Cocos2dX游戏中使用Lua脚本进行游戏开发(基础篇)并介绍脚本在游戏中详细用途! 分类: [Cocos2dx Lua 脚本开发 ] 2012-04-16 10:08 30803人阅读 评论(18) 收藏 举报 游戏脚本luaanimationpython 本站文章均为李华明Himi原创,转载务必在明显处注明:转载自[黑米GameDev街区] 原文链接: http://www.himigame.com/iphone-cocos2dx/681.htm

Spark性能优化指南——基础篇

前言 在大数据计算领域,Spark已经成为了越来越流行.越来越受欢迎的计算平台之一.Spark的功能涵盖了大数据领域的离线批处理.SQL类处理.流式/实时计算.机器学习.图计算等各种不同类型的计算操作,应用范围与前景非常广泛.在美团•大众点评,已经有很多同学在各种项目中尝试使用Spark.大多数同学(包括笔者在内),最初开始尝试使用Spark的原因很简单,主要就是为了让大数据计算作业的执行速度更快.性能更高. 然而,通过Spark开发出高性能的大数据计算作业,并不是那么简单的.如果没有对Spar

美团Spark性能优化指南——基础篇

http://tech.meituan.com/spark-tuning-basic.html 前言 在大数据计算领域,Spark已经成为了越来越流行.越来越受欢迎的计算平台之一.Spark的功能涵盖了大数据领域的离线批处理.SQL类处理.流式/实时计算.机器学习.图计算等各种不同类型的计算操作,应用范围与前景非常广泛.在美团?大众点评,已经有很多同学在各种项目中尝试使用Spark.大多数同学(包括笔者在内),最初开始尝试使用Spark的原因很简单,主要就是为了让大数据计算作业的执行速度更快.性

【转载】 Spark性能优化指南——基础篇

前言 开发调优 调优概述 原则一:避免创建重复的RDD 原则二:尽可能复用同一个RDD 原则三:对多次使用的RDD进行持久化 原则四:尽量避免使用shuffle类算子 原则五:使用map-side预聚合的shuffle操作 原则六:使用高性能的算子 原则七:广播大变量 原则八:使用Kryo优化序列化性能 原则九:优化数据结构 资源调优 调优概述 Spark作业基本运行原理 资源参数调优 写在最后的话 前言 在大数据计算领域,Spark已经成为了越来越流行.越来越受欢迎的计算平台之一.Spark的

Spark性能优化指南——基础篇转

前言 在大数据计算领域,Spark已经成为了越来越流行.越来越受欢迎的计算平台之一.Spark的功能涵盖了大数据领域的离线批处理.SQL类处理.流式/实时计算.机器学习.图计算等各种不同类型的计算操作,应用范围与前景非常广泛.在美团•大众点评,已经有很多同学在各种项目中尝试使用Spark.大多数同学(包括笔者在内),最初开始尝试使用Spark的原因很简单,主要就是为了让大数据计算作业的执行速度更快.性能更高. 然而,通过Spark开发出高性能的大数据计算作业,并不是那么简单的.如果没有对Spar

Spark性能优化指南--基础篇

前言 开发调优 调优概述 原则一:避免创建重复的RDD 原则二:尽可能复用同一个RDD 原则三:对多次使用的RDD进行持久化 原则四:尽量避免使用shuffle类算子 原则五:使用map-side预聚合的shuffle操作 原则六:使用高性能的算子 原则七:广播大变量 原则八:使用Kryo优化序列化性能 原则九:优化数据结构 资源调优 调优概述 Spark作业基本运行原理 资源参数调优 写在最后的话 前言 在大数据计算领域,Spark已经成为了越来越流行.越来越受欢迎的计算平台之一.Spark的

Spark性能优化指南——基础篇(转载)

前言 在大数据计算领域,Spark已经成为了越来越流行.越来越受欢迎的计算平台之一.Spark的功能涵盖了大数据领域的离线批处理.SQL类处理.流式/实时计算.机器学习.图计算等各种不同类型的计算操作,应用范围与前景非常广泛.在美团•大众点评,已经有很多同学在各种项目中尝试使用Spark.大多数同学(包括笔者在内),最初开始尝试使用Spark的原因很简单,主要就是为了让大数据计算作业的执行速度更快.性能更高. 然而,通过Spark开发出高性能的大数据计算作业,并不是那么简单的.如果没有对Spar