当前位置: 首页 > news >正文

浅析Ad Exchange广告交易模式

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

原文地址:http://ueo.baidu.com/?p=1071

众所周知,互联网广告是互联网行业最主要的赢利模式,流量变现成为互联网商业产品非常重要的评价标准。随着互联网人群定向技术的发展,互联网广告也开始摆脱单一、古板的交易模式,转而向更精确高效的交易模式转变。

Ad Exchange是互联网广告交易平台,像股票交易平台一样,Ad Exchange联系的是广告交易的买方和卖方,也就是广告主方和广告位拥有方。说到买卖双方,就要引出两个为买卖双方服务的平台——DSP平台和SSP平台。

DSP:互联网里有成千上万的广告主,他们急需推广自己的产品,寻找优质的媒介和精准的目标用户,优化广告投放策略,提高投入产出比。简单的讲,DSP就是广告主服务平台,广告主可以在平台上设置广告的目标受众、投放地域、广告出价等等。

SSP:互联网里也有成千上万拥有丰富媒体资源和用户流量的网站,他们急需把庞大的流量变现来发展壮大,同时还希望每一个流量都能够达到最大的收益。简单的讲,SSP就是一个媒体服务平台,站长们可以在ssp上管理自己的广告位,控制广告的展现,设置补余等等。

和股票交易平台不同的是,Ad Exchange平台的竞价机制不是先到先得而是竞价获得,即RTB模式。

RTB —— Real Time Bidding 的简称,就是实时竞价。跟传统购买形式相比,RTB是在每一个广告展示曝光的基础上进行竞价,就是每一个PV都会进行一次展现竞价,谁出价高,谁的广告就会被这个PV看到。

有个问题出现了,为什么广告主即买方会为了一个广告PV而竞相出价呢,这个广告位有什么了不起的,会让广告主心甘情愿出最高价来竞标。秘密就在于,Ad Exchange广告平台售卖的不是传统意义上的广告位了,而是访问这个广告位的具体用户,这个用户会有自己的兴趣爱好,广告如果能够投其所好,就能产生最大的收益。这样的用户在互联网海洋里可是稀缺资源,他完全有魅力让广告主来竞相竞价获得在用户面前展现自己的机会。那么,Ad Exchange是怎么知道这个访问用户是谁,他会对什么更感兴趣呢?这就要引出互联网数据平台DMP了。

DMP(Data-ManagementPlatform)数据管理平台,是把分散的第一、第三方数据进行整合纳入统一的技术平台,并对这些数据进行标准化和细分,从而把这些细分结果推向现有的互动营销环境里。

有了DMP,Ad Exchange就可以知道访问广告位的用户是对什么感兴趣了用户了,这样RTB模式就有了运营的资本,广告主也乐于出较高的价钱来买这个用户。

介绍完了买卖双方和交易方式,下面就来看看Ad Exchange广告交易平台的运行方式吧。当一个用户访问广告位页面时,ssp端向Ad Exchange发出访问讯号,告知有一个访问请求,ssp把广告位的具体信息,例如所属站点、最低出价以及通过DMP分析匹配后的用户属性信息打包发送给各个DSP,DSP端开始对这个广告展现进行竞价,竞价获胜者就能够让自己的广告展现在这个广告位上,进而让用户看到。下图描述的例子是一个对汽车感兴趣的用户访问站点,DSP端各个汽车厂家对这个用户展开争夺的过程。

针对具体用户的广告投放方式相较于传统的买固定广告位包天或者包月展现,优势还是很明显的,既能够有效的提高广告主的ROI,也能够让广告位的收益最大化。假设一个汽车广告主按cpm方式花50块买了10个PV的展现,10个PV里有5个人对汽车感兴趣,另外5个人对美食感兴趣,那么汽车广告主覆盖有效用户的成本是50块,站长的收益也只有是50块,而那些美食广告主无法覆盖目标用户,没有展现机会;而如果按照Ad Exchange模式购买广告,广告主只需要针对5个目标用户竞价展现就好,即时每个目标用户的出价会高于CPM方式下的平均出价,但是由于精准,广告主的成本不但没有增加反而有所下降,花更少的钱覆盖更多的用户,这样就有效的提高了广告主的ROI,同样,美食广告主也可以通过Ad Exchange来覆盖到另外5个对美食感兴趣的用户,获得广告展示机会。对站长而言,一个广告位不再被某一个单一广告主购买后独占,而是对每一个流量都竞价获利,这样就能够保证广告主的流量获得最大的收益,流量越大,收益越高。所以Ad Exchange更容易获得高质量的广告位资源。如下图所示:

Ad Exchange在中国甚至亚洲都还处于蓝海,现在中国市场上还没有真正意义上的Ad Exchange,可以预见, Ad Exchange将是中国未来广告交易的一种重要方式,也将是展示广告的一个重要增长点。

转载于:https://my.oschina.net/diwayou/blog/175055

相关文章:

  • Chrome浏览器调用摄像头拍照
  • Struts2之自定义类型转换器
  • linux系统下调度数据库类型资源库中的kettle job
  • Fragment的学习
  • 标书
  • Bootstrap3.0学习第十八轮(JavaScript插件——下拉菜单)
  • Bash Shell 快捷键的学习使用
  • 8UFTP
  • 今天linux遇到的问题
  • 在论坛中出现的比较难的sql问题:12(递归问题2)
  • LeetCode:Balanced Binary Tree
  • 看博客学学Android(二十二)
  • Jquery重新学习之一[加载与属性html(),text(),val()]
  • Ubuntu13.10安装仿苹果启动菜单Cairo-Dock
  • Linux awk 命令 说明
  • JS中 map, filter, some, every, forEach, for in, for of 用法总结
  • 【跃迁之路】【733天】程序员高效学习方法论探索系列(实验阶段490-2019.2.23)...
  • angular组件开发
  • CentOS学习笔记 - 12. Nginx搭建Centos7.5远程repo
  • express如何解决request entity too large问题
  • Laravel核心解读--Facades
  • MySQL数据库运维之数据恢复
  • springMvc学习笔记(2)
  • SQL 难点解决:记录的引用
  • 海量大数据大屏分析展示一步到位:DataWorks数据服务+MaxCompute Lightning对接DataV最佳实践...
  • 湖南卫视:中国白领因网络偷菜成当代最寂寞的人?
  • 用quicker-worker.js轻松跑一个大数据遍历
  • 自制字幕遮挡器
  • nb
  • CMake 入门1/5:基于阿里云 ECS搭建体验环境
  • Java总结 - String - 这篇请使劲喷我
  • puppet连载22:define用法
  • Python 之网络式编程
  • 扩展资源服务器解决oauth2 性能瓶颈
  • !!Dom4j 学习笔记
  • (1)STL算法之遍历容器
  • (13)[Xamarin.Android] 不同分辨率下的图片使用概论
  • (Java实习生)每日10道面试题打卡——JavaWeb篇
  • (ZT)北大教授朱青生给学生的一封信:大学,更是一个科学的保证
  • (二)Pytorch快速搭建神经网络模型实现气温预测回归(代码+详细注解)
  • (附源码)springboot高校宿舍交电费系统 毕业设计031552
  • (黑马出品_高级篇_01)SpringCloud+RabbitMQ+Docker+Redis+搜索+分布式
  • (牛客腾讯思维编程题)编码编码分组打印下标题目分析
  • (求助)用傲游上csdn博客时标签栏和网址栏一直显示袁萌 的头像
  • (万字长文)Spring的核心知识尽揽其中
  • (译)2019年前端性能优化清单 — 下篇
  • ../depcomp: line 571: exec: g++: not found
  • .net core使用ef 6
  • .NET Framework Client Profile - a Subset of the .NET Framework Redistribution
  • .NET 使用 JustAssembly 比较两个不同版本程序集的 API 变化
  • .net/c# memcached 获取所有缓存键(keys)
  • .net企业级架构实战之7——Spring.net整合Asp.net mvc
  • .NET委托:一个关于C#的睡前故事
  • .vue文件怎么使用_vue调试工具vue-devtools的安装
  • /var/log/cvslog 太大