在线广告发展到竞价阶段，基本的计算格局已经建立，大多数重要的产品和技术也都浮出水面并得到研究。除了允许广告主按照已经定义好的用户划分来购买，还要进一步提供广告主自行选择流量和在每次展示上独立出价的功能。这样的功能，必然要求询价、出价和竞价在展示时进行，这就产生了以实时竞价（即RTB）为核心的程序化交易市场。

    RTB的产生使得广告市场向着开放的竞价平台的方向发展，这样的平台就是广告交易平台，即ADX，其主要特征是用RTB的方式实时得到广告候选，并按竞价逻辑完成投放决策。与广告交易平台对应的采买方称为需求方平台即DSP。在程序化交易市场中，需求方对于流量的选择和控制能力达到了极致，因此其技术和算法的挑战也相当大。它使得整个在线广告市场越来越向着数据驱动、计算导向的方式前进。

    动态出价的产品需求以及广告主预算范围内的套利，要求DSP具备点击率预测、点击价值估计、流量预测、站外推荐等多方面的计算能力。除了站外推荐，新的技术发展趋势是根据广告主提供的种子用户，利用媒体数据为广告主找到行为相似的潜在用户。

    媒体至少有4种广告变现选择：合约售卖方式、自营竞价广告网络、集成其他广告网络、通过RTB市场变现。如何动态地选择这4种模式中变现价值最高者，最大化媒体收益，是供给方的需求痛点。在这样的需求驱动下，产生了SSP这种优化媒体利益的产品。

    除了交易模式的改变，程序化交易还催生了另外一个重要的市场：数据加工和交易市场。作为数据加工与交易的两个关键产品，即数据交易平台（data exchange）和数据管理平台（即DMP），分别从第三方数据和第一方数据入手，为市场提供了有价值的数据源或数据加工服务。

一、实时竞价

    在做人群选择时，需要利用广告主自有的数据。我们称这样的人群标签为定制化用户标签（customized audience segmentation）。

（1）这种定制化标签的数量是与广告主的量级成正比的，将这些标签由广告平台集中加工使用，显然是一个低效的解决方案。

（2）除了定制化的人群库，需求方往往还对频次、时间、地域等诸多因素有综合决策的需求，而简单地上传用户ID集合显然无法达到这样的目的。

（3）简单的人群库交互无法做到精细的出价和预算控制。

    因此，采用广告网络这样的封闭式竞价方案，是无法规模化和精细化地针对定制化标签做投放的。只要把竞价过程开放，在广告展示时由需求方来判断是否需要并出价，就可以解决上面的问题，这样的思路就产生了实时竞价。

    用定制化标签指导广告投放，是实时竞价的关键产品目标。实时竞价的交易方式不仅解放了相关的效果类广告需求，也为品牌广告创造了全新的机会。

实时竞价的流程

（1）用户标识映射（cookie映射）：当供给和需求双方都可以得到同样的用户标识时，例如在移动上用IDFA或Android ID投放时，并不需要此映射过程。但是在Web环境下根据cookie投放广告时，映射过程不可避免。cookie映射一般是由DSP在广告主网站上发起，这样做的原因是，一般情况下DSP负责的是加工广告主定制受众标签，因而不需要对所有用户都做映射。映射过程又可以细分为以下两个步骤。

步骤1.1：从广告主网站向DSP服务器发起cookie映射请求。

步骤1.2：DSP与ADX服务器之间通信完成cookie映射。由于cookie映射这项专门技术的应用范围不仅限于RTB，我们将在第15章中介绍实时竞价技术时对其进行详细讨论。

（2）广告请求（ad call）：RTB的广告请求可以分为以下3个步骤。

步骤2.1：当用户接触到媒体网站的广告位时，前端向ADX发起广告请求。

步骤2.2：ADX向各DSP传送URL（或应用ID）和用户标识，发起询价请求。如果是Web环境，DSP还要根据cookie映射查出对应的己方用户标识。随后，DSP根据数据决定是否参与竞价，如果参与则计算并返回自己的出价。在等待一个固定的时间片后，ADX选出出价最高的DSP返回给媒体网站。

步骤2.3：媒体网站从胜出的DSP拿到广告创意并展示。

其中步骤2.2和步骤2.3可以合并为一步，即DSP同时返回出价和广告创意地址，由ADX返回给媒体。这样做的好处是减少了一次服务器往返，用户看到的广告延迟也会减少，缺点是ADX可以获得DSP某个广告商的相关受众，因而存在信息泄露风险，不太符合ADX中立市场的地位。

（1）每次展示都有ADX服务器与多个DSP服务器的参与，这使得服务器与带宽成本大大增加。

（2）在询价过程中，ADX要等待一个约定好的时间片（一般为100 ms左右），这使得用户看到的广告延迟增加，对CTR有负面影响。

（3）原理上，DSP可以以极低的出价参与竞价，这样虽不能获得流量，却可以低成本得到媒体的用户行为数据，这里存在着潜在的信息泄露风险。

    RTB的接口有两个对接方：在ADX方实现的部分称为RTB fordemand（RTBD）；在DSP方实现的部分称为RTB for Supply（RTBS）。在各个ADX中，RTB接口的细节和具体参数有很大的不同。显然这对于广告主从不同的ADX中统一采买流量是不利的。为了解决这一问题，IAB经过充分市场调研与企业合作，制定了OpenRTB的接口标准，这一标准涵盖了视频、无线、文字、横幅等多种广告形式下的RTB问题，并已经为一些ADX所采用。

二、其他程序化交易方式

    在实时竞价产生以后，广告交易越来越多地依赖机器间的在线通信，而非事先约定或由人工操作完成，这样的交易方式称为程序化交易。程序化交易的核心目的是让需求方能够自由地选择流量和出价。

    IAB在其报告中，根据库存类型和价格模式这两个关键产品特征，把市场上与程序化交易相关的交易方式分成4类：

1、优选

优选（Preferred Deal，PD）比实时竞价产生要早，可以看成是只有一个需求方的程序化交易。优选方式允许单个需求方既可以按照自己的意愿来挑选流量，又可以避免复杂的竞价过程。

（1）用户访问媒体页面。

（2）媒体页面通过JavaScript代码或SDK向供给方广告投放机发起广告请求。这里的供给方广告投放机，有时是媒体自己的广告投放机，有时则是其他供给方产品的广告投放机。

（3）供给方广告投放机向需求方的广告投放机发起请求，询问是否需要此次广告展示机会。

（4）需求方广告投放机判断是否需要此次展示机会，如果需要，则返回相应的广告创意。

（5）需求方如果不需要此次展示机会，则通知媒体广告投放机，由供给方广告投放机从自有广告库中选择合适的创意返回。

    优选一般按照CPM方式结算，由于没有了多方竞价，又有选择流量的便利，因此往往要约定一个比市场价格更高的CPM单价。与RTB相比，优选的一个缺点是决策过程可能存在比较多的投放机往返：在极端情况下，需要3次投放机的往返才能够得到最后的广告。

2、私有市场

    除了实时竞价这种公开市场拍卖机制，有时媒体为了保证广告主的质量，希望将拍卖限制在一些被邀请的需求方的小范围内。这种程序化交易叫作私有市场。私有市场中的在线交易过程与公开的实时竞价一致。

    私有市场兼顾了优选与实时竞价的好处：首先，私有市场与优选一样，是一种邀请制而非公开的交易方式，因此广告主的质量可以较好地控制，这有利于确保媒体的价值不受伤害；其次，在被邀请的各需求方之间仍然保留了竞价的关系，这有利于提升媒体的变现能力。

    私有市场往往是大型优质媒体在考虑程序化交易时的选择。私有市场使更多的优质媒体加入程序化交易市场，反过来可以促进品牌广告投放的程序化进程。

3、程序化直投

    交易本身仍然以定价、保量或半保量的方式完成，但是需求方可以自行对采买的库存做广告投放决策，有时也可进行一定的流量选择。

（1）跨媒体频次控制。在传统的合约广告模式中，各个媒体分别与广告主签订合同，而媒体负责合同的执行。当同一个用户在不同的媒体上出现时，频次控制也是分别进行的，这对于预算的有效利用是不利的。而在PDB模式中，DSP代表广告主可以进行广告投放，因此也就可以进行跨媒体的频控，这是此种交易模式的优势之一。

（2）多个子产品流量分配。对于一些集团性的大广告主，如宝洁、大众等，往往有多条子产品线有广告投放的需求。于是，在统一采买的资源上对子产品进行流量的再分配也就成了切实存在的需求。在PDB模式下，需求方的广告投放机可以根据自有的CRM、DMP以及自行决定的策略在子产品之间灵活地分配流量，相当于将采买的资源变成了一个内部的ADN，这对于提高流量使用价值非常重要。

（3）一定比例的还量。部分媒体在支持PDB方式时，向DSP提供了一定比例的还量自由（例如可以返还20%的广告请求），这使得DSP获得了介于合约购买与RTB之间的流量选择能力。在频次过高或人群不匹配时，DSP可以利用还量权力决定不投放广告。不过，这种还量远非RTB那样彻底，仍然是一个有较强约束的优化过程，实际的优化效果也相当有限。

4、广告交易方式谱系

展示量合约优先售卖：

    按时间段和广告位独占式的售卖，以及展示量合约的售卖，是销售与客户之间将广告投放的关键要求约定下来的交易方式，其中人的因素起了相当大的作用，不过这种售卖一般来说由于能满足一些品牌性需求，溢价能力也较强，属于高质量媒体优先考虑的售卖方式，我们将其称为优先销售（premium sale）。从技术层面来说，优先销售整体对计算的要求不算特别深入，而且主要技术集中在供给方（如在线分配、受众定向）。

半程序化交易：

    在竞价广告网络的市场形态下，对供给方而言，可以通过将广告位直接托管给ADN的方式变现，也可以同时使用给多个广告联盟，按照一些规则或模型对不同的流量分割选择不同的ADN，这称为网络优化（network optimization），对需求方而言，存在着选择合适的人群标签并合理出价，以优化整体ROI的需求。这样的交易方式虽然已经比较依赖计算，但是双方的决策并不是实时完成，效率还没有达到最高。我们可以把这种交易方式称为半程序化交易。

三、广告交易平台

    广告交易平台，即ADX，是程序化交易时代的关键产品，它负责将媒体流量以拍卖的方式售卖给DSP，可以类比于证券市场中的交易所。

    ADX的产品策略较为简单，由于所有的广告竞价都是实时进行，因此不需要保存广告库，也不需要广告检索流程，排序过程也非常简单。广告交易平台中需要注意的产品策略，主要是如何解决给多个DSP发广告请求带来的带宽和机器成本的上升。这一问题，我们称为询价优化（call outoptimization）。

产品案例

DoubleClick ADX

    2007年，谷歌以31亿美元的价格收购了DoubleClick，并在此基础上发布了其广告交易平台产品DoubleClick ADX，同时将AdWords和AdSense接入其中。其中，AdSense是作为广告网络从供给端接入的，而AdWords则作为需求方接入。AdWords的广告主可以直接进入ADX并拥有更多的媒体资源，而AdSense的发布商也将拥有更广泛优质的广告主资源。DoubleClick作为一个ADX，连接了众多广告网络和DSP，当一次广告展示发生时，AdSense和AdWords只是作为其中两个参与者而已，AdWords赢得的展示并不一定在AdSense上展示，在AdSense上展示的广告也不一定是来自AdWords的。

    DoubleClick的公开透明的RTB模式克服了RightMedia由于历史问题带来的一些设计上的不足，在其ADX的拓扑结构设计上有其独到之处。RightMedia在拓扑结构设计上，任意两个媒体间换量需要双方签订合同，即在会进行换量的媒体间连边，伴随着换量的媒体的增多，节点之间的连接是任意的，没有规律，这带来了设计上的复杂性。DoubleClick采用了星形拓扑结构，媒体直接换量需要先经过谷歌公司，直接和谷歌公司签订合同，这么做一方面降低了ADX模式的复杂性，另一方面将单纯的分成收益拆分成了两份合同里的收入和成本，也增加了谷歌公司的现金流。

四、需求方平台

    DSP产品的核心特征有两个：一个是RTB、优选等程序化的流量购买方式；另一个是支持需求方定制化用户划分的能力。由于可以细分到每次展示来决策和出价，这使得需求方可以向一个推荐系统那样精细化地执行广告活动，也使得推荐和广告这两项互联网重要的产品找到了完美的契合点。

1、需求方平台产品策略

    在实时竞价环境中，出价直接决定着DSP的流量基本单位成本和利润，所以出价是DSP的关键产品策略之一。

    在DSP中，以第一方数据为核心，结合第二方或第三方数据的定制化标签，即t(a,u)的定向方式，是其关注的重点。在各种定制化标签中，重定向和新客推荐（look-alike）的方法具有一定的普适性，是DSP需要特别重视的产品策略。

2、出价策略

    在竞价广告网络中，估计eCPM的目的是为了对广告进行排序，而绝对的eCPM值并不需要太精确。但是在DSP中，由于每次展示都要按CPM向ADX报价，因此准确地估计eCPM非常关键，这也成为DSP出价策略的基础。

    DSP直觉的出价策略比较简单，只要eCPM估计足够精准，并按照此值出价即可。由于ADX一般也是按照GSP来计费，这样的策略是可以确保有利润空间的。如果高于此价格出价，则可能存在亏损的风险，如果低于此价格出价，则没有充分利用流量。如果没有预算的限制，那么这样的出价策略就是最优策略了。

    由于市场中各DSP的广告主、预算及出价的变化，这一曲线不但不平滑，甚至变化还非常剧烈。在这样的市场中，假设我们的eCPM是某高于市场水平的固定值，可以比较两种出价策略。

（1）由于eCPM高于市场水平，我们可以对所有询价按eCPM出价，这样可以获得所有流量，直至当日预算消耗完，即图中的策略A。

（2）我们选择一些市价较低的流量出价，获得这些流量，直至当日预算消耗完，即图中的策略B。很显然，采用策略B中我们付出的成本，要显著低于策略A，当然也就能获得更高的利润。

    DSP优化的出价策略可以定性地描述为：首先，通过历史的观察和预测，得到市价的曲线；然后，将一天的预算分配到那些市价较低的流量上。当然，实际情况要更加复杂，因为eCPM也会随着时间而变化，例如游戏广告在休闲时间的eCPM显著高于上班时间。于是我们希望获得的并不是市价较低的流量，而是eCPM与市价的比例较大的流量。因此，DSP的出价策略要基于两条曲线，即eCPM和市价随时间变化的曲线。

    当然，除了在时间轴上找合适的出价区间，也可以将此策略拓展到更多的维度上。例如，一般来说女性用户流量的商业价值较高，市场价也可能会比较高，如果DSP广告在男女用户的eCPM上差别不大，甚至在男性用户上更高（如游戏），那么就应该尽量多投放男性流量，以获得更高的利润。不过，加入更多维度使问题变得复杂了很多，而且其他因素对市场价的影响没有时间那么大，因此，做好时间轴上的出价策略是实践中最关键的。

3、出价和定价过程

    DSP同时存在面向广告主的定价过程和面向ADX的出价过程

    DSP在各个广告主之间按CPC竞价方式收费的情形，在这种情况下，出价和定价的过程如图

    如果DSP赢得了实时竞价，那么ADX会按照第二名DSP'的出价b'向DSP收取费用。在这种情形下，DSP就获得了b−b'的期望收益。但是，在DSP按CPC向广告主收费的情形下，这只是期望而非确定的收益。

4、重定向

    重定向是在线广告中最早产生，也是最广泛使用的一种定制化标签。它的概念很简单，即把那些曾经对广告主服务发生明确兴趣的用户找出来，向他们投放该广告主的广告。在不同的广告类型上，重定向主要有以下两种目的。

（1）用于品牌广告。当用户已经选择过某品牌的服务或产品后，如果在质量比较高的媒体上看到该品牌的广告，这个用户会进一步肯定自己决策的正确性，从而对该品牌的认知度也大大加强。这种用途下，应当以宣传品牌而不是具体产品为主要诉求。

（2）用于效果广告。当用户曾经考虑过某种产品，但没有完成最终转化，通过在线广告将这个用户找回，点击率和转化率都会明显高于平均水平。如果用户已经选择了该产品，那么可以利用推荐技术向这个用户推送相关的产品广告。

    重定向可以根据信息来源和使用信息的精细程度区分为网站重定向、个性化重定向和搜索重定向。下面分别加以说明。

4.1 召回重定向与个性化重定向

    网站重定向（site retargeting），即将在一段时间内到达过广告主网站或应用的用户作为重定向集合。这样的重定向流量其eCPM一般来说要比无定向流量高出一个数量级，因此需要尽可能扩大投放量。

    个性化重定向（personalized retargeting），是召回重定向的一种特例。对重定向流量进行深入加工，按照品类和购买阶段等因素进行创意上的深度个性化，就是个性化重定向。具体来说，个性化重定向可以在两个方面做深入挖掘：一是对于处于不同购买阶段的用户，采用合适的创意推动他尽快完成转化行为，这里的购买阶段包括浏览、搜索、加入购物车等；二是对于已经有过一些购买记录的用户，使用推荐技术向其展示相关的商品以提升二次购买率。

    个性化重定向与传统的受众定向方式有较大的差别，其产品关键有以下几点。

（1）动态创意。个性化重定向的核心是用推荐的思路实时决定展示什么商品。由于广告主的商品数量往往相当大，因此显然不可能为所有的商品组合预先准备好创意。因此，动态创意是个性化重定向最重要的支持技术，这也是在线广告朝着彻底个性化、动态化方向发展迈出的重要一步。

（2）推荐引擎。个性化重定向可以看作是站外推荐。不过与站内推荐相比，它有一些不同之处：首先，站内商品页上的推荐主要根据上下文信息来进行，而站外推荐则是根据用户信息来进行；其次，站内推荐由于是发生在某个特定的购买环节上的，因而往往不需要根据用户的购买阶段来调整创意，而站外推荐这么做则非常必要。

（3）广告主商品库存实时接口。对于站外的商品推荐，如果用户在点击某单品到达广告主网站时，发现该商品已经售完或下架，或者是价格与创意上的宣传不符，会对该广告主的品牌形象有较严重的伤害。为了尽可能避免这种情况的发生，个性化重定向服务需要提供准实时的商品库接口，让广告主可以及时地将库存和价格信息同步过来。

4.2 搜索重定向

    搜索重定向（search retargeting），即将搜索过与广告主直接相关的关键词的用户群作为重定向集合。

5、新客推荐

    “有可能对自己产品发生兴趣”这样的用户标签，从目的上来说很明确，但从做法上来说比较模糊。

    新客推荐是一种合理的受众定向产品思路，但是要在一定的数据支持下才有可能产生价值，并且由于它涉及第一方数据和第三方数据的获取与加工，在技术上是有一定的挑战的。

6、产品案例

Criteo

    Criteo的重点产品是按照个性化重定向方式采买广告。其核心技术也就是前面介绍的3项：动态创意、推荐引擎和广告主商品库存实时接口。

在个性化重定向的方案框架内，Criteo还提供了user、category、data和banner这4个维度上比较灵活的优化功能，即广告主可以根据不同的用户细分、商品种类、具体数据和创意类型设置不同的点击出价，从而达到非常精细的ROI管理和优化的目的。

五、供给方平台

    对于媒体而言，没有必要把全部流量变现都放在一种交易方式上，媒体既可以通过直接销售来高溢价地售卖品牌广告，也可以综合使用各种程序交易方式以追求更高的填充率。

    产品逻辑：当广告请求到达时，首先检查优先销售的订单有无需求，这包括CPT和CPM的合约，如果有需求，按照优先级和在线分配的方案完成投放；如果没有这类销售合约，则进入竞价流程，从自运营广告主库中找出eCPM较高的，并估算可供调用的若干广告网络的eCPM，在这两者之间找到较高的，再以此为MRP通过RTB接口向接入的各DSP实时询价。可以看出，在这样的逻辑中，广告请求是被分配到自运营广告库进行广告投放（ad serving），还是以嵌入JavaScript或SDK的方式对接其他广告网络，或者是以RTB方式对接DSP，是根据其收益在线动态决定的，这样的方案称为动态分配（dynamic allocation）。对应的产品形态就叫作供给方平台（supply side platform,SSP）。

1、供给方平台产品策略

（1）聚合（mediation）：集成多个ADN的JavaScript代码或者SDK，在线动态决定向谁请求广告。选择ADN的逻辑，也是对某次展示机会的(u,c)，对候选的ADN估计其eCPM以优化收益。由于此时我们没有具体广告的信息，因此这里只能做粗略的估计。在实际策略中考虑的因素主要有两个：一是广告网络或DSP的分成模式和比例；二是它们各自的广告返回率，当然可以分时间段和地域进行统计。如果这些合作方本身集中投放某种行业类型的广告，那么人群和环境标签也是有帮助的。

（2）广告投放（ad serving）：SSP一般也会提供投放媒体自行销售的广告的功能，即帮助媒体做广告投放。从这个功能来看，更像是帮助媒体实现了一个私有的ADN。不同之处在于，这些内部的广告需要跟外部的ADN一起排序，决定是投放内部广告还是向外部ADN请求广告，而唯一的准则就是优化收入。

（3）市场（marketplace）：在程序化交易产生以后，SSP也会以RTB方式向DSP请求广告，这形成了一个市场。SSP里的市场与ADX相比并没有本质的区别，尤其是当DSP越来越多，ADN越来越少以后，SSP与ADX呈现出越来越强的同质化趋势。

2、Header Bidding

    在收益最大化的驱使下，市场驱使广告主和媒体联合起来打破垄断，这便催生了Header Bidding技术。Header Bidding是Bidder和媒体建立直连绕过ADX的一种方式，Bidder有机会在实时竞价开始之前直接向媒体报价，媒体根据出价高低决定中标者这里的Bidder就是所有可以进行 价的服务，可以是DSP，也可以是ADX或者其他广告参与者。如果没有，再交由ADX进行实时竞价。而直接的报价过程，是在客户端即浏览器或应用中发生的。

（1）用户访问媒体页面，向媒体服务器发起HTTP请求。

（2）媒体服务器将实现Header Bidding功能的脚本hb.js放在HTML的head标签中，该HTML作为HTTP响应发给用户浏览器。

（3）用户浏览器在解析HTML时，将媒体网站配置好的hb.js下载到本地。在hb.js的控制下，用户浏览器向媒体网站约定好的Bidder发起本次曝光机会的竞价请求，Bidder将报价返回给用户浏览器。

（4）在hb.js控制下，用户浏览器将各家Bidder报价信息回传给媒体网站。

（5）媒体服务器同时向ADX或SSP发送广告请求。

（6）ADX或SSP发起RTB过程并获得广告候选。

（7）媒体服务器将Header Bidding出价结果和RTB出价结果放在一起进行排序，出价最高者赢得本次广告展示机会，用户浏览器请求胜出方加载广告。

    Header Bidding也可以被认为是供给端产品，或者一种特殊的SSP。但是这种方式在技术上存在明显的问题：最关键的一点是，客户端询价的模式带来了比较大的广告时延，这使实际的曝光减少了，也影响了用户体验。因此，我们更倾向于认为Header Bidding的成功是商业博弈的结果，而不是一种技术上的进步。

3、产品案例

Admeld

    Admeld的创始人Michael Barrett曾经在美国在线（AOL）和福克斯集团（FOX）担任要职，所以Admeld的产品从一开始就在为门户网站设计广告管理功能，优化媒体利益。Admeld的早期客户包括AOL、FOX等在美国具有相当流量的大型门户型网站。从2008年起，Admeld一直在网络优化、PMP等方向上引领SSP相关技术和产品形态的发展。

    2011年Admeld被谷歌以4亿美元收购后，整合了DoubleClick的DoubleClick for Publishers（DF-P）广告管理系统。谷歌收购Admeld后，就能获取到一些他们难以取得的顶级内容供应商的流量以及良好的媒体关系，而Admeld的SSP相关技术也被整合进DFP中，完善了谷歌的广告生态链。