竞价广告市场的产生对需求方的技术要求-创视优品

竞价广告市场的产生对需求方的技术要求

  •   搜索广告和竞价广告网络虽然效果差别很大,但从产品本质上看,属于同一范畴。竞价广告市场的产生对需求方的技术也提出了新的要求:原来通过直接与媒体签订保量合约的采买方式变成通过竞价为广告主完成量与质需求的采买产品。具体地说,这样的产品需要具备一项基本功能,即按照广告主预算跨媒体一站式采买人群的功能。另外,还可以具备一项高级功能,即机器决策的ROI优化功能。
      这样的需求可以分解为两个基本问题:一是如何挑选合适的目标人群,二是如何对各个目标人群给出合适的出价。由于竞价广告平台的决策过程对于需求方来说是个黑盒子,要解决好这两个问题其实并不容易。
    一. 搜索引擎营销
      搜索广告对应的需求方产品,即通过竞价采买搜索引擎关键词来做推广,这就是搜索引擎营销,即SEM。上面说的两个基本问题在SEM中具体表现为关键词选择和出价。对SEM来说,各个标签即关键词的流量是互相不重叠的,这与展示广告受众定向标签之间可以进行复杂的布尔运算不同,实际上比人群标签优化要直接一些。
      关键词选择和出价两个问题都有相当的难度。首先来看关键词选择,如果广告主提供一些种子词,那么这个问题看起来非常类似于5.1.3节中的查询扩展问题,但又有相当大的区别:搜索引擎进行查询扩展的目的是为了提高自己的营收;而需求方进行关键词选择的目的是为了提高广告主采买流量的ROI。这两个目标显然有着很大的区别,因此广告主更信赖代表需求方利益的SEM公司。不过SEM公司由于数据来源的问题,需要长期的数据积累才能做到较好的效果。同时,对于大量长尾的小型广告主,往往比较难于积累起足够的数据用于优化,因此这类SEM公司服务的对象主要是中型以上的广告主。
      出价的问题,传统的认识是广告主根据到达率、自己网站的转化率和客单价来估计点击价值,并以此点击价值为参考来出价。不过这忽略了一个问题,那就是各个关键词的转化率、客单价和市场竞争水平都有很大的区别,因此只有在不同关键词上做不同的出价才能更深入地优化整体采买的ROI。由于搜索广告的定向粒度很细,可以看出关键词选择和出价都是规模很大的优化问题,而且由于广告网络半封闭的竞价机制,数据的反馈和调整都不够及时,因此这一优化问题技术挑战是比较大的。
    二. 媒体购买平台
      面向展示广告网络的一站式采买平台称为媒介采买平台,与之类似的概念还有交易终端(Trading Desk, TD),可以认为是同一类的产品。
    从市场发展来看,许多媒体采买平台都是4A或其他代理公司为了适应市场技术形态的变化,收购或者孵化出来的子公司,这从图1-9中两部分产品之间的连线就可以看出来。在竞价广告市场上,广告主量的需求仍然是存在的,因此保量的合约并不是消失了,而是由代理与媒体之间下沉到了广告主与媒体采买平台之间。
      虽然概念类似,但是媒体采买平台的难点与SEM有所不同。媒体采买平台的技术挑战主要在于ROI的优化部分,要合理地选择需要的受众定向条件,并在每个人群上优化出价,以保证量的要求和优化收益是一个复杂的组合优化问题。由于无法具体控制每一次展示,其困难程度要高于后面实时竞价的情况下的效果优化。这种面向广告网络中非RTB流量的ROI优化也成为广告技术产品的一个重要方向。
    三. 产品案例
      对于非实时的竞价广告产品,需求方的优化比较困难,因此主要在投资回报比较高的SEM中得到了充分发展。我们举一个SEM产品的例子供大家参考。
    EfficientFrontier


      EF(EfficientFrontier)开始是一家专门从事SEM优化的广告技术公司,后来也涉足展示广告网络的优化领域。2011年,EF被Adobe旗下的Omniture以4亿美元的价格所收购,其产品成为Adobe Digital Market Suite中的一部分,称为Adobe AdLens。收购时,EF每年管理着6亿美元以上的搜索引擎广告预算以及超过4000万的搜索关键词,平均每日为每个客户投放40000个以上的竞价。
      从EF这家公司的名称就可以大致了解到其技术方向,他们的业务是通过关键词选择和出价为搜索广告主提供大量关键词情形下的ROI优化。EF采用是金融领域的投资组合(portfolio selection)理论[55]方法来解决这两个问题,而efficient frontier也是这一金融领域中的术语。这一问题是通过计算的方法确定一个投资组合中各个品种的投资比例,以达到期望收益最优情况下风险最小的理论。在各个投资期望收益水平下,相应的最小组合风险对应的曲线就称为efficient frontier。
      如果将搜索广告里的标的物,即关键词,类比于股票,那么在一定预算的限制下分配各个关键词上的投入以求达到整体ROI的最优,从框架上看非常类似于上述的投资组合问题。因此,EF公司按照这一思路,将量化金融里的投资组合理论与计算广告技术结合起来,创造性地发展出了大规模的关键词出价优化技术。图5-11中给出了efficient frontier的一个示例,图中每个点代表一个广告投放设置,即关键词组合及其出价,而每一个组合也就对应了一个收入和成本。将各成本对应的最高收入的投放设置连接起来,就构成了efficient frontier曲线。找到这条efficient ffrontier曲线后,给定广告主的预算,就可以找到最佳的投放策略。在可选的关键词数量很大时,投放设置的集合规模非常大,再加上搜索引擎非实时的数据反馈,可以想见此优化问题的困难程度。


    图5-11 SEM中的efficient frontier示意
      广告主优化广告投放收益的问题其实比优化股票收益还要复杂。因为广告主的收益就是ROI,而无论是估计点击率还是估计点击价值,都严重依赖于数据。因此,这方面数据的积累实际上才是EF最核心的竞争力。为了获得更多的数据来强化其竞争力,它被Adobe旗下的Omniture收购了也符合逻辑,因为Omniture是专门提供网站分析工具的公司,积累了大量的网站行为数据,这对于优化ROI来说非常有价值。
    除了SEM, Adobe AdLens也开展了Facebook等展示广告优化业务,因为其技术对于展示广告、搜索广告来说具有通用性——从广告网络的产品角度看,二者的本质是相通的。
  • 本文章摘自书籍或来源于网络,如果您喜欢本文,请通过正规渠道购买正版书籍或者访问原网站,如有侵权,请联系我们及时删除。
  • 相关资讯

    您可能对下面的文章也感兴趣!

    我们的服务项目

    企业宣传片、三维动画、企业会议片、MG动画、短视频、产品广告

    Top