广告助攻模型与传统利用一方数据能力,有什么区别?

我们聊了下《广告助攻模型的应用场景和核心应用》,在这一篇里,我们来说一下广告助攻模型与传统利用一方数据能力的区别。

  • 一、广告链路的理解

要想理解助攻模型与传统利用一方数据的能力区别,我们需要简单了解下广告链路的知识。如下图,广告核心链路一共有三到四个核心步骤,分别是广告召回,广告预排序,广告粗排,广告精排。

自动草稿

数据的应用,主要是作用于这几个关键步骤(关于广告链路知识的分享,我们可以后面再聊聊)。

当前,我们只需要知道广告的核心步骤是:1)召回:用于将与用户匹配的广告都召回过来——这也可以解释为什么召回也被解释为匹配的原因;2)广告预排序:广告太多,先通过离线计算把价值明显低的广告先过滤下;3)对成千上万的广告进行简单的排序(粗排),确保优质的广告都可以进入下一轮计算;3)对优质的广告进行再次计算和排序,确保广告的“价值“可以计算得准确。

理解以上逻辑,我们就可以大概知道广告的逻辑了。

回到正题,首先,我们需要了解不同数据的定义。

  • 二、一方数据,二方数据,三方数据的说明以及作用。

自动草稿

广告行为中涉及的数据,主要是从广告主的角度出发的,所以广告主的数据,被称为一方数据。

第一方数据:一方数据是指广告主直接从受众(包括APP用户、网站访问者和广告主自己社交媒体账号)那里收集获取到的数据。“一方”是指广告主获取的第一手数据。

不同行业的一方数据,核心的数据资产会有所不同。针对游戏广告主,核心的一方数据是注册和付费用户及其行为。针对网服类广告主,核心的一方数据是其活跃用户的信息以及其在应用内的行为数据。

例如,一家平台电商公司可能拥有存储在其在线CRM系统中的消费者的数据(一方数据)。这类数据一般包含人口统计信息(姓名、联系方式、送货地址,邮箱地址等),购买历史记录,网站互动(包括浏览,搜索,收藏,加购数据)等。一方数据的好处在于它针对的是广告主现有的消费者,广告主可以在这些自有数据上创建高度个性化的推荐策略和体验。

第二方数据,依然是从广告主的角度来看的,产生在企业合作伙伴获取的数据(广告链路中主要指的是广告媒体和广告平台上的数据),这些数据依然是关于受众和用户的,但这些受众和用户数据不再只是广告主企业自有的受众和用户的数据,而是广告平台媒体自己收集的受众和用户的数据。

二方数据,常见的包括两块,一块是媒体应用自有的用户行为和兴趣数据,一块是广告主投放时,在广告平台上产生的曝光、点击以及部分的转化数据。

第三方数据,指的是非直接广告业务合作的第三方数据,比如从第三方数据交易平台获取到的广告主和媒体的数据,这里通常涉及DSP与DMP,需要进行ID mapping的操作。

国内也有很多的第三方数据交易平台,比如以推送SDK起家的极光大数据服务平台。通过外部应用接入极光推送SDK,极光获取了大量的用户行为数据,以这些数据搭建的第三方数据DMP,我们就可以认为是第三方数据。

从广告的链路来看,广告主一方数据主要是广告主的应用内活跃和付费数据,广告主可以比较清楚的知道不同用户的价值,因此,广告主一方数据主要影响的是广告主的出价以及后端转化数据。也因此,在广告投放时,针对不同用户定向的出价由广告主来决定。这些数据也是一方数据最核心的部分。

二方数据,在广告数据上表现是广告的曝光点击等浅层转化数据,这些用户广告行为的数据对于广告的点击率和浅层转化率预估非常重要。而第三方数据,则主要是作为一方数据和二方数据的补充。

自动草稿

  • 三、一方数据的三个使用方式以及其与广告主助攻模型的区别

1.一方数据可通过核心种子人群使用DMP扩量找到相似人群

相似人群扩散,主要是使用look-alike 技术进行处理。

Look-alike即相似人群扩展,基于广告主提供的现有用户/设备ID,通过一定的算法评估模型,找到更多拥有潜在关联性的相似人群的技术。Look-alike可在保证精准定向效果的同时,扩大投放用户覆盖面。

通俗地说,就是通过种子用户(例如iPhone购买者),按照某些逻辑规律(例如操作顺滑以及安全),找到他们背后的关联性群体(IT工作者、一线城市、喜欢装X等),从而增加目标受众。

上面说过,广告的核心链路分为:广告的召回(即匹配),广告价值粗排,广告价值的精排。

核心用户扩散的更多用户,在广告的链路中主要作用于召回这个环节,即相当于系统根据种子用户的共同特征,帮助选定了更多的潜在用户,将更多的用户匹配到了这个广告主投放的广告上。也就是说,look-alike 的能力对广告的排序(粗排和精排)是没有调整策略的。这点跟广告主助攻模型是有显著差异的。

自动草稿

2. 一方数据可通过RTA 拉新拉活以及动态出价;

一方数据的另外一个应用场景是,RTA。

RTA 即Realtime API的简称,用于满足广告主实时个性化的投放需求。RTA 将直投的广告主的流量选择权交给广告主,通常在定向环节中将用户身份的识别的请求发送给广告主,进行用户的筛选,让广告主在广告曝光前进行投放策略的判断,满足“拉新”“拉活”等个性化需求。RTA 本质来说,是解决广告系统平台无法实时个性化定向的一个需求。

关于RTA 产品能力,可以直接看我之前的文章 RTA 广告产品能力详解。

在数据链路上,RTA的策略能力主要部署在广告主的服务器上,要求广告主在数据应用和技术能力上有较高的要求。而助攻模型,则是部署在广告平台上,与广告平台的模型是相兼容的,只需要在数据上跟广告主进行对接,模型策略上自闭环。

自动草稿

3.一方数据的第三个应用是进行retargetting广告的投放;

Retargetting 广告,又称为是重定向广告。即广告主利用其一方的行为数据,通过外部媒体进行用户的再营销或者再触达的一种广告形式。

最常见的一种形式是,你在京东或者淘宝上搜索(或点击,收藏、加购)一个商品,由于还没有最终成交,京东等电商平台认为你的转化概率非常高,因此常常通过ADX的方式将你感兴趣的广告展示在其他媒体上进行再营销。这个广告的链路形态也解释了为什么有的人不久前在淘宝上搜索了某个商品,打开今日头条或者抖音后,会在比较短的时间内看到同一个商品或者类似商品的广告。

这,就是Retargetting广告。

自动草稿

广告主助攻模型与上述一方数据的应用的区别在于,广告主助攻模型理论上都可以实现上述的三个功能点,但更加的稳健和自闭环,相当于一个模型,包含三个数据应用的核心能力。其能力包括:1)扩量和人群识别;2)动态人群出价;3)广告的Retargetting效果。

不过,当前的广告主助攻模型主要集中应用在动态的价格策略上,针对高意愿的用户调高出价,低意愿的用户降低出价。当然,人群扩量也是有的。Retargetting 则相对少些,主要原因是,retargetting需要的是应用内或者电商平台内关键的行为数据,一般广告主不太愿意给。

所以实际从逻辑来看,广告主助攻模型的应用策略上,是可以包含上述的几个能力的。同时,由于广告主助攻模型由广告平台进行统一研发和调优,整合在广告平台的核心链路上,对整体的广告主成本的控制更加可控。避免了不同广告主技术能力不同的多方对接,对广告投放对接效率以及模型的稳定性有较大的提升。

文章来源:PMCoder之路

作者:PMCoder

热门文章

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注