程序化广告行业(44/89):岗位职责与RTB竞价逻辑深度解析

程序化广告行业(44/89):岗位职责与RTB竞价逻辑深度解析

大家好!在前面的分享中,我们已经学习了程序化广告行业的诸多要点,从投放问题诊断到广告优化,再到项目总结的重要性。今天,咱们继续深入探索这个领域,详细了解程序化广告执行部门的岗位职责,以及核心的RTB竞价逻辑,希望通过这篇文章能和大家一起进步,更全面地掌握程序化广告的知识体系。

一、程序化广告执行部门岗位职责大揭秘

在程序化广告的运作过程中,不同岗位各司其职,紧密协作,共同推动广告投放项目的顺利进行。

  1. 客户服务:作为连接广告主和DSP内部的桥梁,客户服务的工作至关重要。客户执行(AE)像是项目的前线指挥官,对外积极与客户沟通,负责提案、报告和收款等关键事务;对内则带领运营团队制定精准的投放策略,严格监督投放过程,把控投放进度。客户经理(AM)是AE的上级,主要负责维护与客户的良好关系,跟进客户的各种需求,同时把控AE的工作质量,确保服务符合客户期望。而客户总监(AD)站得更高,具备更强的全局思维和应急处理能力,引领整个Account团队为客户提供更优质的服务。
  2. 广告运营:这是广告投放的核心执行部门。优化师是其中的关键角色,负责制定广告策略、精心设置广告投放活动、深入分析数据,并根据分析结果及时进行优化调整,他们的工作直接关系到广告投放的效果,同时还要合理分配预算,确保资源的有效利用。业务数据运营则像是优化师的智囊团,通过分析各媒体资源数据、梳理人群标签数据,为优化师提供有力的策略支持和优化依据。设计师在部分DSP团队中也发挥着重要作用,对于效果广告,他们设计并优化广告素材;而对于品牌广告,虽然创意大多由品牌方或第三方提供,但设计师也会负责修改创意尺寸等工作。
  3. 媒介:媒介团队专注于拓展高质量的媒体资源,与各大交易平台AdX/SSP进行谈判和对接。在品牌程序化广告领域,除了常见的RTB投放模式,PDB模式的需求也日益增长。此时,媒介的工作重点就在于与AdX/SSP洽谈PDB流量对接,以及就deal订单的价格、投放量等商务条款进行谈判,为广告投放争取更有利的资源和条件。
  4. 产品技术:这个部门涵盖了多个关键岗位。项目经理统筹管理所有与业务相关的产品及技术开发工作。产品经理或产品策划人员负责广告投放系统的设计,包括投放设置、财务模块、报表模块以及用户权限等功能的规划。产品运营则像是"故障诊断专家",负责分析投放过程中出现的各种运营问题,如投放量减少、效果变差等,需要具备强大的逻辑思维和数据分析能力,快速找出问题的根源。数据运营根据广告投放需求,深入分析目标人群,输出完整的用户画像,并为广告运营提供精准的人群策略指导,其数据来源既包括内部数据分析,也涉及外部数据供应商的拓展与合作。技术支持主要为广告运营和客户服务团队提供技术保障,解决广告投放执行过程中遇到的各种技术难题,同时负责程序化流量以及第三方服务的对接工作。
  5. 算法:算法部门堪称程序化广告中的"智慧大脑"。它对广告投放全流程进行深度数据分析与挖掘,协助广告运营和客户服务团队在广告投放前进行数据预估,自动优化广告投放策略,从而实现广告投放效果的最大化。

二、RTB竞价逻辑全流程解析

RTB(实时竞价)是程序化广告的核心技术之一,它让广告投放变得更加精准和高效。下面我们以用户访问今日头条为例,详细解析RTB竞价的全过程。

  1. 用户触发广告请求:当用户A在Web浏览器访问今日头条首页时,这一行为就像是按下了广告投放的"启动键"。今日头条的页面上通常设有各种广告位,假设首页右上角250×250的广告位已加入RTB交易市场,此时今日头条会向AdX/SSP(广告交易平台/供应方平台)请求广告展示给用户A。
  2. AdX/SSP发起竞价:AdX/SSP收到请求后,会触发竞价流程。首先,它会根据User ID向用户数据中心查询用户A的相关信息,如性别、年龄等。接着,AdX/SSP根据这个竞价请求组织一次竞价,由竞价发起服务向各DSP平台发送竞价请求(Bid Request)。这个请求中携带了大量关键信息,包括竞价时间、用户的IP地址、竞价网页URL、广告位信息、广告位底价等,但不同的AdX/SSP平台发送的字段信息会有所差异。
  3. DSP参与竞价决策:DSP的竞价监听服务接收到AdX/SSP发来的竞价请求后,会将信息传输给竞价引擎。竞价引擎会根据AdX/SSP平台的User ID向用户数据中心查询用户更详细的信息,比如兴趣爱好等。在PC端,还需要查询cookie mapping数据库,以确定用户在需求方系统的cookie ID。然后,竞价引擎将获取到的用户数据和广告主在广告投放管理平台设置的投放策略进行匹配,决定是否参与出价以及CPM出价多少合适。这一过程中,算法引擎发挥着关键作用,它围绕广告主投放需求、媒体质量、人群属性等六大模块细分不同维度,通过自动调优来达到价格和效果的最优化。
  4. DSP发送出价响应:DSP的竞价监听服务根据竞价引擎的决策,向AdX/SSP发送出价响应(Bid Response),并发送CPM价格和广告代码Ad Tag。如果DSP决定不参与竞价,则不进行响应。需要注意的是,DSP从接收到竞价请求到发送出价响应,这个过程必须在极短的时间内完成,一般在80 - 100ms内(不同AdX/SSP的要求会有些区别)。如果网络出现错误或者出价响应超时,AdX/SSP会判定DSP自动放弃此次竞价。

三、代码示例:模拟RTB竞价决策过程

为了帮助大家更好地理解RTB竞价的决策过程,我们用Python代码来模拟一个简单的竞价决策场景。假设我们有一个广告投放策略的字典,包含投放时间、预算、地区定向等信息,以及一个用户信息的字典,通过对比两者来决定是否参与竞价。

python 复制代码
# 模拟广告投放策略
campaign_strategy = {
    '投放时间': '09:00 - 18:00',
    '预算': 10000,
    '地区定向': ['北京', '上海', '广州'],
    '人群属性': {'年龄': (18, 35), '性别': '男'}
}

# 模拟用户信息
user_info = {
    '访问时间': '10:00',
    '地区': '上海',
    '年龄': 25,
    '性别': '男'
}


def decide_bid(campaign, user):
    # 检查投放时间
    if user['访问时间'] < campaign['投放时间'].split(' - ')[0] or user['访问时间'] > campaign['投放时间'].split(' - ')[1]:
        return False

    # 检查地区定向
    if user['地区'] not in campaign['地区定向']:
        return False

    # 检查人群属性
    if user['年龄'] < campaign['人群属性']['年龄'][0] or user['年龄'] > campaign['人群属性']['年龄'][1] or user[
       '性别']!= campaign['人群属性']['性别']:
        return False

    return True


if decide_bid(campaign_strategy, user_info):
    print("符合投放策略,参与竞价")
else:
    print("不符合投放策略,放弃竞价")

在这个示例中,我们简单模拟了根据广告投放策略和用户信息进行竞价决策的过程,实际的RTB竞价决策会涉及更复杂的算法和数据处理。

写作这篇博客花费了我大量的时间和精力,每一个知识点的梳理和代码示例的编写都希望能给大家带来清晰的理解。如果这篇文章对你有所帮助,希望你能点赞、评论支持一下,也请关注我的博客,后续我还会继续分享程序化广告行业的精彩内容,让我们一起在这个领域不断探索、共同成长!

相关推荐
哲讯智能科技5 小时前
智慧能源新篇章:SAP如何赋能光伏行业数字化转型
大数据·人工智能
嘟嘟嘟嘟嘟嘟嘟.7 小时前
MapReduce的工作原理
大数据·mapreduce
汤姆yu8 小时前
基于python大数据的商品数据可视化分析系统
大数据·python·信息可视化·商品数据
好记忆不如烂笔头abc8 小时前
oracle-blob导出,在ob导入失败
大数据·数据库·python
上等猿9 小时前
Elasticsearch笔记
java·笔记·elasticsearch
搬砖的阿wei9 小时前
从零开始学 Flask:构建你的第一个 Web 应用
前端·后端·python·flask
草巾冒小子9 小时前
查看pip3 是否安装了Flask
后端·python·flask
Dontla11 小时前
Python Flask并发demo(http并发与锁)独占接口、monkey功能还不太确定
python·http·flask
Double@加贝12 小时前
StarRocks的执行计划和Profile
大数据·starrocks
暴力袋鼠哥12 小时前
基于Flask的跨境电商头程预警分析系统
后端·python·flask