進度條

廣告投放媒合大哉問?淺談數位廣告投放分工與流程

想靠大數據(Big Data)做廣告賺一波?那你可能要先了解這些專有名詞!

作者: Vincent Ke 更新日期:

不論是身為投放廣告主的你,還是獲得廣告利潤的內容主,在人手一機行動裝置以及微網紅的時代洪流中,大家都想要在廣告投放的市場分一杯羹。「這時代賺錢,講求的是信任」,就算有再好的內容,如果小看了「廣告」,也很難在百家爭鳴之中,讓自己的產品鶴立雞群。

 

 

 

 

street-lights-802024 (1).jpg

 

 

但究竟廣告怎麼下,並讓你的廣告投放對的人身上,儼然已成為大數據時代中重要的 Knowhow (知識),在傳統的廣告,只要你有錢,就可以在大型廣告中買下一個顯眼的版位,但這就是一個比拳頭(預算)的遊戲,畢竟錢可是要花在刀口上,只有讓廣告有著對的投放受眾,才能在有限的預算中,創造高轉換率的空間。

 

但廣告投放牽涉到的平台,可是超乎想像的多,接下來小編將為各位一一解釋廣告投放的流程以及各角色的分工,做一概括的介紹。

 

 

woman-s-portrait-photo-poster-1766236.jpg

 

 

首先在需要投放廣告,也就是花錢買廣告的人,我們可先稱作廣告投放方或廣告主 (Advertiser),但與其說他們要花錢買廣告,倒不如說是要買流量,讓自己的商品或頁面可以有更多的觸擊及轉換更為恰當,

 

 

再來就是常聽到的 DSP(demand-side platform, 英文 WIKI),通常可稱作「廣告需求方(投放服務)平台」,廣告主可以依照自己的需求,挑選受眾,並在 DSP 進行廣告投放的操作,所以我們可以想像 「DSP 廣告需求方平台」 會搜集到各個廣告主的需求,做出蒐整。

 

 

people-woman-laptop-girl-41519 (1).jpg

 

 

而相對於廣告主與「DSP 廣告需求方平台」,就是所謂的 Publishers (內容主) 與 SSP (supply-side platform 或 sell-side platform,中文可稱供應商平台,  英文WIKI ),內容商可以在 「SSP 供應商平台」 上,決定自己的 app 或網站其廣告版位,也可以挑選最適合自己網站屬性及受眾的廣告,而 「SSP 供應商平台」 就是一個搜集到各個內容主的平台。

 

 

校正小編補充:

名詞的出現都跟歷史有關,現行的服務商有可能同時整合了多的角色(垂直整合),所以不見得可以很清楚了分類公司與角色,隨著技術的成長與市場的變化,會衍生出更多的角色與名詞,所以建議先略看,有些形態的公司也不是一般消費者會直接碰到的,所以不太容易理解它所扮演的角色。

可以參考 WIKI 上的這張圖片




來源:https://commons.wikimedia.org/wiki

 

 

但許多中小型網站可能因為各自的內容,以及目標受眾的不同,造成廣告投放的受限,於是這中間的媒合就造就了 Ad network (廣告聯播網) 的誕生,大家可以想像成他是許多中小型網站的匯流,作為 SSP 與內容主之間的集合。

 

 

light-london-adverts-piccadilly-circus-34639.jpg

 

 

一但 Ad network 愈漸愈多,DSP 與 SSP 之間相對應的溝通也會越來越複雜,這時候就要靠著 Ad exchange (縮寫為 ADX, 廣告交易平台) ,來做相對應的廣告交換,讓對的廣告可以投放到對的內容主上。

 

 

但在 DSP 以及 ADX 中間,其實還有一個相當重要的角色,來幫廣告主以及內容主作媒合,例如你可能在 DSP 上設定了受眾為18~24歲,對動漫有熱誠的男性族群,但怎麼樣把這些流量做匹配,甚至是投放到對的內容,就必須依靠 DMP 數據管理平台(DMP, Data Manage Platform),來做使用者的數據管理及優化。

 

 

DMP 的原理其實相當簡單,最簡單的技術就是透過 Cookie 裡面使用者的行為記錄,加上自己平台及第三方數據,並利用使用者的行為來做數據的管理、篩選,進一步拼湊出使用者的樣貌,讓廣告主在 DSP 所篩選出來的廣告投放條件更為精準。也拜 DMP 所賜,讓我們的廣告預算不會因為打到了不相干的族群,而有無所謂的浪費。

 

 

校正小編補充:

這過程其實也會包含 Data Labeling(資料標注),Cookie 或是其他方式蒐集到的內容理所當然的會往後端去傳送,不管是 if-else 或是 machine learning 機械學習,不太可能在最後都用 Full text search 的方式去找資料,這樣你的系統會爆炸慢,而且 AWS 的 Auto scaling 也救不了你,因為是 DB 層面的問題。

其實一般人以為的高大上技術,都需要事前處理,如果再進資料庫之前就已經處理好分類,那機械學習也可以更精準,最後寫入 Server application 應用程式用的資料庫時,也可以依靠 table column 分類來讓系統搜尋更準確,畢竟大數據就是個中間資料處理層,最後使用者操作的介面還是要透過應用程式來讀取結果,所以實務上是分很多層的,每一層都有需要優化的地方。 
 

 

 

in-design-we-trust-billboard-6253.jpg

 

以上就是針對數位廣告投放的分工以及腳色做出一個簡單的介紹,但這中間的愛恨糾葛其實並不是三言兩語可道之,本文的目的只是先為各位學員做出一個簡單的名詞解釋及介紹,未來小編也會在特別針對 DSP 與 SSP 中間的廣告媒合機制,來做更深入地講解。

 


最後,如果你喜歡我們的文章,別忘了到我們的FB粉絲團按讚喔!!

Medium vincent

Vincent Ke

喜歡把混亂的事情變的簡單 用嘴巴做事其實很可以 但要結合靈活的腦袋思考 就一起來拆解吧