程序化广告行业(18/89):交易模式与关键概念解析

程序化广告行业(18/89):交易模式与关键概念解析

大家好呀!一直以来,我都在深入研究程序化广告这个充满挑战与机遇的领域,在学习过程中收获了很多,也迫不及待想和大家分享。写这篇博客,就是希望能和各位一起进步,把程序化广告行业的知识理解得更透彻。今天咱们接着探索程序化广告行业,重点剖析其中的交易模式和一些容易混淆的关键概念。

一、程序化广告的交易模式

在程序化广告市场中,不同的交易模式满足了广告主多样化的需求。这些交易模式的产生,是市场为了向广告主提供更完善的广告投放解决方案而不断演变的结果。

(一)RTB实时竞价

RTB实时竞价是一种很重要的交易模式,它就像是一场线上的广告资源拍卖会 。在这个模式下,广告主可以在RTB交易市场里自由挑选媒体资源,针对目标人群进行竞价购买。媒体呢,也能接入RTB交易市场,找到更多广告主,快速把自己的流量变现。RTB交易市场分为公开和私有两种。公开竞价就是在公开广告交易平台上进行的竞价交易,就好比在一个公开的大市场里大家公平竞争;而在私有广告交易平台(也就是私有交易市场)进行的竞价就是私有竞价,这有点像在一个小圈子里,只有特定的人能参与竞拍。

为了更好地理解,咱们用代码来模拟一个简单的RTB竞价过程(这里用Python代码实现):

# 假设有三个广告主,他们对某个广告位的出价
advertisers = {"advertiser1": 2.5,"advertiser2": 3.0,"advertiser3": 2.0
}
highest_bid = 0
winning_advertiser = ""
for advertiser, bid in advertisers.items():if bid > highest_bid:highest_bid = bidwinning_advertiser = advertiser
print(f"中标广告主: {winning_advertiser},出价: {highest_bid}")

在这个例子里,出价最高的广告主就能赢得广告位的投放权,这和现实中的RTB竞价原理是相似的。

(二)PA私有竞价

PA私有竞价模式的出现,和优质媒体的担忧有关。虽然RTB模式很开放,但一些优质媒体担心开放市场会让各种广告参差不齐,影响自己的品牌形象和用户体验。所以,他们只愿意把流量开放给部分大型广告主(也就是VIP客户)进行竞价购买。这就好比一个高端商场,只允许一些知名品牌入驻,保证商场的品质和形象。这种模式让大型广告主有了更专属的广告投放渠道,能获取到更高质量的流量。

(三)PD首选交易

PD(首选交易)模式是保价不保量的交易方式。基于大型广告主对优质流量的需求,以及他们对较高价格的承受能力,这种模式应运而生。广告主可以用相对较高的价格,优先获得媒体的流量投放机会,但媒体不保证能提供固定数量的流量。这就像在餐厅预订座位,你付了较高的预订费,可以优先有座位,但餐厅不保证一定能给你预留多少个座位,要看当天的实际情况。

(四)PDB程序化保量

对于品牌广告主来说,他们通常会提前很久规划媒体策略和预算安排。前面的几种模式都不太能满足他们的需求,于是PDB(程序化保量,行业惯称为PDB)模式出现了。这种模式既能保证广告投放的价格,又能保证投放的量,就像是和媒体签订了一份有保障的合同,让品牌广告主可以更安心地进行广告投放计划。

二、易混淆名词对比

在程序化广告领域,有一些名词很容易让人混淆,下面咱们就来仔细区分一下。

(一)RTB实时竞价、Ad Serving广告服务、Ad Network网盟

RTB实时竞价是一种广告购买模式,重点在于实时竞价,服务于程序化广告交易市场的各个参与者,像AdX/SSP、DSP等都涉及其中。Ad Serving广告服务则是一个更综合的广告投放服务平台,涵盖监测分析、程序化创意、广告验证、数据提供与管理等多个方面,它主要为需求方(也就是广告主)提供服务,通过按广告投放流水向需求方收取一定比例的技术服务费来盈利。Ad Network网盟是一个封闭式的广告交易市场,它既是流量平台,又是广告投放平台,支持竞价投放(主要以CPC竞价结算)和预定义人群定向。它的盈利模式是先包断媒体网站或App的流量,然后以相对固定的价格或者CPC竞价售卖给需求方,从中赚取差价。

(二)AdX/SSP广告交易平台、DSP需求方平台、Hybrid DSP混合型DSP

AdX/SSP广告交易平台是大规模的流量整合平台,主要和流量供应方(像媒体网站、App、网盟AdN)进行收益分成。DSP需求方平台是广告投放平台,支持RTB实时竞价(主要以CPM竞价结算)和基于目标受众的精准定向(包括预定义人群定向和个性化人群定向),它的盈利模式比较多样,常见的有按广告投放流水收取技术服务费、通过流量溢价赚取差价(在CPM结算场景)以及通过广告优化赚取差价(在CPC、CPA、CPS结算场景)。Hybrid DSP混合型DSP则是DSP和Ad Network或者DSP和AdX/SSP的结合体,它综合了以上几种模式的盈利方式,能为需求方和供应方提供更全面的服务。

三、总结与展望

通过对这篇文档的解析,我们对程序化广告的交易模式和一些关键概念有了更清晰的认识。这些知识对于在程序化广告行业工作的人来说非常重要,能帮助大家在实际工作中根据业务需求,更合理地选择交易策略,实现更高效的广告投放。随着技术的不断发展和市场的变化,程序化广告行业还会不断涌现新的模式和概念,我们要持续学习,才能跟上行业的步伐。

写作这篇博客真的花费了我不少时间和精力,每一个知识点都经过了反复梳理和思考,就希望能以最通俗易懂的方式呈现给大家。如果这篇文章让你对程序化广告行业有了新的认识,麻烦动动手指关注我的博客,点个赞,再留下你的评论吧!你们的支持是我不断创作的动力,让我们一起在学习的道路上共同成长,探索更多程序化广告行业的精彩内容!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/72408.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

在离线情况下如何使用 Python 翻译文本

以下是在离线环境下使用Python进行文本翻译的两种主流方案,包含本地模型部署和轻量级词典两种方法: 方案一:使用本地神经网络翻译模型(推荐) # 安装依赖(需提前下载) # pip install argos-tra…

OpenEuler-22.03-LTS上利用Ansible轻松部署MySQL 5.7

一、需求 使用ansible自动化部署mysql二进制部署mysql部署mysql并创建JDBC用户 二、环境信息 本文涉及的代码,配置文件地址: 链接:百度网盘 请输入提取码 提取码:1g6y 软件名称版本备注Ansible2.9.27All modules — Ansible Doc…

基于javaweb的SpringBoot农资商城购物商城系统设计与实现(源码+文档+部署讲解)

技术范围:SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等设计与开发。 主要内容:免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、论文编写和辅导、论…

angular打地鼠

说明:我计划用angular做一款打地鼠的小游戏, 打地鼠游戏实现文档 🎮 游戏逻辑 ​游戏场景 采用 3x3 网格布局的 9 个地鼠洞​核心机制 地鼠随机从洞口弹出点击有效目标获得积分30 秒倒计时游戏模式 ​难度系统 简单模式:生成间…

博客网站(springboot)整合deepseek实现在线调用

🎉🎉🎉🎉🎉🎉 欢迎访问的个人博客:https://swzbk.site/,加好友,拉你入福利群 🎉🎉🎉🎉🎉🎉 1、de…

Kubernetes 单节点集群搭建

Kubernetes 单节点集群搭建教程 本人尝试基于Ubuntu搭建一个单节点K8S集群,其中遇到各种问题,最大的问题就是网络,各种镜像源下载不下来,特此记录!注意:文中使用了几个镜像,将看来可能失效导致安…

【PTA题目解答】7-3 字符串的全排列(20分)next_permutation

1.题目 给定一个全由小写字母构成的字符串,求它的全排列,按照字典序从小到大输出。 输入格式: 一行,一个字符串,长度不大于8。 输出格式: 输出所有全排列,每行一种排列形式,字典序从小到大。 输入样例…

专题三0~n-1中缺失的数字

1.题目 给一个数组,单调性是递增的,需要找到缺失的数字,加上这个数字就变为等差数组了。 2.算法原理 这里用二分来解决,而二段性是根据下标区分,临界值前的数字于下标相对应,临界值后的于下标相差1&#x…

【图像处理】ISP(Image Signal Processor) 图像处理器的用途和工作原理?

ISP(图像信号处理器)是数字影像设备的“视觉大脑”,负责将传感器捕获的原始电信号转化为我们看到的高清图像。以下从用途和工作原理两方面通俗解析: 一、ISP的核心用途:让照片“更像眼睛看到的” 提升画质&#xff1a…

python学习笔记-mysql数据库操作

现有一个需求,调用高德api获取全国县级以上行政区数据并保存为json文件,使用python获取: import requests import json# 高德API Key api_key "your_api_key"# 调用行政区域查询API def fetch_districts():url f"https://r…

Redisson 实现分布式锁源码浅析

大家好,我是此林。 今天来分享Redisson分布式锁源码。还是一样,我们用 问题驱动 的方式展开讲述。 1. redis 中如何使用 lua 脚本? Redis内置了lua解释器,lua脚本有两个好处: 1. 减少多次Redis命令的网络传输开销。…

【软件】免费的PDF全文翻译软件,能保留公式图表的样式

转载请注明出处:小锋学长生活大爆炸[xfxuezhagn.cn] 如果本文帮助到了你,欢迎[点赞、收藏、关注]哦~ 很多PDF全文翻译软件都是收费的,而划线翻译看着又很累。这个开源的PDF全文翻译软件非常好用,并且能够保留公式、图表、目录和注…

CentOS 7 系统上安装 SQLite

1. 检查系统更新 在安装新软件之前,建议先更新系统的软件包列表,以确保使用的是最新的软件源和补丁。打开终端,执行以下命令: sudo yum update -y -y 选项表示在更新过程中自动回答 “yes”,避免手动确认。 2. 安装 …

Gin(后端)和 Vue3(前端)中实现 Server-Sent Events(SSE)推送

在 Gin(后端)和 Vue3(前端)中实现 Server-Sent Events(SSE)推送,主要分为以下几个步骤: 后端(Gin)实现 SSE Gin 框架可以使用 c.SSEvent 方法来推送 SSE 事…

大模型微调中显存占用和训练时间的影响因素

BatchSize 显存占用:与batch_size呈线性关系,可理解为 M t o t a l M f i x e d B a t c h S i z e ∗ M p e r − s a m p l e M_{total}M_{fixed}BatchSize*M_{per-sample} Mtotal​Mfixed​BatchSize∗Mper−sample​,其中 M f i x e d…

【排序算法对比】快速排序、归并排序、堆排序

排序算法对比:快速排序、归并排序、堆排序 1. 快速排序(Quick Sort) 原理 快速排序采用 分治法(Divide and Conquer),通过选取基准值(pivot),将数组划分为 小于基准值…

PentestGPT 下载

PentestGPT 下载 PentestGPT 介绍 PentestGPT(Penetration Testing GPT)是一个基于大语言模型(LLM)的智能渗透测试助手。它结合了 ChatGPT(或其他 GPT 模型)与渗透测试工具,帮助安全研究人员自…

防火墙虚拟系统实验

一实验拓扑 二实验过程 配置资源 创建虚拟系统 配置管理员 创建安全策略

代码随想录算法训练营第31天 | 56. 合并区间 738.单调递增的数字 968.监控二叉树

56. 合并区间 代码随想录 56. 合并区间 - 力扣&#xff08;LeetCode&#xff09; class Solution {public int[][] merge(int[][] intervals) {Arrays.sort(intervals,(a,b)->{if(a[0] b[0])return a[1] - b[1];return a[0] - b[0];});List<int[]> result new Arra…

Go语言对于MySQL的基本操作

一.下载依赖 终端中输入&#xff1a; go get -u github.com/go-sql-driver/mysql 导入包 import ("database/sql"_ "github.com/go-sql-driver/mysql" ) 二.案例 package main//go get-u github.com/go-sql-driver/mysql 获取驱动 import ("databa…