惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

TaoSecurity Blog
TaoSecurity Blog
博客园 - 司徒正美
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
博客园 - 【当耐特】
M
MIT News - Artificial intelligence
罗磊的独立博客
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Stack Overflow Blog
Stack Overflow Blog
The GitHub Blog
The GitHub Blog
Google DeepMind News
Google DeepMind News
Security Archives - TechRepublic
Security Archives - TechRepublic
宝玉的分享
宝玉的分享
N
News and Events Feed by Topic
The Hacker News
The Hacker News
Google DeepMind News
Google DeepMind News
C
CERT Recently Published Vulnerability Notes
F
Full Disclosure
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
S
Security @ Cisco Blogs
H
Hacker News: Front Page
L
LangChain Blog
Microsoft Security Blog
Microsoft Security Blog
Y
Y Combinator Blog
B
Blog RSS Feed
H
Heimdal Security Blog
Google Online Security Blog
Google Online Security Blog
Apple Machine Learning Research
Apple Machine Learning Research
博客园 - 三生石上(FineUI控件)
V2EX - 技术
V2EX - 技术
V
Vulnerabilities – Threatpost
Help Net Security
Help Net Security
Hacker News - Newest:
Hacker News - Newest: "LLM"
T
Tailwind CSS Blog
W
WeLiveSecurity
T
Tenable Blog
D
DataBreaches.Net
Martin Fowler
Martin Fowler
Cyberwarzone
Cyberwarzone
Cisco Talos Blog
Cisco Talos Blog
S
Secure Thoughts
O
OpenAI News
L
LINUX DO - 热门话题
Vercel News
Vercel News
阮一峰的网络日志
阮一峰的网络日志
Jina AI
Jina AI
J
Java Code Geeks
Know Your Adversary
Know Your Adversary
IT之家
IT之家
Latest news
Latest news
Cloudbric
Cloudbric

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
商业化:程序化广告生态
PM大明同学 · 2024-11-01 · via 人人都是产品经理

在数字营销的世界里,程序化广告购买正成为主流趋势,它通过自动化技术改变了广告主和媒体之间的互动方式。本文将深入探讨程序化广告生态的各个组成部分,供大家参考。

在线广告的演化进程催生出程序化购买的概念,即把从广告主到媒体的全部投放过程程序化,通常需要一个程序化平台去购买广告展示。

程序化购买主要分“公开竞价”、“私有市场”两类交易方式。

商业化:程序化广告生态

DSP(需求方平台)

汇集众多的用户历史行为信息(精确的用户画像),以帮助需求方(即广告主或代理商)以一个统一的接口来管理Ad eXchange(ADX)。需求方可以在平台上设置目标受众的定向条件、预算、出价、创意等,而DSP通过技术和算法自动优化投放效果并提供数据报告。

SSP(供应方平台)

媒体服务平台,媒体方可以通过SSP平台完成广告资源的管理,如流量分配、价格、筛选等等,面向广告售卖方。

DMP(数据管理平台)

DSP的受众定向精确到每个个体,这样精准功能是依靠DMP实现的,把分散的多方数据进行整合纳入统一的技术平台,并对这些数据进行标准化和细分,让用户可以把这些细分结果推向现有的互动营销环境里的平台。

以某个消费者为例,通过对其IP地址、上网行为(如浏览、点击、购买)、浏览内容偏好以及频率、时间等的分析勾勒出他的特征和对应的人群标签,优秀的DSP支持多维度定向,筛选出最有传播价值的人群,锁定目标受众。

ADX(广告交易平台)

可以理解为多个DSP竞价的地方,eCPM高的DSP平台获胜,获得广告展示机会,SSP向ADX发送广告请求,ADX发出请求给许多的DSP,DSP返回报价和广告素材给ADX,ADX按照eCPM大小进行排序,将最高价的广告素材返回给SSP。

RTB(Real-time Bidding-实时竞价)

RTB实时竞价是DSP的核心功能之一,购买方式比较开放、透明,帮助广告主用合理的价格赢得最有价值的曝光机会,利用第三方技术在数以百万计的网站上针对每一个用户展示行为进行评估以及出价的竞价技术。与大量购买投放频次不同,实时竞价规避了无效的受众到达,针对有意义的用户进行购买。

商业化:程序化广告生态

1.用户打开某个网站,网站产生了一个对实时竞价系统广告网络的请求。

2.实时竞价系统向某个DSP发送请求(包括用户是谁,当前页面是什么,以及一些上下文的数据)。

3.DSP收到请求后,向DMP发送一个数据请求,用于收集用户更多的信息,包括用户的年龄、性别以及喜好。

4.DSP收到DMP的信息以后,会向实时竞价系统发出一个自己认为合适的广告以及竞价的价格。

5.实时竞价系统收集到所有广告竞价以后,会举行一个拍卖(Auction)。每个实时竞价系统的拍卖规则可以不同。

6.实时竞价系统会向赢得广告位的DSP发送最后的收款价格,这个价格是根据某种拍卖规则决定的。

7.广告显示给了用户。

8.用户对广告的反馈,例如是否点击,是否购买广告相应的产品,是否订阅广告对应的服务等,这些信息会返回给DSP。

*这里提到的实时竞价系统既可以是一个SSP,也可以是一个ADX。

在广告生态系统中,几乎所有的角色,都要在每一个广告请求中参与其中。每一个流程的不精确都有可能让最后现实的广告不符合用户的喜好。

  • 在整个广告生态系统中,对用户的追踪是一种非常重要的能力,广告平台的任何一个部件无法对用户信息进行有效的管理,那就无法显示相关的广告。
  • 广告生态群对用户信息的追踪有一个基本的技术——存储用户的Cookie,在广告生态圈里,就是用Cookie来对用户的身份进行识别,当用户第一次访问一个网站的时候,一段Cookie就会被建立并且存储在用户的浏览器里,当用户下一次再访问的时候,这段Cookie就会被重新访问并且可能被更改。

* Cookie是和某一个域名(Domain)相关联的。比如,在通常情况下,用户访问了A网站,B网站就无法访问用户在A网站的Cookie。这样做的初衷是在互联网上可以做到保护用户的隐私以及有限制的信息共享。但作为广告平台来说,这样做当然是无助于平台对于用户信息的访问。

  • 那么,一种方法就是B网站直接得到A网站的允许,到A网址植入脚本从而来收取用户的Cookie信息。例如,在某个时期内,某网站有十几个合作方在对用户的数据进行收集。即便是这样,每个单独的数据收集方都只能对用户在互联网上的行为进行局部的数据采集。也就是说,这些收集方很难对用户在互联网上的全部行为进行建模。很明显,这不利于展示最有价值的广告信息的。
  • 在这样的情况下,慢慢催生了一个新的技术——Cookie的整合。把多个由不同的数据收集方收集的Cookie进行匹配,从而能够在逻辑上把这些Cookie都当做同一个人处理。据统计,一个用户在30次点击内,就有99%的概率会被互联网上前10大“数据追踪机构”所追踪,而至少有40%的Cookie可以得到有效的整合。
  • 用Cookie来追踪用户并不是万能的。用户可以删除Cookie信息甚至在浏览器的层面禁止Cookie信息,这给广告平台提出了不小的挑战。最近几年,基于其他存储技术的用户追踪手段,例如Canvas API或者Flash Cookie等也慢慢流行起来。

RTA(Real Time API)

RTA是直投与ADX(Ad Exchange)相结合的一种投放模式,即每次请求时,广告平台都通过API询问广告主是否参竞,然后结合广告主返回的决策进行下一步广告的优选投放,最终提升广告主的广告投放效果。

商业化:程序化广告生态

1.直投模式:广告主直接去媒体广告系统投放广告的模式,依赖于媒体数据和算法能力。

2.ADX模式:媒体提供流量,广告主利用自有数据及投放模型完成投放,广告无法利用媒体侧投放模型。

通俗地解释,API要实现的是能够传送媒体人群数据给广告主,然后让广告主决定是否给这个人投放(推送)广告。具体方式如下:

  • 媒体平台根据广告主提供的目标人群要求,对其用户人群进行圈选,并将圈选之后的人群的device ID通过API推送给广告主。
  • 广告主将这些device ID与自己圈选的一方数据进行匹配。
  • 匹配命中的device ID,会通过API返回给媒体,然后媒体对这些device ID进行广告投放。

什么叫“与自己圈选的一方数据进行匹配”?这一步很关键,本质上透露了这种广告适用的广告主和场景。设想一个场景,以某小说产品为例:假某小说产品推了一本小说《震惊 XXX》的广告,这个投放的策略已经想好,对过去两周以及现在所有搜索过“震惊”书,标签进行广告投放,这个小说产品际上是对它已有的用户,进行“唤醒式”的投放。

所以,实际上是媒体“听命于”广告主,问广告主,“我投放这个人可以吗?”广告主再根据自己选定的一方数据的人群,比对媒体发来的人,决定是否给这个人投放广告。投放与否的决定权,在广告主。

RTA解决的问题

1.精准人群定向:广告主基于自有数据(或模型)判定每次请求的用户价值,返回广告平台“是否参与本次竞价”的决策。

2.流量实时筛选:平台实时询问广告主是否参竞,并结合广告主的实时回复进行最终流量优选。

如果广告主把圈定的人群通过广告平台的DMP人群定向进行人群定向投放,是不是也可以达到同样的目的?

· 答案是肯定的,但很多时候,数据是一个公司的核心资产,广告主并不愿意过多泄漏数据。另外,如果广告主想把最近收集到的数据应用到广告投放中,就需要频频更新现在广告的DMP定向人群,操作成本也非常高。

RTA的优势

1.无需给平台回传数据。

2.无需频繁人工调整DMP定向人群。

如何让广告有效触达目标群体,并在保护数据安全的同时实现广告价值的高转化,是目前广告主最关注的问题。为了能够让流量价值和转化效率最大化,腾讯广告推出了RTA(Realtime API)投放模式,满足广告主的实时个性化投放需求。

  • 一个是个性化和实时性的问题,广告主的投放策略和目标人群的选定可能是实时变动的,传统模式需要不断上报人工数据,在时效上存在滞后性。
  • 另一个是数据安全的问题,如果想要实现更加个性化的策略,广告主通常需要上传一方数据进行洞察和分析,但出于行业特性或数据安全的考虑,往往只能“望技术而叹”。

RTA有效地解决了上述两个问题。腾讯广告RTA是一种实时广告程序接口,通过发挥媒体与广告主双方的数据、模型能力,实现实时的广告优选。对比其他投放模式,RTA的个性化和时效性都更强,可以帮广告主更准确地提供投放策略指导,与此同时可以消除广告主对数据安全的顾虑,真正实现“人群筛选个性化,流量优选实时化”。

为什么需要RTA

本质上广告平台和广告主角色的目标不一致,就导致双方路径实现上选择不一致。正常来说,广告平台的目标是收入(长期or短期),广告主的目标是满足ROI前提下的转化量。而且广告平台考虑的是全局最优,广告主角色考虑的是个体最优。

能力不同。广告平台侧重于对流量、用户的理解,广告主侧重于对自身业务,转化数据的理解。

对于没有技术能力的小广告主,将营销服务推广给一些广告代理机构,性价比更高。

RTA的适用场景

自身具备一方数据,投放目标人群实时变动,通过平台现有的定向标签无法实现精准定向,希望结合双方优势能力共同提升广告投放效果的广告主。

自身人群数据价值高,投放既希望流量有高转化,又不希望把数据上报给投放平台的广告主。

RTB vs RTA

商业化:程序化广告生态

RTB与RTA的核心都是对用户的实时+个性化。

区别在于:RTB涉及的角色一般为广告平台和DSP;RTA涉及的角色是广告平台和广告主。

这就导致不同角色选择的投放方式不一致。一般来说,广告平台的目标是平台的收入,广告主的目标是满足ROI前提下的转化量。广告平台角色考虑的是全局最优流量收入的最优,广告主角色考虑则是自己投放的广告的最优。

广告平台重于对流量、用户的关注应用,而广告主重于对自身业务,转化数据的关注应用。对于没有技术能力的小广告主,将流量决策和投放交给广告平台是一种性价比更高的选择,但对于技术和业务数据能力较强的广告主,则可以通过自建RTA服务来扩大自己在广告投放中的决策权。

RTA和RTB往往是结合使用的,在现有的竞价基础上,RTA技术通过新增的一种定向能力,让广告主能充分利用自身数据,来筛选流量。不仅能解决用户定向的问题,还能有效地处理数据安全问题。

本文由 @PM大明同学 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务