All About Programmatic
中国程序化广告科技资讯网

分享观点:DSP的评估标准

[转载]面对中国DSP市场的兴起,如何选择DSP?如何评判一个DSP是否适合自己的投放?对于优质DSP的评判标准,在此且引用Forrest发布的报告《The Forrester Wave™: Demand-Side Platforms, Q4 2011》,对DSP的评判标准做一个简单介绍。

依据Forrest的报告,评判DSP的四大标准就是资源、数据、算法、经验


资源:一切数字广告投放的基础

理想的DSP平台应当全流量、全覆盖、全购买。众所周知,精准的互联网广告投放源于大数据分析,而资源则是获得大数据的基础,资源形式越多、越丰富,接触消费者就越多,越全面地了解消费者行为。
一个优质的DSP,应该接入的资源包括:门户、SNS、视频、垂直、长尾、广告交易平台、移动。只有全面覆盖了所有的媒体资源,DSP才能真正给到Demand端,也就是广告主/代理公司充分的支持与选择。也只有覆盖了所有的媒体资源,DSP才能完成自身数据的积累,与算法的优化。

数据:活数据,方创大效果

数据是DSP又一个重要的衡量标准,只有“活”的数据,才能真正被广告主所用。而那些缺乏资源、客户的DSP,由于投放项目少,不得以只能积累断点数据,并不能循环的创造价值。
衡量DSP的数据质量可以从横纵两项去思考——
横向:
媒体端数据,可以7X24小时常年不间断地掌控大量数据;
客户端数据,可常年积累第一方数据;
投放数据:可以7X24各行各业跨阵地的海量收集;
多屏数据,可统一汇集多屏数据,全面掌控消费者的数字生活。
纵向:
广度上,优质DSP应当收集跨渠道、跨平台、跨阵地的海量数据,从而实现万亿级核心数据量;深度上,数据分析的颗粒度要细,对人群做微分,实现纳米级差异化受众。

算法:让科学家真正解放广告执行

算法是DSP最“无形”但又最核心的要素之一。一个优质的DSP,可以做到把执行一切交给算法,让AE们专注于更好的策略和服务,让投放更科学、更高效。
判定一个算法的优劣,可以从如下4个角度判别:
一、硬性指标需过硬。需要具备精细的优化算子,做到维度深、组合多、粒度细;需要具备全面的算法模型,真正将大数据利用好;需要实现“效果预测”、“竞价判断”、“市场博弈”的“一条龙”操作;成功响应率、响应负载与时长等因素也需要考察。
二、 技术团队实力要强,要考察人数和科学家背景等。
三、 需要活的大数据做支撑。
四、 需要实现跨屏优化算法。

经验:相辅相成、奠定格局

任何事物,经验肯定是非常重要的一环,丰富的经验实力可让DSP相辅相成、奠定格局。拥有强大的业务规模、客户群、项目数,方能撬动媒体资源,收获更多的大数据,发展更领先算法,共同推动DSP行业的发展,循环往复,最终更好的回报客户。

赞(0) 打赏作者

觉得文章有用就打赏一下文章作者吧

微信扫一扫打赏