RTBChina
[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。
