All About Programmatic
中国程序化广告科技资讯网

IAB发布演进中的广告自动化框架,推动程序化广告的自动化

2017年5月,美国互动广告局(The Interactive Advertising Bureau,简称IAB)发布了《演化中的广告自动化框架》(AN EVOLVING FRAMEWORK FOR ADVERTISING AUTOMATION,以下简称“框架”)。它提出了一个数字化供应链的自动化框架,来取代当下使用的交易流程程序化的框架。不仅提供了一个共同的词汇和架构,还能促进买家、卖家和供应商之间的有效对话,支持一致性基准化的市场规模分析,以及对于能提升广告效率和用户体验的平台和工具的评估、协商和推广。智子云对此框架进行了翻译、理解和整理,供大家参考。

参考文献:https://www.iab.com/wp-content/uploads/2017/05/IAB_ProgrammaticSimplified_WEB_FINAL.pdf 

《 框架》 背景

随着数字化的不断推进,数字化广告市场到来,营销工具也在不断变化,越来越复杂,也越来越数字化、自动化。但所谓的自动化、它并没有预期减少买卖双方的时间投入,反倒增加了供应链的复杂性,而且由于引入新的操作还增加了人力资源的负担。因此争议不断,但事实上,有许多企业在将人力转移到更有意义和价值的广告优化上之后,广告效率得到提升,企业从而获得了更好的收益。

当前数字化广告交易,每个流程中的人力参与度还是比较高,许多技术解决方案需要整合才可能获得更高的效率。随着自动化工具的广泛采用和不断深入,明确数字化供应链中各方技术的角色和作用对于整个市场的有效运作非常关键。此次IAB发布《演进中的广告自动化框架》将与自动化相关的买卖双方在每一流程阶段的核心目标和任务清晰化、系统化,也对每一流程阶段关键的支撑平台和数据服务进行了描述。

《 框架》 解读

随着自动化平台和工具不断的重塑交易流程,行业的关注点也在不断的发生变化,一些之前没有或者很少关注的问题进入大家的视野。IAB发布的《框架》,指出了在广告自动化演进中,几个正在受到越来越多关注的关键点:

1)      透明化

大量中介机构的介入加大了广告主从发布商那里购买广告资源的距离和成本,也加剧了对市场透明度的担忧。因此,了解和评估广告自动化市场中不同的流程、平台和服务,有助于增加这些领域的可见性,同时也可以更好的清晰广告交易成本。

  • 自动化广告流程、平台和服务透明化。 除了流程、平台和数据,专业咨询和服务是另一种形式的中介。这些服务经常由技术平台本身或其他专家小组提供,旨在帮助广告客户和发布商管理整个供应链流程,运行程序化工具,将数据驱动策略纳入到更广泛的营销计划中。

参考文献: IAB <The Programmatic Supply Chain: Deconstructing the Anatomy of a Programmatic CPM>.

  • 自动化广告交易成本和服务费透明化 。 对技术平台进行正确的评估是达成商业目标的关键因素之一。因为有些技术涉及到整个流程中的多个功能点,因此这个评估是具有一定挑战性的 。例如,验证平台会涉及程序化中的多个功能,包括预测,决策和报表。DSP(需求方平台)和SSP(供应方平台)可能涉及的功能点数量和产品的具体实现有关。了解自动化技术相关的成本和费用,以及这些技术能够实现的功能点,可以更好的帮助从业人员确定这些技术对于他们的价值。通过设定媒体计划的参数和需要采用的技术组合,IAB的费用透明度计算器给出了不同技术的绝对和相对成本。 这也提供了一个方法,用以评估添加、删除、变更技术解决方案对总体预算的影响。

2)      数据质量和评估

随着交易市场和实时竞价的引入,用于竞价评估的数据,其类型和质量受到了越来越多的重视。用于分析消费者人口分布,行为特征和市场意图而整合的数据,由于数据私有化的原因,因此各方数据来源、分段标准、更新频率数据定义以数据处理方法都不甚清晰。这使得当我们需要比较不同数据提供方的数据收集和整理方法时,情况变得更加复杂。

3)      跨屏追踪和身份识别

在数据质量评估中,还有一个挑战就是如何跨设备的识别唯一的个体。虽然有些供应商提供用户级别的设备图,但是整个数据收集方法和范围往往是含糊不清的。严谨的身份识别方法以及高质量的受众数据是市场营销活动高效的基础。营销活动中跨屏覆盖/频率管理,多触点归因,精准人群定位和消费者体验优化和用户隐私等都需要对受众跨屏追踪进行精准的身份识别。

关于数据生成和分类技术,参考文献:IAB<Data Segments & Techniques Lexicon>.

身份识别和设备映射的资料,参见文献:IAB<Digital Attribution Primer 2.0>.

4)      资源质量、广告可见性

广告资源质量的概念由来已久,在内容和服务相关的产业中都有涉及。所谓的“优质”,指的是品牌,内容,服务的一种品质,其能够在多大程度上捕获用户的注意力,但是这个特质往往缺乏第三方的有效度量。然而,随着媒体中生成了越来越多的数据可用于评估曝光的效果,自动化技术越发倾向于根据广告主的目标和KPI来评价资源的质量,也就是基于广告主的效果数据而不是媒体的价值和用户体验。由此,一个广告主认为是有质量的资源在另一个广告主看来可能就是没有价值的。URL、视频的大小等都只是几十个用于决定资源质量参数中的一个。

值得注意的是,“广告能被消费者看到的机会”,即广告可见性,成为了衡量资源质量的一个重要指标,毕竟广告曝光是影响消费者行为的先决条件。

5)      品牌安全

自动化平台拥有的大量的媒体资源,为买家提供了便捷的同时,也带来了复杂性。买家很难做到确保他们的广告不会出现在黄色、暴力或其他有争议等不恰当的内容媒体旁边,造成对品牌不利。因此,用于衡量和控制品牌安全的技术就成为了广告代理和媒介策略的核心组成部分。包括通过预投标来评估广告资源、还有持续更新的白名单和黑名单来区分是否是受信任的发布商、以及越来越受重视的私有化市场等,广告代理和卖方平台期望更加明确的解决内容的质量问题。

私有化市场在这里得到了尤其多的关注。出于品牌安全的考虑,将媒体限制于少量受信任的来源(通过私人市场或者品牌直购),会限制受众人群的可扩展性,从而错过了从开放交易平台中发掘独特的资源的机会。因此,大部分从业人员都会将供应管理和质量效果分析结合起来使用。

6)      广告有效性和智能营销

人工智能技术从广告曝光中获取的受众、创意、内容、地理、时间等信息,用于竞价计算,并且随着时间的积累,将这些信息聚合成为品牌和产品的消费者行为和媒体消费模式。人工智能技术还会这些数据洞察将用于度量和优化当下的广告活动,同时也可以用于验证广告活动的初始假设。例如:

广告主认为其核心客户是太平洋西北地区的35-54岁的女性,倾向于在晚上和周末到线下的实体店购买产品。广告投放之后,得到的数据可能显示大部分的买家是25—34岁的女性、波士顿和旧金山地区的转化率最高,并且大多数购物发生在网上以及工作日的上午。此时,人工智能技术就会分析和总结这些数据,然后自动的帮助广告主将广告预算按照最有效的人群、地理位置、时段、以及渠道(线上和线下)等进行重新分配,甚至还可以对产品的设计包装和分销提出指导意见。

7)      用户体验

虽然自动化平台已经为消费者与广告之间的互动体验提供了相关的功能,但很多时候,由于消费者对这些功能还处在陌生阶段,对交易并没有采用之前预设的最佳实践,此时消费者的用户体验就受到了影响。不仅如此,消费者经常接到反复曝光不相关的广告和令人反感的广告,同样影响消费者的用户体验。长此以往,消费者就会采用广告拦截工具,使页面加载变慢,甚至直接不显示,广告拦截工具无疑是对媒体和广告主的严重打击,需要他们共同合作来进行补救。具体:

  • 买家需要对范围/频率/周期的控制,使用可信度高的第三方跟踪,以及使用决策工具确保有针对性和相关性的广告,避免侵入式广告,生产高品质创意。
  • 卖家需要专注于生产优质内容服务,设计美学,平衡内容和广告之间的比率,减少页面加载时间,对额外的资源提供标准和控制。

8)      组织对齐和人员配置

媒体平台中产生的数据,已经迫使买家和卖家重新审视自身的内部流程、组织结构和市场投放策略。随着数据在帮助企业效率提升时的突显作用,数据现在已经成为所有职能管理层决策的核心因素,不仅如此,在广告自动化的交易过程中,买卖双方使用到的一些技术和技能也变得越来越有价值,也因此,买家/卖家双方在组织结构上发生着迥然不同的变化:

  • 买方组织结构的变化最为明显,在许多大型控股公司宣布公司重组的时候都可以看到这些变化。他们会将技术和数据专家提升到流程上游的规划阶段,而这在过去是不太可能发生的,过去都是在市场研究团队决定好了受众、消费者行为和购买特征之后,相关的技术专家才会开始介入项目。
  • 而在卖方,组织结构的变化经常表现在:直接和程序化渠道销售和运营在职能上的合并,因为这种合并对效果提升明显,它可以及时将相关的数据分析发布到市场(私人和开发),将尚未销售的资源投入到自动化渠道。

9)      自动化和行业发展

自动化技术将持续改革交易流程,其最终的注意力始终是具有更高价值的营销和广告互动功能上。自动化平台和服务可以更加灵活、有效的发布广告,增加媒体的盈利,增进消费者的体验,推动行业的不断发展。IAB本次发布的《演进中的广告自动化框架》的确为提供一个有益也有效的指引思路:评估那些自动化广告交易中的核心角色,使买卖双方沟通更加流畅,拓展数字化广告的趋势。

译者介绍  
蔡伟杰 ,智子云总裁助理,负责数据产品线。复旦大学计算机硕士,研究方向为数据挖掘和数据仓库,前Intel 数据分析师,在Intel拥有10年以上市场营销相关的IT系统建设经验。
赞(1) 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