杂货店里的程序化广告？奇怪的知识增加了

来科普奇奇怪怪的知识了，杂货店里的程序化广告到底是怎么一回事？

若干年以前，贤楚城南新开张一家杂货店，挂牌“一白杂货店”。开店伊始，店主在店门口张贴了一张告示，宣扬自己的营业理念。告示是这么写的：

自有杂货店以来，顾客进店挑货是天经地义。本店另辟蹊径，让货找顾客，具体怎么找呢？进店看看便知。

此外，本店任何商品交易，都邀请不同货商前来竞拍，实乃本店一大特色。诚信经营童叟无欺，期待诸位莅临。

这个告示着实新奇，一时间贤楚城的居民纷纷赶来一探究竟。店主故弄玄虚地对大家说：你们都以为我在开杂货店，其实我在学习程序化广告。如此一来，大家更是一脸蒙圈摸不着头脑。

“这么一家杂货店和程序化广告有什么联系呢？”面对众人疑惑不解的大眼睛，杂货店店主开始他的瞎扯。

杂货店的实时竞价系统

某天晌午，店外来了一位大汉，准备买点东西。大汉刚拉开门帘，准备进店，店里的小二匆忙跑到内屋，那里临时充当货物竞价场所，早聚集着一群委托人。这些委托人受货商委派，发誓要找到合适的顾客，把货商的商品又多又准地卖出去。其中委托人A、B、C、D各自代表背后货商甲乙丙丁，甲乙丙丁手上待沽的货物分别是跌打药、草鞋、刮胡刀和胭脂。

店小二气喘吁吁地问大家，店里来了一个身高八尺的壮汉，有谁要出货？

D一想：大汉并非俺胭脂行当的目标用户，尽早撤开。倒是A、B、C对这位大汉表示出浓厚的兴趣。小二把这位大汉的身高、体重、籍贯、年龄、相貌特征等等信息给ABC说了一遍，并且强调，这单生意的归属，照老规矩需要通过一轮竞拍，大家在心里想想愿意为这单生意付多少佣金，待他数完321以后大家同时亮出价格，谁出价高，这笔生意就归了谁。

ABC心里各有小九九。A觉得买跌打药一般直接去药铺，来杂货店看了也不一定买，就出个保底的价格吧；B参考过去几天的出价，觉得正常出价肯定能拿下这单生意；没曾想，C看了资料，大汉近期可能要相亲，八成需要一把刮胡刀整理仪表，做成这笔生意的概率着实不低，这样，激进点，拿下再说。

于是，最后的出价结果，A出1.78钱，B出2.20钱，C出3.00钱。

竞拍结果显而易见， C出价最高，这桩生意就归了C，成了以后给店里付2.21钱就好了。

C立马通知委托他前来竞拍的货商丙把刮胡刀送到店里。大汉果真欢喜，当即买了货，这场交易告一段落。大家摩拳擦掌，准备下一场竞拍。

以上这段离奇的故事，对应着程序化广告RTB（实时竞价）的大致流程。具体怎么对应的呢？

媒体承接用户作为流量，同时把流量卖给广告主实现变现。由于媒体数量庞大，现实情况下，广告主并不会直接对接媒体，而是通过DSP（Demand-Side Platform需求方平台，理解成找到合适流量、把广告投出去的联盟，对应杂货店里的委托人）；程序化广告范式下，媒体也不直接对接DSP，而是通过ADX/SSP（Ad Exchange广告交易平台/Supply-Side Platform供给方平台，大多数情况下二者功能重叠，可以理解成杂货店里的竞拍小屋）。

所以上述逻辑变成：

根据上面逻辑，把上面讲的故事做一番翻译：

到杂货店买东西的客户就是用户，是看到广告并可能产生广告点击、转化行为的一方； 自然，杂货店是媒体，比如网站或者app，一手用产品服务吸引用户作为流量池，一手出售流量利用广告变现； 杂货店内的临时交易场所就是ADX/SSP，它的职责是对接下边的委托人，为媒体选择最合适的广告； 委托人就是DSP，职责是为广告主挑选最合适的流量； 货商无疑就是需要登广告的广告主。

所不同的是，程序化广告中，竞拍出价和给出最终广告，整个流程耗时不超过100ms，几乎达到实时的效果，这也是RTB（Real-Time Bidding 实时竞价）名称的由来。

竞价的规则十分简单：价高者得，次高价结算。

对照地看杂货店售卖流程，程序化广告的实时竞价机制并不难理解。为了方便比对，整理如下：

KA的特权——程序化直接交易

没过多久，货商丁对竞价流程颇有微词，忍不住对杂货店店主抱怨，每单生意都要竞拍也就算了，和自己竞拍的都是什么小鱼小虾，卖草鞋的也有，卖跌打药的也有，而且卖药那哥们上个月爆出来质量问题，和这种货色一起竞拍不是给我跌份吗？

考虑到货商甲的确是店里大客户，在商界也是有头有脸的，放在小屋里和小辈们竞拍着实有些不妥，店主答应和货商甲按照协商好的价格，绕过竞拍一对一交易。

对应在程序化广告上，就是程序化直接采购（Programmatic Direct Buying，PDB）。通常的品牌广告主会选择这种模式。

程序化直接采购本质上是对KA（核心客户）LA（大客户）的差异化服务，能够在圈定头部流量的同时，刺激腰围部流量。

直接采购分为两种，一种是首选交易（Preferred Deals），保价不保量；另一种是程序化保量（Programmatic Guaranteed Buying，简称PGB），保价保量。

全盘采买流量

以上讲的是最最理想化的情况。实际上，竞拍委托人不太可能只蹲着 “一白杂货店”这一处，更常见的情况是，委托人蹬着风火轮，密集出现在在“二白杂货店”、“一黑杂货店”的竞拍小屋里，只要这些地方有合适的顾客，他都会第一时间赶去试一试。

对应的，采买流量的逻辑自然变成了全盘采买。

DSP对接市面上所有ADX/SSP，按照出价时间速度、频次、预算上线、用户定向圈定想要拿下的流量，并积极参与竞拍。

细心的朋友可能会好奇了，委托人C老这么肆无忌惮地跑跑去买来买去，不怕货商交代他的钱用超了吗？

实际上，在广告投放中台投广告，首先要填写的就是广告预算，在预算的上线以下，去采买最优质的流量（当然，流量的质量情况和预算出价息息相关），一旦达到设置上线，这个广告计划就会自动停投。也有例外，如果是中台保障效果类广告的下载、激活，一个周期下来，可能会超一些广告主预算，但是不用太担心，一方面是超出的预算能够带来正向的效果，另一方面如果效果不显著，投放平台会做赔偿。

回到最开始的故事里，委托人C出完价拿下生意以后，需要根据顾客大汉的反应，来判定出的价是不是合适、下次要怎么出。比如要是好几个长髯大汉最后都没买这款刮胡刀，那么基本可以认定这类顾客对刮胡刀并不感冒，下次再遇到，C可以考虑不参加竞拍。

对应在程序化广告中，DSP需要拿到媒体回传的用户安装、激活数据，来评估效果并调整下一阶段的出价策略。

但是有些杂货店十分严格，尤其是老板姓i名OS的那家，根本不愿意在商品里加数据统计SDK，这就导致了数据回传线路被卡断，委托人拿不到足够的下游数据，只能当闭眼玩家。

这个问题引得无数英雄竞折腰，下面介绍解决方案。

论功行赏的依据——S2S对接

S2S除了能够解决数据回传的问题，还能回答另外一个问题——货是谁帮忙卖出去的？

杂货店帮忙货商把刮胡刀卖给大汉，假如用户用了以后觉得好用，隔了几个月又到货商那给兄弟也买了一把，也就是产生了回购行为，此时杂货店卖货的意义才算真正达成，因此杂货店有相当充分的理由向货商额外收取一部分钱作为辛苦费。货商一盘点：糟糕，这款刮胡刀同时委托了3个委托经理A1、A2、A3去卖，最后也确实卖出去不少，不清楚他哥仨分别卖出去多少。这就有点尴尬了。

“论功行赏”之前，首先要解决一个问题，那就是 “货究竟是谁帮忙卖出去的？”。

对应在程序化广告上，问题变成了，广告在下游用户处产生了收益，广告主该奖励哪条渠道。这时候就是S2S（server to server，服务器对服务器）归因大显身手的时候了。

S2S主要建立在广告商（以DSP为例）和广告主之间。

核心思路并不复杂咋，每个委托人代理的货品都打上独家标记，等顾客带着货品来复购时，按照标记就知道这次复购是哪个委托人带来的。顺带的，数据回传问题迎刃而解。

当然，具体实行起来并没有上面说的这么简单，流程图如下：

图片来自《程序化广告》

程序化广告的反作弊

程序化广告完全依托模型，给不少心术不正的作弊分子留下了广阔的操作空间。

经过一段时间的观察，杂货店主把作弊分子的作弊行为分为两类。

第一类作弊分子拿钱不干事，这发生在一些鸡贼的委托人身上：反正我帮货商竞拍拿的是辛苦费，竞拍时举个牌子随便出个价就有钱拿，卖不卖得出去、卖不卖得好通通与我无关，名声坏了就换了马甲继续这么搞。

第二类作弊分子办事，办事的主要精力花在骗钱上。前一类随着监管加严弄不出太大的水花，倒是这类坏家伙成了主要危害。

主要在3个广告环节：曝光、点击、转化上作弊。打个比方：

大汉到店里，明明看都没看到刮胡刀，我故意和广告主他说看到了，要辛苦费——曝光环节 大汉到店里，只是瞥了一眼刮胡刀，连摸都没摸，我故意和广告主说他摸到了，要辛苦费——点击环节 大汉到店里，拿起刮胡刀把玩了一会，最后没买，我故意和广告主说他下单了，要辛苦费——转化环节

可见，在广告转化漏斗上，投机分子可谓无孔不入。此外，以下作弊策略作弊策略可能更加难以招架：

找人伪装成顾客，有人来看我就能拿钱——机器人刷广告； 货是发给杂货店了，但是裹着隐身衣，顾客压根看不见——把广告植入到不可见的位置； 把原本去隔壁餐饮店的顾客强行拉到杂货店来——流量劫持，劫持到的一般是劣质流量。

长此以往，货商肯定不愿意了：难怪钱花得多效果还差，敢情都让你们揣进兜了啊。

正因为上述这些作弊手法大行其道，一段时间里程序化广告招致了非常多非议。

为了恢复杂货店风清气正的交易环境，杂货店店主决定展开“五月人倍忙——一白杂货店反作弊专项整改活动”。

专项活动从三个方面开展：用户标识、用户行为、广告来源

1）用户标识

给用户发放专有“身份证”，发放依据是用户的IP、cookie（或设备ID），统计某些用户是否存在高频次或高频率曝光或点击。

为了防止机器人自动变换IP蒙混过关，把浏览器型号、分辨率、用户窗口大小、操作系统版本号、设备品牌也纳入到作弊判别模型里。

2）用户行为

这时候前端回传的数据埋点也就派上用场了。根据埋点，构筑用户的站内交互轨迹图，包括点击、滚动、输入等操作，如果这些操作过分单调，判定该用户有很高的作弊可能性。同样，可以解析出点击的区域、次数、频率，利用这些指标去伪存真。

此外，如果出现广告曝光数和点击数在某个时间点暴涨、同一用户的广告浏览或点击时间间隔过于规律、转化漏斗出现顺序对调，需要格外注意这些疑似作弊的行为，进一步验证。

3）广告来源

如果流量来源不明，很可能是恶意刷广告点击的脚本； 实际来源与标注不统一的流量，基本认为是劫持来的或者伪造的流量。

没等店主讲完，人群中一个黑衣侠客冷笑道：说了这老半天，不就是用机器取代人工吗，本质上是以人为本的精准广告定向，以及媒体资源的数字化、自动化售卖与采购。

店主大喜过望，忙不迭把侠客迎进店里，向他请教，并表示要和他做好朋友。

参考：

《程序化广告 个性化精准投放实用手册》 梁丽丽 人民邮电出版社

“小白学广告”系列第三篇。

 

作者：杭亦白（微信号：xiehangfeng01）。互联网产品新人，坐标上海；微信公众号：杭一白

本文由 @杭亦白 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议