在线广告监测基础-2

承接上文,我们聊下以下三个话题。

4.反作弊

先说下互联网流量作弊有多严重,最近比较火的那篇《Facebook放弃AtlasDSP产品背后的商业考量》里面已经暴露了一些端倪,再看看IAB引用comScore的数据,认为36%的在线广告流量是异常的。究其动机,个人觉得还是因为在线广告的单价过低,对比电视、楼宇等传统广告,在线广告的CPM价格依然偏低。

异常流量有两个大类,一个是无中生有,另一个是以次充好。前者很容易理解;后者多发生在视频广告OTV里,比如说用顺2代替顺1,用科教频道流量替代电影频道流量。

针对异常流量的甄别,大体分为两类,一类根据数据异常去甄别出这些流量。比如说曝光/点击频次过高,曝光点击时间戳(比如点击发生在曝光之前),曝光/点击时间段异常(比如凌晨四点有大量曝光点击),曝光/点击地域异常(比如定投一线城市,但是大部分来源于三线城市),Cookie生命周期较短……这些业界都投入了大量的工程师去研究甄别,缺点就是没法抓现行,很容易被媒体赖掉。第二类是回到传统方式,通过截屏、文本分析等方式去抓现行。比如说通过对OTV广告曝光时的截屏,甄别出广告顺序,进而去判断是否出现以次充好。

5.监测数据助力投放计划与优化

从计划端,分成两类。一类是各个类型广告预算的配比。

整体的媒体投放计划,这个一般会采用MMM的解决方案,类似的解决方案有很多。大体离不开回归分析那一套,复杂的话可能用的结构方程。数据仅供参考,目前宝洁、可口可乐等品牌会据此为全年投放提供策略参考。

做得更细致一点,就是经常说的归因分析。这个对可以被监测的线上广告有效。不同于单纯的last click归因,复杂的归因分析会区分辅助转化和直接转化,将“助攻”媒体挖掘出来,从而对投放计划提供参考数据。

另一类就是视频广告投放计划,主要通过消费者触媒行为样本数据、视频广告投放目标,估算出一个投放计划。AdMaster的CSRMaster和秒针的MixReach应该是每一个做视频广告投放人的标配武器。这个产品的问题在于使用的样本量较小,目前的一个进展是使用跨设备识别技术,来解决样本量的问题(不过考虑到依然有大量的非智能电视设备,这个问题离完全解决还有一定距离)。

对于优化,目前觉得最快可以被执行的就是重定向(Retargeting)。基于广告监测数据、网站监测数据,设定重定向策略,对该部分用户进行定向投放。甚至可以依托于媒体的lookalike模型,挖掘出潜客并进行投放。

6.当前国内竞争态势

国内的玩家整体来说分成三类:

一线玩家:秒针和AdMaster。两家市场份额遥遥领先于其他竞品,在产品能力、国内本土化实践、客户数量与质量上,都各有千秋。广告监测(AdMonitor与TrackMaster)、异常流量甄别(SmartVerify与BlueAir)、网站监测(SiteMonitor与SiteMaster)、视频广告预算分配(MixReach与CSRMaster)等,两者在各个领域都有可以对标且相对成熟的产品。

国外玩家:Doubleclick、尼尔森、comScore。Doubleclick主要是全球客户,主营业务还是广告交易与投放,监测比较小众。尼尔森最近在推DAR数字广告收视率,一个用传统电视的分析思路来的产品;个人觉得只是解决了合约购买环境下曝光广告的监测问题,不是长久之计。comScore和艾瑞一个路子,就是通过样本来搜集数据,进而去发布报告;个人觉得对样本的要求较高,也不是长久之计。

其他玩家:国双、Talkingdata、友盟+、CTR等。国双网站分析起家,Talkingdata APP监测起家,两家都在依据已有的客户去抢占广告监测市场。友盟+(阿里系公司)收购了缔元信、CNZZ,算是补齐了产品线,开展了全线监测;另外不得不说的产品就是广效宝,一个监测淘外广告对淘内转化效果的产品。CTR则是传统媒体监测起家,有一些传统媒体投放较大的客户。

当然,以上玩家里走技术线、而非样本线的,应该不只想做广告、网站监测,大多会迁移到另外一个更大的市场——DMP。RTBChina制作的下图就说明了该现象。秒针和AdMaster都在DMP端有所布局。

关于DMP,后续会专门来讲。我会专注于Oracle收购的Bluekai,也会简单介绍下Oracle Marketing Cloud。期待下回分解~

China-Programmatic-Ad-Tech_201602PNG

参考资料:

[1] Facebook放弃AtlasDSP产品背后的商业考量, http://tech.163.com/16/0314/07/BI3OMP8C00094P40.html

[2] IAB Keynote: 36% of ad traffic from bots, and threatening industry,http://technorati.com/iab-keynote-36-percent-ad-traffic-from-bots-and-threatening-industry/

[3]关于lookalike,刘鹏曾经专门发文吐槽过,如果有兴趣可以看他微信公共号。

图形演示基础(以MS Powerpoint为例)

这是去年给保利地产江苏分公司的培训材料,基本阐述了我从5年来对图形演示的经验。模版和部分页,借鉴了阿文的作品。

图形演示的基础是——结构化思考,图形化呈现是思考的外在表现。一个里子,一个面子。最近一次不太成功的presentation,更加让我意识到,思考得越清楚,ppt才能写得更好。

不说话,直接上图。

幻灯片1
幻灯片2
幻灯片3
幻灯片4 幻灯片5 幻灯片6 幻灯片7 幻灯片8 幻灯片9 幻灯片10 幻灯片11 幻灯片12 幻灯片13 幻灯片14 幻灯片15 幻灯片16 幻灯片17 幻灯片18 幻灯片19 幻灯片20 幻灯片21 幻灯片22 幻灯片23 幻灯片24 幻灯片25 幻灯片26 幻灯片27 幻灯片28 幻灯片29 幻灯片30 幻灯片31 幻灯片32 幻灯片33 幻灯片34 幻灯片35 幻灯片36 幻灯片37 幻灯片38 幻灯片39 幻灯片40 幻灯片41 幻灯片42 幻灯片43 幻灯片44 幻灯片45 幻灯片46 幻灯片47 幻灯片48 幻灯片49

Staypressed theme by Themocracy