交易平台（淘宝、京东、美团）的程序化广告设计

本文谈论的范畴是针对已形成规模的典型交易平台，有足够多的买家和卖家，比如淘宝、京东和美团。其他交易产品因为没有足够多的流量以及用户行为数据，故暂不做考虑。

在解析程序化广告设计之前，先来看几个关于交易的概念以及一些简单的说明。

什么是交易？做生意买卖东西。

什么是互联网交易产品？只要涉及到线上交易，存在现金流，都属于交易产品，比如电商和O2O。

交易产品又包括两类：一类是直接卖货的B2C；另一类便是交易平台。

交易平台最主要的商业模式是什么？ 抽佣和广告 。据京东财报显示，2019年的广告营收占比达到60%左右，所以广告产品对于交易平台来说就显得尤为重要。

某数据服务媒体整理了国内互联网公司2019年上半年的广告营收情况，我截取了典型的几家公司的数据。

一、程序化广告对于交易平台有什么样的价值

从商业的角度看 ，用户从看到广告开始到产生购买转化，以及生命周期中的所有行为都可以记录和追溯，并且可以通过定向投放、动态创意和优化算法精准地触达用户，做到最佳营销体验和最大化用户生命周期价值，给平台以及平台商家带来可持续的商业价值。

从用户的角度看 ，程序化能够管理对用户的每一次创意展现，具备做到用户体验最大化的基础，并且创意可以互动，具备实现用户的交流和服务直达的可能，最终有可能彻底改变广告的定义，广告即内容，广告即服务。

二、程序化广告包括哪些核心模块

• 服务广告主/商家的需求方服务平台，即DSP；
• 服务于流量主的供应方服务平台，即ADX；
• 提供数据服务的数据管理平台，即DMP；
• 提供广告创意的程序化创意平台，即PCP。

对于交易平台来说，程序化广告系统一般指的是服务于平台商家的DSP，主要是基于站内流量进行广告投放，有些情况下会选择合适匹配的媒体渠道进行流量对接，当流量较少的情况下也会选择对接外部的ADX获得丰富的流量资源。

至于PCP和DMP都是服务于DSP的，是程序化发展过程中的必然产品，目的是为了提高广告投放的效率和效果，这部分我涉及的较少，就不做过多的描述。

三、程序化广告完整的业务逻辑

四、DSP在产品中的具体设计方法

该部分分别从广告投放平台、前端广告位展示、关键数据指标、广告引擎系统四个方面来展开解析。

先看一下我梳理的产品架构图：

广告投放平台的后台产品设计

（1）新增广告计划

包括两个层级，计划设置和单元设置，单元从属于计划，一个计划可以包含多个单元。

1. 计划包括基本信息、计划类型、日限额、总限额、投放时间；
2. 单元包括选择投放对象、出价方式（CPMCPC）、设置出价价格、创意设置、人群定向。

（2）广告计划管理

不同计划按照创建时间排序，展示字段按需确定，且操作栏不同状态下的计划对应不同的操作。

（3）数据报表展示

依据不同的计划和推广单元展示不同的数据报表，一般包含，数据概览、数据趋势图和数据详情，具体数据指标就不罗列了。下面会介绍一下广告投放的关键数据指标规划，可依此作为参考。

（4）财务管理

账户充值、账单记录、余额展示、消耗展示。

前端广告位展示

广告位资源分为站内和站外两部分，根据自身的业务需求来确定即可，常见的有搜索结果页的原生广告、首页顶部横幅广告、购物车猜你喜欢推荐位、以及站外合作的固定广告位等。

关键数据指标规划

指标体系包括基础指标、效果指标、成本指标、品牌指标。根据业务需求可以适当的增减，下图这个评估指标体系考量的范围已经算是很完整的版本了。

广告引擎系统

该系统是程序化广告系统中最核心也是最难的模块，可以抽象成两个部分，精准定向和竞价交易，依赖于海量数据、各种策略算法、以及机器学习，该部分我目前也只浅显的掌握了运作原理和部分策略的运用，涉及到更偏技术实现层面的内容。因为不太熟悉就不在此班门弄斧了，如果有精通的朋友咱们可以互相交流学习一下。

下图是我画的广告引擎内部运作流程示意图，较粗略：

【竞价监听服务】在收到竞价请求之后，会根据设定的条件，比如站外网站的类别、网站历史CTR以及作弊流量进行简单的流量过滤，然后再把合适的流量信息分发到后端的【广告服务总控模块】，首先向【定向召回服务】获取展示广告，然后根据获取的广告结果向【ecpm预估服务】请求每个广告的预估ecpm值并返回给【广告服务总控模块】进行排序，从而挑选出top的广告进行展示。

定向召回策略

从以上我们能看出，如何做到精准定向，依赖于高效的定向召回策略，那么就来看一下具体的策略。

（1）基于用户实时行为数据

通过实时日志流平台准确的跟踪用户的实时点击浏览/收藏/购买行为，对于相应的用户重新投放用户近一段时间内发生过浏览/收藏/购买行为的商品。需要注意的是这个策略需要考虑召回概率按时间进行衰减，用户的实时行为能够比较强反映用户的近期兴趣，距离当前时间比较长的用户行为对于用户近期兴趣的定向偏弱。

（2）基于item-based的协同过滤

首先通过用户的购买行为计算item之间的相似度，比如通过计算发现item A和item B之间的相似度比较高，我们把item A作为候选推荐给购买item B的用户，作为item B的用户的召回候选集之一；同样也把item B作为候选推荐给购买item A的用户，作为购买item A的用户的召回候选集之一。因为item-based协同过滤的特征，这一部分召回基本能够把热门爆款单都拉到候选集中。

（3）基于广告主自定义投放定向

自定义投放定向是基于广告主对目标群体有清晰的认识，推广的时候可以自主选择平台提供的不同的用户标签设置精准投放范围。

ecpm预估

针对某一个流量，会有多个广告主的广告活动同时参与竞价，这时竞价引擎需要对这些召回的广告进行竞价排名。根据每个广告的出价方式、预估点击价值、预估点击率来预估ecpm用于排序。其中的点击价值和点击率需要根据算法来预估。

五、写在最后

广告主投放的本质需求是有效传播广告，实现ROI最大化。

平台方/流量方的目标是在实现流量收益最大化的基础上，确保良好的用户体验和广告效果。

对于用户来说，广告不再是烦人的骚扰信息，而是解决自己需求的通道。

程序化广告在高速发展，还有很多可以优化的地方，该如何优化，离不开对用户生态中各个角色的理解，解决他们所遇到的问题便是我们从业者为之努力的方向。

 

本文由 @Chen 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