Programmatic buying: как происходит автоматизированная закупка рекламы по аукционной модели

17.12.2015

Представители компании GetIntent — технический директор Владимир Климонтович и специалист по анализу данных Юрий Логачев — написали для vc.ru колонку о том, как реализуется аукционная закупка рекламы с помощью DSP, какие таргетинги применяются и с помощью каких алгоритмов определяется размер ставки.

Структура programmatic

Programmatic buying — автоматизированная покупка таргетированной рекламы в формате аукциона для конкретных пользователей с учетом их интересов и потребностей. Для этого существует ряд сервисов и платформ.

Data Suppliers — поставщики данных. Они делятся на две группы: на тех, кто предлагает собранные аудиторные сегменты из обработанных данных (Processed Data Suppliers), и тех, кто предоставляет необработанные (сырые) данные (Raw Data Suppliers).

SSP (Supply Side platform) — платформы для издателей, позволяющие рекламным сетям и сайтам продавать рекламные площади.

Ad Exchange — рекламная биржа. Выставляет показы на продажу для посетителей сайтов рекламных сетей и издателей, отвечает за принятие ставки от DSP и объявление победителя.

Ad Network — рекламная банкетная сеть. Она содержит баннеры и управляет их показами с помощью рекламного сервера (Ad Server), который передает рекламу на сайт издателя, считает число показов, кликов, управляет оптимизацией кампаний.

DSP (Demand Side Platform) — компании, покупающие данные у поставщиков и применяющие их в рекламе. В материале речь пойдет прежде всего о работе этих платформ.


Технический директор компании GetIntent Владимир Климонтович
 

Специалист по анализу данных компании GetIntent Юрий Логачев

DSP (Demand Side Platform) — инструмент для автоматической закупки интернет-рекламы, напрямую взаимодействующий с SSP (Supply Side Platform), рекламными сетями (Ad Network), рекламными биржами (Ad Exchange) и сайтами (в терминологии интернет-рекламы они называются паблишерами).

Главная цель DSP — купить по оптимальной цене рекламные показы и продемонстрировать объявления пользователям, максимально точно соответствующим запросам рекламодателей.

DSP работает с различными форматами рекламы: баннеры, видеоролики, реклама в мобильных приложениях и так называемая нативная реклама, которая маскируется под контент сайта или приложения.

Мы будем говорить о DSP в контексте RTB-экосистемы (RTB расшифровывается как Real-time bidding), то есть когда реклама покупается формате аукциона в режиме реального времени.


Аукцион совершается за то время, пока загружается страница сайта. В момент, пока пользователь заходит на сайт, информация о нем поступает к SSP, которая, в свою очередь, посылает аукционные запросы (на английском bid request) ко всем подключенным к ней DSP.

Подключенные DSP проводят аукцион за рекламный показ. Каждая DSP делает ставку (bid) или отказывается от аукциона (в этом случае ставка будет нулевой). В итоге пользователь видит тот баннер, за который поставлена самая высокая ставка. При этом аукцион проходит по принципу второй цены. Это значит, что участник, выигравший аукцион, платит за показ сумму, равную второй по величине ставки.

На первый взгляд, подход кажется неочевидным, а смысл его непонятным. Однако экономист-математик Уильям Викри доказал, что именно такой тип акциона является самым справедливым и вынуждает участников делать «честную» ставку, не ориентируясь на возможное поведение других участников аукциона. За это доказательство и другие работы в области теории игр Викри получил нобелевскую премию по экономике в 1996 году.

Первоочередная сложность в работе DSP — отказоустойчивость. Процесс покупки (ответов на аукционные запросы от SSP) должен происходить надежно и очень быстро. DSP может обрабатывать до одного миллиона запросов в секунду.

Кроме отказоустойчивости DSP нужны «мозги» — алгоритмы таргетирования и предиктивной оптимизации. Об этом — ниже.

Стратегия работы DSP (таргетинги)

DSP работает с рядом рекламодателей, каждый из которых запускает несколько кампаний (иногда их количество доходит до тысячи). Каждая кампания имеет обособленную стратегию закупки рекламных показов, состоящую из совокупности таргетингов. Рассмотрим самые распостранненые из них.


Таргетинг пo списку доменов (сайтов)

DSP делает ставку только в том случае, если запрос от SSP пришел с определенного сайта. Обычно этот способ используют рекламодатели, которым важно, чтобы их объявление находилось в определенном контексте.

Географический таргетинг

DSP делает ставку, если запрос пришел от пользователя, находящегося в определенном городе или даже в определенном почтовом коде (актуально для стран вроде США или Великобритании). Местонахождение определяется платформой DSP по IP-адресу, который приходит вместе с запросом SSP.

Таргетирование по частотности показов

Частотность показов (frequency capping) подразумевает возможность не демонстрировать пользователю один и тот же баннер слишком часто. Суть ограничения состоит в том, что если, к примеру, после 20 показов пользователь так и не совершил целевое действие (клик, заказ или что-то еще), то дальше бессмысленно тратить деньги на покупку показов этому пользователю.

Кроме ограничения количества показов за всё время, DSP обычно дают возможность выставить ограничение за минуту, час, день и неделю. Потому что не очень разумно «бомбардировать» пользователя всеми 20 отведенными ему показами в первую же минуту.

Ретаргетинг

Данный подход позволяет показывать рекламу пользователям, которые посетили сайт рекламодателя, но ушли, не совершив целевого действия (например, покупки, заполнения формы заявки или звонка). Как показывает статистика, таких пользователей еще можно переубедить, напомнив о своем существовании.

RTB дало толчок к развитию ретаргетинга. Будучи подключенной к огромному количество SSP и имея доступ к миллиардам рекламных показов, DSP имеет возможность «дотянуться» практически до любого посетителя сайта рекламодателя.

Стоит упомянуть одно из расширений ретаргетинга — динамические ретаргетинг (DCO — dynamic creative optimization). В этом случае пользователю показывается персонализированный баннер, основанный на его истории посещений сайта рекламодателя. Например, пользователю, просмотревшему десять пар ботинок, в баннере отобразятся ботинки с ценами.

Таргетирование по аудиторным сегментам

Данный вид таргетинга позволяет показывать релевантное сообщение пользователям, которые заинтересованы какой-то определенной темой (например, автомобилями или спортом), а также людям из определенной демографической категории (например, мужчины 25-40 лет).

Как правило, DSP покупает данные о пользователях DMP (Data Management Platform — платформа управления данными). DMP регулярно (например, раз в день) выгружает для DSP базу данных пользователей, которая используется при обработке аукционного запроса и принятия решения о том, какую рекламу предлагать данному пользователю.

Также возможен и более продвинутый вариант, когда DSP узнает у DMP информацию о пользователе в режиме реального времени, то есть посылает запрос к DMP после каждого запроса от SSP.

Предиктивная оптимизация

Все вышеперечисленные таргенинги только определеляли логику выбора пользователя для показа рекламного объявляения. Однако они не затрагивают определения размеры ставки.

Работа с DSP, обладающей исключительно теми таргетингами, которые мы описали выше, предполагает ручной труд — маркетолог или трафик-менеджер должен сам подбирать ставку и менять таргетинги в зависимости от результатов работы рекламной кампании (эффективной цены клика или конверсии). Но в постиндустриальном обществе труд дорог, и велика вероятность ошибки из-за человеческого фактора.

Для этого в некоторых DSP реализованы алгоритмы предиктивной оптимизации (иногда такой алгоритм называют «предикт» или «предиктор»). Рассмотрим их работу на примере:

Представим себе, что менеджер по маркетингу банка решил запустить рекламную кампанию нового продукта. Для этого он подобрал несколько десятков сайтов с обеспеченной аудиторией (таргетинг по доменам), и выбрал крупные города, где представлены отделения банка (географический таргетинг).

Также менеджер установил ставку в 100 рублей CPM (Сost Per Mille — цена за тысячу показов) или 10 копеек за один показ. Но выясняется, что средный CTR (Click-Through Rate или процент кликов относительно показов) — 0,1%. Это значит, что каждый посетитель сайта обходится в 100 рублей (эта сумма называется CPC — цена за клик):


Цена в 100 рублей слишком высока для менеджера. Он согласен платить за визит не более 20 рублей, поэтому понижает цену CPM до этой суммы. Цена клика становится приемлемой, но из-за низкой ставки DSP выигрывает аукцион крайне редко, и совокупный объем трафика недостаточен. Что же делать?

Величина CTR не является постоянной. Более того, она не является постоянной для разных сайтов. Например, на одном и том же сайте аудитория из разных городов будет кликать с разной частотой. Московские и петербургские пользователи гораздо охотнее кликают на рекламу интернет-магазина, потому что они знают, что курьер привезет товар на следующий день. При этом житель Магадана, для которого доставка может занять до трех недель, с гораздо меньшей охотой отреагирует на рекламное объявление о новогодних скидках.

Но всё ещё сложнее. Аудитория разных сайтов по-разному реагирует на различные рекламные объявления. Очевидно, что посетитель автомобильного сайта с большой вероятностью кликнет на рекламу нового внедорожника, чем посетительница онлайн-ресурса с рецептами.

Предположим, у нас есть способ узнать ожидаемый CTR объявления на конкретном сайте для определенного пользователя. В этом случае размер ставки CPM можно вычислить динамически по формуле: CPM = (ожидаемый CTR) x CPC x 100.

То есть DSP будет одновременно покупать дешевые показы с ожидаемым низким CTR (например, показы по 20 рублей CPM с ожидаемым CTR 0,1%), так и дорогие показы с высоким CTR (например, по 60 рублей с CTR 0,3%). DSP одновременно выполнит цели кампании как по цене визита, так и по максимальному количеству привлеченных пользователей.


За вычисления ожидаемного CTR отвечает алгоритм предиктивной оптимизации. Его задача — на каждую пару (запрос от SSP, плюс рекламная кампания, подходящая по таргетингу) посчитать ожидаемый CTR, который равен вероятности клика. Такая, на первый взгляд, простая цель решается довольно непростыми алгоритмами машинного обучения.

Обычно алгоритмы предиктивной оптимизации универсальны и также могут предсказывать вероятность иного целевого действия: например покупки (конверсии).

***
Многие до сих пор считают RTB и programmatic таинственными технологиями, суть работы которых понятна только узкому кругу технических специалистов. Надеемся, что этот материал ответит на многие вопросы о работе DSP, которые возникали у маркетологов. И если вы только планируете начать работать с DSP-платформой, теперь обязательно спросите у представителей платформы: «А как работает ваш предикт?».

ЦП


5176
Re-port.ru
Re-port.ru
+1625.1
ДОБАВИТЬ комментарий
Вы не авторизованы. При отправке сообщения, в качестве автора будет указан "Гость". Вход | Регистрация
Защита от спама * :