汽车与DSP

我们的生活中有很多令人爱恨交加的技术产品， 汽车便是一个典型。很多人的生活离不开它， 同时也不得不承受随之带来的烦恼，比如考证，堵车、事故、“路怒”等等。当然如果有能力承担一位专职司机，麻烦就少多了。可惜并不是人人能做到这一点。 好消息是， 高科技牛人们正在为“非驾驶控”们研发全自动汽车，包括名声大噪的GOOGLE无人驾驶汽车， 期望能一劳永逸地消除这些烦恼， 让“驾车”出行会变得无比轻松和安全。坏消息是，“非驾驶控”们还得继续头痛上几年，商用化估计要等到2020年后了。

广告领域也不例外，只不过“非驾驶控”换成了被赶鸭子上架的“非技术控”广告主。

在很长一段时间内， 广告基本上是广告主(或者代理商)与渠道之间的谈谈合同的事， 基本与IT技术不沾边。 互联网与广告的结合，让广告与技术开始有了真正的交集。在互联网中，跟广告相关的元素，诸如产品、创意、人群和媒体等，已变得高度信息化和海量化 ( 史无前例！)， 在此基础上， 数字化广告技术开始迅猛地发展， RTB广告正处于这股互联网广告技术潮流的最前沿。

RTB网络中的广告曝光机会是数以亿计的， 广告主（或者代理商）想挖掘这座矿藏， 必须使用DSP。DSP就如汽车， 能够帮助广告主在复杂的RTB网络中穿行， 到达营销目标。 不妙的是，市场上众多的DSP产品，基本上是个工具箱，使用者必须主导整个投放过程，参与众多繁琐的技术环节。总之，这辆“汽车”的操作目前有点复杂，“驾驶体验”挺糟糕的，就像早年的手动挡汽车。 如果你是个广告主，想自主投放RTB广告，必须先打足精神，进入冲关模式。

关口道道，选项重重

当然在启程前，你一般要从业务层面回答以下问题：

1. 要推广哪种产品和服务？ 
2. 营销的对象是新用户还是老用户？ 
3. 产品和服务有无地理限制？ 
4. 在哪种数字媒介上投放广告？ 移动APP、PC Web还是视频？ 
5. 日期范围：何时开始投放广告？什么时候结束？ 
6. 总预算是多少？每日预算如何分配？ 
7. 本次营销的目标是什么？CPC, CPM或者ROI等。 

除了第7点有理解和计算难度外，你应该能够轻松回答这些问题， 这与业务需求直接相关， 并无大技术含量。这些基本需求确定后，接下来你得忙起来了。

第一关 挑选人群

如果广告对象是老用户（重定向广告）， 你需要挑选预设的用户标签。如果没有，就快点抓个IT，让他帮你配置一下。如果吸引的是新用户， 你一般也要在DMP中圈定一些人群标签。为什么这么挑？兴许有些经验和直觉在里面吧。

第二关 选择投放渠道

强悍的DSP会先拉个“广告交易平台”的大清单，要求你选择一下投放渠道。百度？腾讯？TANX？ 或者三者均包括？其他中小规模的交易平台是否也要考虑？ 确定渠道后，每日预算如何划分到这些渠道？ 兴许DSP会给一些提示信息，但是“试一试”依旧是你的主流决策方法。

第三关 设计出价策略

接下来你需要考虑根据营销目标，为每个渠道设计合适的出价策略了。最简单、懒惰的方法是：就固定一个价。你兴许不会这么粗枝大叶， 能精打细算，倾向于设计一个复杂一点的阶梯价：先按照某个规则划分出多个人群， 然后为每个划分估算一个单独价格。在这一关，如何估算价格成了一门艺术。

第四关 确定广告频次

好了， 继续头痛吧。 每个用户每天接受几次广告才合适？ 要几天？ 如果用户点击了，后续还要投放吗？ 你肯定会嘀咕：“好吧，鬼才知道呢！ ”。体贴的DSP一般会给你一个默认值， 你会毫不犹豫地选上： 不变应万变！

第五关 遇上高维黑洞

强大的DSP继续会追问你： 时段要不要考虑一下？是不是有些省份要剔除掉？ 要不要挑挑媒体？与浏览器类型相关吗？ 节假日和普通工作日有差别吗？…… 你肯定无奈地叹口气说，“统统的不知道，投投看吧”。

第六关 上传广告创意

现在你可以上传指定规格的素材了。你会感叹，终于可以自信地掌控了。不要高兴地太早！ 你先得在一个长长的列表中选择一些合适的尺寸。 好在你会向某些老手取个经， 根据他们的秘诀，先做上几款。好不好，投了看。

到此为止，你的广告投放计划终于在焦虑、无奈、疑惑和侥幸中非完美地诞生了。

你会深吸一口，启动投放计划。 幸运的话，几个小时内，你会发现效果居然还行。如果你是一个严以律己的人，接下来就会想“是否还有改进的空间啊？“。 怎么调呢？再多试试呗。 多数情况下，坏运气总是第一个来敲门的。你只能重新调整策略，再次尝试，甚至要重复上述工作数次后才能有所起色。你就像一个可怜巴巴的新驾驶员，面对着复杂的操控面板，在崎岖的地形上，边学边开， 难度可想而知。

你也会观察到一个怪现象：一方面广告主（或者代理商）在为如何充分利用DSP的众多选项和算法而大伤脑筋， 另外一方面DSP公司却在乐此不彼地宣传和充实庞大的武器库（“我们在某个技术功能点上有超多的选择项和算法哦！ ”），并不重视易用性上的问题。 这实际上是在不断强化DSP的使用难度， 为RTB广告的普及设置人为的技术障碍。

DSP优化师 vs “无人驾驶”

既然自主RTB投放这么困难，一个专职于优化RTB广告投放的“DSP优化师”便”横空出世”了。 广告主委托DSP优化师来负责广告投放的执行过程。他们号称有丰富的经验和技术，能够帮助广告主全程监控和优化RTB广告的投放。 在当下，DSP优化师的确是不可或缺的， 但是雇佣和培训DSP优化师，不能解决原本的问题，只是用人力缓解了一下而已。 像药物的副作用一样，还招来了一些新问题：

1. 优秀人员缺乏，DSP优化师的培训和成长需要较长的过程，不是几个优化师速成班就能解决的。 
2. 优化师服务能力有限， 服务成本偏高： 单个优化师不可能服务众多广告主。对于拥有大量广告客户的DSP服务商而言，是一笔不菲的人力开销。 
3. DSP优化师掌握和揣摩出来的优化规则和方法有多可靠？ 不确定，只能说，比“没有”好点。 

兴许你会问， 为什么不采用“无人驾驶汽车”一样的方案？ 是啊！为什么不让机器来主导整个优化过程呢？

“DSP优化师”的价值仅在于能根据投放报表和营销目标， 合理挑选、调整和组合DSP的各项功能，从而优化广告投放。实际上，与机器相比，人脑的判断力并不会在这个领域内占有优势。首先，DSP优化师决策的主要依据是DSP自动生成的报表， 不需要其他无法量化的知识；其次， 作为人， DSP优化师无法有效地在高纬度报表中获取信息， 很多决策并不合理和及时， 甚至“有摸石头过河“的嫌疑。我们的技术实验证明，一个有自动学习和调整能力的智能化系统会比“DSP优化师”更加稳定可靠， 至少不不会输给他。

既然如此，我们为什么还要忍受这么落伍的DSP系统呢？是时候把RTB广告推入“无人驾驶”时代了！

全自动智能DSP

你现在可以想象一幅全新的RTB广告投放的景象。

你只需要输入业务目标和相关约束， 轻点启动按钮， DSP会全程负责整个投放和优化过程。你不再需要冥想苦思、忙忙碌碌了。 投放过程中，你主要负责以下三种人最擅长的工作：

1. 观察每日的进度报表和系统提示，思考业务目标是否需要及时调整。
2. 配合系统的提示和要求， 输入某些机器不能确定的信息，例如对媒体质量的要求、 广告创意等。
3. 及时配合系统处理异常情况。 如果系统监测到投放发生异常（系统或者业务方面的原因），会迅速暂停投放并主动报警，必要时它会第一时间通知到系统维护人员。

这不是纯粹的想象！ 智子云正在研发全自动化的智能DSP， 它将粉碎广告主和代理商身上的技术桎梏， 彻底改变当下RTB广告的投放方式，让投放过程变得轻松和高效，开启一个崭新的“智投”时代。

下一篇我们将介绍新一代的DSP是如何建造的。

作者简介：阮备军博士 智子云首席数据科学家

阮备军，复旦大学计算机博士，研究方向是数据仓库、数据挖掘，在数据挖掘技术应用和产品化方面拥不可多得的丰富经验。毕业后长期从事推荐引擎、CRM系统、数据仓库和智能化系统的研发工作，行业涉及电子商务、电子政务和在线金融等多个领域。阮备军博士目前在智子云担任首席数据科学家，领导多个核心产品的智能化研究项目。