论文部分内容阅读
股票与RTB看起来都像数字游戏，但比数字更重要的是洞见，RTB需要洞察数字背后“人”的行为因素。
8月下旬，A股大盘不断跳水走低，引起证券投资人对股票新一轮评估预测。其实，广告效果优化与证券投资一定方面不谋而合，尤其是最近备受热捧的RTB实时竞价技术。
与证券市场相似，对投资回报的追求是不断打开RTB市场的动力，而它亦有一些交易规则与前提。如同投资人对一只股票进行估值，RTB方式需要足够的信息对各个广告位进行“估值”。在股票市场中，投资者通过所有可得信息对股票估值，在RTB市场中，广告主可以根据广告位历史效果数据，对当前浏览用户的属性进行“估值”，以决定出价。但是这些数据并不像股票市场数据一样公开易得，因而对数据的收集、整理与分析成本需要广告主考虑。
与“估值”同样重要的是“投资策略”。证券分析之父本杰明?格雷厄姆和大卫?多德（Benjamin Graham and DavidDodd）提出并受到巴菲特（Warren Buffett）推崇的价值投资（Value Investing）概念，即专门寻找价格低估的证券，就是一种投资策略。在互联网受众愈加分散的今天，人们通过对浏览多种来源获取信息，导致大量被低估的长尾广告位产生，而通过类似谷歌DoubleClick广告交换平台对它们进行整合，便可拥有巨大优化空间。
不过当前市场上充斥着各种主流及长尾广告位，广告主希望更好的理解如何分配广告预算。好比购买一只规模庞大的基金，需要专门的管理者来达到收益目标。广告主需要通过自动竞价平台来获得并处理这些大量的数据与决策，通过机器学习来维持对一个广告位的合理“估值”。
其次，广告投放也适用“边际效用递减”（DiminishingMarginal Utilities）的经济学规律：投放的广告位越多净回报却不一定越多。因而要实现效果最大化，需要制定一个全局投放策略。既适用于构建投资组合又适用于跨媒介广告效果优化的组合优化（Portfolio Theory），其核心通过调整组合中证券种类及持有比例，来实现预算限制内的最大收益，而广告效果组合优化思路也是如此：针对广告主具体需求，通过RTB在投资规模、投资成本、投放效果上寻找最优组合，在不断动态调整中，透过效果优化与增加预算的交替过程，让效果螺旋上升。它所关注的是整个投资组合的花费与效果，而非单一广告位或渠道。
那么，在RTB市场，我们要想买股票那样买广告吗？这仅是简化问题的一个角度而已。
在证券市场，非财务信息往往常会对股价产生巨大影响，而在广告RTB市场，数据也显得前所未有的重要。股票价格是对其发行公司的估值，而广告位价格却不仅反映广告位，亦反映当前浏览用户价值，因而股票与RTB看起来都像数字游戏，但比数字更重要的是洞见，RTB需要洞察数字背后“人”的行为因素。比如一个谷歌展示广告转化，很可能建立在该用户之前点击搜索引擎广告、邮件推送连接和视频贴片广告基础之上，因而优秀RTB投放系统建立归因模型，在预算分配时不仅考虑直接贡献，同样考虑间接贡献。
RTB是一个重要的趋势，是营销决策数字化的一个重要阶梯，也是对“大数据”时代的一个挑战。面对这个挑战，广告主也许对广告技术尚不精通，或者还不能马上应对海量数据分析，但是只要理解和驾驭好“人”，就能从容积极应对它。
8月下旬，A股大盘不断跳水走低，引起证券投资人对股票新一轮评估预测。其实，广告效果优化与证券投资一定方面不谋而合，尤其是最近备受热捧的RTB实时竞价技术。
与证券市场相似，对投资回报的追求是不断打开RTB市场的动力，而它亦有一些交易规则与前提。如同投资人对一只股票进行估值，RTB方式需要足够的信息对各个广告位进行“估值”。在股票市场中，投资者通过所有可得信息对股票估值，在RTB市场中，广告主可以根据广告位历史效果数据，对当前浏览用户的属性进行“估值”，以决定出价。但是这些数据并不像股票市场数据一样公开易得，因而对数据的收集、整理与分析成本需要广告主考虑。
与“估值”同样重要的是“投资策略”。证券分析之父本杰明?格雷厄姆和大卫?多德（Benjamin Graham and DavidDodd）提出并受到巴菲特（Warren Buffett）推崇的价值投资（Value Investing）概念，即专门寻找价格低估的证券，就是一种投资策略。在互联网受众愈加分散的今天，人们通过对浏览多种来源获取信息，导致大量被低估的长尾广告位产生，而通过类似谷歌DoubleClick广告交换平台对它们进行整合，便可拥有巨大优化空间。
不过当前市场上充斥着各种主流及长尾广告位，广告主希望更好的理解如何分配广告预算。好比购买一只规模庞大的基金，需要专门的管理者来达到收益目标。广告主需要通过自动竞价平台来获得并处理这些大量的数据与决策，通过机器学习来维持对一个广告位的合理“估值”。
其次，广告投放也适用“边际效用递减”（DiminishingMarginal Utilities）的经济学规律：投放的广告位越多净回报却不一定越多。因而要实现效果最大化，需要制定一个全局投放策略。既适用于构建投资组合又适用于跨媒介广告效果优化的组合优化（Portfolio Theory），其核心通过调整组合中证券种类及持有比例，来实现预算限制内的最大收益，而广告效果组合优化思路也是如此：针对广告主具体需求，通过RTB在投资规模、投资成本、投放效果上寻找最优组合，在不断动态调整中，透过效果优化与增加预算的交替过程，让效果螺旋上升。它所关注的是整个投资组合的花费与效果，而非单一广告位或渠道。
那么，在RTB市场，我们要想买股票那样买广告吗？这仅是简化问题的一个角度而已。
在证券市场，非财务信息往往常会对股价产生巨大影响，而在广告RTB市场，数据也显得前所未有的重要。股票价格是对其发行公司的估值，而广告位价格却不仅反映广告位，亦反映当前浏览用户价值，因而股票与RTB看起来都像数字游戏，但比数字更重要的是洞见，RTB需要洞察数字背后“人”的行为因素。比如一个谷歌展示广告转化，很可能建立在该用户之前点击搜索引擎广告、邮件推送连接和视频贴片广告基础之上，因而优秀RTB投放系统建立归因模型，在预算分配时不仅考虑直接贡献，同样考虑间接贡献。
RTB是一个重要的趋势，是营销决策数字化的一个重要阶梯，也是对“大数据”时代的一个挑战。面对这个挑战，广告主也许对广告技术尚不精通，或者还不能马上应对海量数据分析，但是只要理解和驾驭好“人”，就能从容积极应对它。