什么是RTA？RTA（RealtimeAPI）是一种满足广告主实时、个性化投放需求的技术手段。当用户点击广告时，媒体会将用户设备id传递给广告商，广告商根据自身历史数据建立的模型判断该用户是否是其目标用户。如果是，请告诉媒体它希望将广告展示给用户。这里目标用户的定义是灵活的。如果广告主的目的是吸引新用户，那么目标用户就是没有记录在广告主数据库中的用户。如果广告主的目标是提高ROI，那么目标用户就是可能为产品付费的用户。简单来说，RTA的作用就是把选择用户的权利交给广告主，让广告主判断当前用户是否需要。如果是这样，媒体将向用户显示广告商的广告。为了直观起见，画一张图：RTA流程当然RTA在理论上是这样的，但实际上是否将广告主的广告曝光给某个用户，取决于媒体。当我们对接特定媒体时，广告主通过RTA返回的值只是一个参考。媒体除了参考RTA之外，还会参考你的出价，ROI系数等，再综合判断是否向用户曝光广告。RTA的作用在使用RTA之前，我们会通过广告的针对性配置，告诉媒体我们要向哪些用户展示广告。由于个人工作主要接触腾讯媒体，所以这里以腾讯媒体为例。在创建广告时，我们可以配置广告的定向，如下图：广告定向设置通过定向配置，我们可以将广告投放给符合定向标签的用户。此外，在实际配送工作中，也常用针对性人群套餐。该方法以游戏广告主为例，根据过往的历史数据，广告主可以过滤掉过去有过积极行为的用户，比如频繁登录、付费、游戏时长、装备数量等，根据这些data，过滤出一组用户（具体是这些用户对应的设备id）按照媒体要求的格式打包成文件，上传到媒体。投放广告时，可以使用上传的人群定向包（媒体也会根据自媒体的数据，打包一些人群定向包，供广告主使用）。我们可以使用人群定向包，针对这些用户实现定向广告曝光，排除曝光，或者使用自动媒体扩展功能，寻找更多具有相似特征的用户，如下图所示：寻找更多优质用户。高质量的针对性人群套餐对广告效果的影响是非常有帮助的。在没有RTA之前，pitchers会根据广告主自己的数据和商业目标，频繁的打包各种针对性的人群套餐进行投放。效率低不说，目标效果的非实时性也是一个问题。题外话：在让投手收拾好人群包再去球场的时候，有一个问题需要注意。因为公司内不同的投放团队要根据广告效果来考核KPI，这时候有可能通过针对性的人群包把别人获得的优质用户带走。比如投手A推出了产品A，效果不错。100个付费用户。此时投手B通过条件筛选筛选出最近付费的用户（包括投手A获得的100个用户），将这些用户打包成人群包并进行定向。投手B有很多投手A的优质用户大概率会被抢走。这时投手A会发现广告带来的用户后续付费能力很差，而投手B则相对容易获得不错的效果。这种操作虽然可以提升个人KPI，但是对公司整体是有害无益的（同一个付费用户被暴露多次，花费多份钱）。回到RTA的话题，通过广告的针对性配置，效率低下，无法实时实现灵活个性化的投放需求，RTA的出现就是为了解决这个问题。广告商在设计RTA系统时应考虑灵活性和性能。灵活性可以满足广告主自己的业务需求，比如投放新用户，召回流失用户等。不同的目标可以通过简单的RTA策略设置，不管不同的目标需要多次开发，性能是媒体的要求，因为广告曝光的过程是毫秒级的，如果广告主的RTA服务响应太慢，整个广告曝光过程就会变慢，所以媒体会要求你在自己的RTA逻辑内完成处理毫秒（腾讯要求广告主在60ms内返回结果，60ms包括广告主的网络传输和内部逻辑处理时间）。另外，媒体的用户量非常大，广告主的RTA服务会长期承受媒体服务大量请求的压力，也需要考虑抗高并发。广告主端实现RTA的思路是简单梳理一下广告主RTA系统的需求：可根据投放业务灵活调整、高性能、高并发投放业务。外卖业务的灵活性主要在于目标用户的定义。如果投放是为了获取新用户，目标用户的定义可能是不在广告商数据库中的用户。如果上线是为了召回流失的用户，目标用户的定义可能是最近30天没有登录过公司任何产品的用户，而目标用户的定义在大多数情况下主要是使用各种指标数据在用户画像中，比如支付金额、上次登录、最近一次产品使用时长等。这些用户画像信息可以通过基础业务数据清洗得到。配合用户画像，实现灵活的业务需求。基本流程是媒体RTA发起请求，将用户设备id（muid/idfa）发送给广告主RTA，广告主根据设备id获取用户画像信息，根据这些信息结合策略，以及简单判断后，立即返回给媒体。以召回流失用户为例，通过设备id查询用户画像，发现该用户昨天登录过，不满足流失条件（近30天未登录），返回媒体时间：这一次，不需要用户。由于媒体的高性能要求，我们需要将用户画像数据存储在内存中，比如Redis，以提高读取数据的速度。但是，如果广告主的数据量很大，直接放在内存中是不合适的，会占用很多内存，访问速度也会下降，可能达不到媒体现场的要求。毫秒级。这时候就需要考虑内存压缩技术，高并发分布式+负载均衡。数据安全问题与网上其他RTA文章不同。我不认为RTA可以为广告商带来数据安全。只要你把设备ID传回给媒体，媒体就有能力分析出设备ID对当前广告商的意义。.在不使用RTA的情况下，我们使用crowdtargeting包来实现细粒度的crowdtargeting，这就需要广告主将自己的userdeviceid数据打包上传给媒体，媒体可以利用自己的数据能力找到画像这些deviceid对应的信息，结合这些crowdpackage的广告效果和广告主返回的post-link数据，可以判断出deviceid对当前广告主的价值。RTA逃不过媒体的数据分析。媒体可以记录RTA的操作，你想要哪些用户，不想要哪些用户，哪些用户给高质量分（质量分：量化本次广告活动中用户的质量），哪些给低，也结合广告效果和广告主返回的后链数据，可以做出一些判断。在我看来，RTA是一种提供数据的折衷方法。广告商不想将所有反向链接数据发送回媒体，而是希望更好地利用自己的反向链接数据。RTA是允许广告商在自己的服务器上根据历史数据做各种处理，而媒体只是通过设备id问你要不要这个用户，或者你给这个用户多少质量分。RTA在避免大量返回数据的前提下，结合媒体数据和广告主数据，让广告曝光更能满足广告主的个性化定向需求。RTB与RTA的区别RTB（RealtimeBidding）称为实时竞价，是广告中常见的竞价方式。RTB利用广告主这边的数据，给广告竞价一个结果，从而实现是否给某个用户曝光一个广告，如果你想要效果，就给出一个有竞争力的价格，如果你不想它，你不会出价。很显然，RTB可以达到类似RTA的效果，所以很多朋友对两者的理解有点混乱。我们可以从RTB和RTA在广告中使用的具体场景来区分这两个概念。目前投放广告的方式主要有两种：第一种是通过媒体平台直投，比如腾讯、今日头条、快手、百度等各大媒体平台都支持直投，我们可以使用平台提供的广告平台或API媒体直接制作广告投放，这也是我工作中的主要投放方式。二是程序化投放，广告主的DSP（广告投放平台）接入第三方ADX（广告竞价平台），通过RTB方式投放广告。如果我们通过媒体直投投放广告，eCPM预估由媒体自己处理，但如果我们通过ADX投放广告，eCPM预估将落在广告主的DSP上。当一个广告曝光需求到来时，ADX会通知它下面所有的广告主DSP，广告主DSP根据自己的数据实现eCPM预测，然后进行实时竞价（RTB），如下图所示：ProgrammaticadvertisingbiddingprocessRTB是ADX和DSP的交互方式，在ADX上只有做广告的时候才会提到。如果是大媒体直投，通常不强调RTB，因为大媒体本身就包括上图中的前四部分（网站/APP、SSP、ADX、DSP）。以腾讯为例，腾讯有很多APP（微信、腾讯视频、QQ音乐等）通过腾讯内部的SSP进行流量管理，通过内部的ADX进行流量竞价。我们投放广告的时候，直接使用腾讯的DSP，它会直接和内部的ADX实现数据互通，因为都是内部实现的，它的DSP和ADX之间是否使用RTB，不会像第三方那么清楚ADX。简单地使用直接投资或ADX会有缺点。在了解缺点之前，有必要先了解一下eCPM预估的大致流程。在计算广告领域，eCPM（effectiveCostPerMille，每千次展示的预期收入）的准确性是实现广告个性化曝光的核心点。估计公式如下：上式中：表示广告本身的特征用户特征表示上下文环境特征。让我们举个例子来理解上面的公式。假设我们要投放一个减肥广告A，首先我们需要获取广告A()的特征，比如广告着陆页特征、广告视频元素特征、广告BGM等，用户在浏览媒体信息时，媒体将尝试将广告曝光给用户。这时候需要获取用户特征()，用户是女性，年龄28岁，兴趣爱好是美容，娱乐，过往浏览轨迹xxx等。基于用户当前浏览的context()，比如当前正在看减肥的人的成功经验，结合这些特征信息，可以判断广告A此时适合暴露给用户。直接预测eCPM是很困难的，所以在实际工程实现中，预测eCPM的任务会被拆分。假设广告平台按照CPCbid（CostPerClick）结算，eCPM可以拆分为CTR（ClickThroughRate，点击率）乘以CPC：CTR和CPC的估算可以交给两个算法团队实现，整合就是eCPM。了解了eCPM我们再回过头来说说直投和ADX投的缺点。要准确估算CTR和CPC，用户特征()必不可少。如果单纯通过直投投放广告，用户特征取决于媒体平台的数据。此时，广告商方面缺少重要的反向链接数据，如果单纯以ADX的形式投放广告，上下文环境特征（）会缺失，媒体端用户特征的数据也会缺失，即两者都会受到影响，因为缺少数据比直投多，所以在同样的技术能力下，通过ADX投放的广告不如直接媒体投放精准。RTA的出现，让直投可以利用广告主端的后台数据，弥补缺乏用户特征的缺点，让CTR和CPC的预估更准确，从而实现更精准的广告曝光。说到底，我的能力有限。文中如有疏漏，请联系我与我沟通。斧头文文章观点，下篇计算广告将探讨流量作弊与反作弊技术，期待。本文参考：互联网广告中的竞价模式（http://www.opp2.com/166478.html）RTA广告产品能力详解（https://zhuanlan.zhihu.com/p/259912884）通俗易懂RTA与RTB（https://zhuanlan.zhihu.com/p/354489134）二图白话广告RTA技术（https://zhuanlan.zhihu.com/p/351762319）
