【摘要】 对于RTB和程序化广告而言,2016年绝对是很艰难的一年。
对于RTB和程序化广告而言,2016年绝对是很艰难的一年。
有DSP跟我聊,说年初还不错,结果到了第二季度,就直线下挫。
有人说,今年Ad Exchange的整体消耗,降低了5成左右。未经证实,但不是没有可能。
RTB的下挫,也连累了整个程序化广告领域的萧条。所谓2013年程序化兴起,到2016年便发生回调,似乎正应证了那个著名的行业发展曲线理论。
现在似乎在“幻想破灭期”,只是似乎稍微来的快了一点。
一旦一个行业突然高速井喷人人可做的时候,这个行业就很难良性发展。国内的程序化市场,很符合这种规律。再加上这个行业如此特殊,充斥着眼花缭乱的新概念,又处在利益交织的核心,就注定了它根本没法安分。
幻想破灭期会有多久?取决于我们多久认清程序化广告目前的虚妄,以及多久愿意走向价值回归。
DSP的疯狂加速始于2013年。当SEM、EDM、流量包断和广告网络(Ad Network)都变得极为成熟或变得不再性感而无厚利可图,市场亟需一些新的可包装的东西来重新提振广告主的食欲,程序化变成了唾手可得又炽手可热的东西。
说它唾手可得,因为DSP的本质,毕竟只是帮助广告主竞价的bidder,无需背后有特别的资源,接入广告网络就能获得大把资源(往往都是数以几十亿计的曝光),这对于那些过去从事ad network广告业务却苦于没有资源的广告公司而言,无异于天降祥瑞,雪中送炭。而实现RTB的技术,由于很多开源代码(含优化算法)的存在,并不是高不可攀的技术珠穆朗玛。据说,一个不错的技术,拿着开源代码改改,就能做一个DSP出来,凑合也能用。
说它炽手可热,因为DSP的RTB投放方式太赞啦,按照人群进行甄别,革命性的以人为标的(而非以广告位置为标的),灵活、精准、效果导向,彻底颠覆了传统投放不能解决的白白浪费弹药的问题。这些闻所未闻的极佳概念,正好修补了过去所有模式的缺憾,无论是对于效果营销还是品牌营销,RTB都极为适用。
DSP和RTB一时风头无两。
2013年,全中国不到20家DSP,有一些还是海外的。2014年,超过50家DSP。2015年超过100家DSP。2016年,几乎每个互联网广告公司都是DSP。
很多东西多未必善,中国人向来不缺乏一拥而上挣快钱的聪明,只是,随着赛道的拥挤,难免有些开始动作变形,有些开始抄近道,有些则直接干脆“倒着跑”。
2016年,幻想破灭,或者反而是新生。
高速发展的程序化广告市场,让人人都无法容忍机会的错失。广告主很想尝试革新方法带来的“震撼效果”,广告公司则不可丢掉眼前的“战略机会”。结果,人人都说程序化,人人都是DSP。
但问题是,彼时并非所有广告主和广告公司都清楚什么是DSP,什么是RTB,什么是程序化广告。
比如,ad network说自己能做DSP,其实没有什么资源是从Ad Exchange(ADX)中接入的,只不过把收来的流量,按照广告位做了一个媒体定向罢了。不过这已经是很良心的了,至少真有资源。
又如,自己攒一个DSP系统,接入了ADX,便可以开始为广告主投放广告,其实优化能力、数据能力、服务能力基本啥也没有。这也还行,至少能真的去投放。
或者,既不是ad network,也没有自己攒DSP,更没有像样的媒体资源,还是可以口称DSP,实质拿着的是一些“你懂的”流量。这个,不能多说……
RTB不过几年光景,还算不上大林子,已经挤满了各种鸟。鱼龙混杂了,空气就浑浊。
人人都是DSP的一个负面结果,是道德风险。
RTB和程序化技术绝对不是创造了道德风险,但成也萧何败萧何,RTB“因人而异”的特点,也造成了广告对广告主而言,几乎不可见。过去,所有的广告在何时何处上线了,是可以看得见的,但RTB则只能依赖于事后的报告,上线广告的检查人眼基本上是看不见的。
既然看不见广告,事情就开始变味。
行业中开始流传一些毛骨悚然的消息,譬如哪一家DSP投了某门户的程序化广告,结果门户网站的服务器日志上毫无这家DSP有广告被投放过的任何记录。
肉鸡、劫持、非人类的流量,被换上了新的皮,也摇身一变,说我们是RTB。
另外一些,相对有良心的,把广告展现在色情、赌博等拥有巨大流量的地方,但在这些地方打你的广告其实绝对非你所愿。
这些事情开始在行业内被流传、放大。一方面,把上面空手套白狼的玩法用的淋漓尽致,能挣到不少好钱,利润远远超过那些认真做投放的靠谱的DSP们,劣币驱逐良币。另一方面,光怪陆离故事多了,广告主也在反思,这个光鲜包装的革命性广告的背后,到底藏着多少不可告人的东西。
2015年,人们对于新鲜事物的兴奋掩盖了质疑;而到了2016年,新鲜感慢慢消褪,质疑则猛然抬头。东风西风,此消彼长,由怀疑变成了恐慌。
效果类广告主也未能在这波道德风险的泥石流中幸免。我们一般认为效果不可以“掺水”的想法是幼稚的,效果可以作假,只是相对难度高点,成本大一点,但如果CPA,CPI或者CPS的收益大于实际付出的作弊成本,作弊就难以避免。而“看不见的广告”又助长了这种趋势,并且降低了“作恶者”的成本。
例如,2016年,汽车行业比较重灾区,因为汽车的CPL(cost per lead,CPA的一种)已经很高。我听说真正的做一个中端轿车的lead的成本(完全不考虑归因的情况下,按照last click来计算的成本)可能高于5000元人民币,如果正常做,没有任何广告公司能负担起如此成本,广告主也不会开心。而实际上,各广告公司承诺的CPL往往在1000元左右,甚至更低。这是一种杀鸡取卵的报价方式,我相信如果考虑归因(attribution),CPL可能在2000元甚至更低是合理的,但目前行业全部没有采用归因计算CPL,那么跟广告主承诺CPL低于1000元无异于“自杀”。
不过,你没见着哪个DSP公司因此而违约、赔偿、颜面扫地。整个CPL似乎已经形成了一个(灰色)产业,分工明确,最后你要的数据,总能够做出来。做不出来,要么你是真心把CPL报的太低(作假的成本都cover不住了),要么完全就是不懂这行的。
我没有说凡是低于1000元人民币的CPL就一定会有问题,但我觉得,CPL越低,某些不正常情况的几率就越大,人都要活命,都要混口饭吃。
这实际上绝对不是DSP或者RTB方式的原罪,更不是技术本身的原罪,劣币驱逐良币是整个国家经济层面的问题,不仅仅是在数字营销上,不仅仅是在营销上。不多说了。
游戏、电商怎么样?以此类推,当然,会好一些,但好的有限。
品牌广告主在利用RTB乃至程序化广告的时候,比效果类广告主更微妙。
品牌广告主追求的广告效果,往往是TA,也就是target audience(目标受众)。
TA不是由行为定义的。所谓行为定义TA的方式是指一个人(cookie)在网上或者在app上做了什么事情,就定义为一个TA的方式。但品牌广告基本上不是这样定义TA的。——实际上这样定义TA也增加了作弊的道德风险,也行不通,这里就不多讲了。
TA在品牌广告主这里是由对人群的人口属性定义的。比如,我要30-40岁的女性受众。
一次RTB或者程序化投完之后,到底展现给了多少TA看,是广告主在意的。但是,谁来评价看到的人到底是不是TA?这个地方的问题比较大。广告主往往是用第三方数据,但第三方中国寥寥无几的几家,数据又都是黑盒子,所以事情就不那么单纯了。
某种程度上,你想数据好,那么你跟监测方最好搞好关系……
某种程度上,BAT也需要跟他们搞好关系。虽然BAT的数据准确度显然是最好的,但是BAT也不能用自己的数据给自己的广告做背书呀。这叫无法自证。
这就变成一个有点类似于挟天子以令诸侯的局面,我未必真的有公允无私的数据(黑盒子,不足与外人道也),但我是第三方,所以你们还是都得听我的,跟我看齐。有数据实力的,所处的位置又不是所谓中立第三方,而是利益相关方,所以即使数据再好,也不能帮助说明广告效果。
例如,由于众所周知的策略路由的原因,导致不同机房看到同一个用户的IP是不一样的,会导致媒体识别的用户来源地域与第三方监测识别到的用户来源地域不一致。为了能够证明自己的TA没问题,媒体还得跟第三方监测的服务器物理上放在一起,被称为同源机房。
所以,品牌的程序化广告效果,一定程度上变成了大家一起上台唱的一出戏。后台是什么,观众反正看不见,也没有人需要看见。戏唱好了,就足够。
少数人会思考,到底如何真正判断品牌投放的效果,引风气之先,但在2016、2017等年份,肯定成不了主流。
既然无法自证,第三方认证又不一定有足够说服力,品牌广告的程序化投放就总有一些先天不足。事情如果经不住技术的深挖与推敲,那么就只能在生意上寻求价值。有些人说,品牌广告的投放就是洗钱。这么说不是很恰切,但我咂摸着,似乎又有些道理。
如果是这样,一旦出现一些黑天鹅事件,皇帝的新衣被拆穿,不信任立即就会由暗涌变成丑闻,伤害整个行业。2016年的艰难,这或是一个很大的原因。
我认为:程序化的技术其实很成熟了,但配套不够好,也就是说,生态还不是很完善。生态不完善,很多时候就得靠“吹水”填满生态。
拥挤的赛道外加道德风险伤害的不仅仅是DSP、程序化技术和服务提供商、广告主,对本身有价值的广告思想和技术也造成了很多冲击。
由于程序化背后的流量资源广被诟病。RTB或者DSP都被认为是较低价值的“边角料”资源。在我的CWA和iCDO的微信群中,还有朋友说,DSP的意思就是“低水平(Di Shui Ping)”,也有人说,程序化是“垃圾流量”的代名词。这代表了一种较为普遍的观点。这一观点与被吹水膨胀的各种程序化概念形成了鲜明的对比。
精准人群定向是最容易被夸大或者误解的领域。并非这一概念本身的逻辑或技术有任何问题,问题是我们的解读。对它的解读很容易变为,我为你找到的人(看到你广告的人)都是真正对你感兴趣的人。潜台词是,这种广告由于能够实现最准确的人群定位,从而是效果最好的。
事实上,由于受众本身兴趣和意图目前还不可通过程序化实现精确描绘的特性,广告效果一定不比那些能够精确描绘的广告形式更佳(这一广告形式目前只有搜索引擎)。对于效果类广告而言,程序化实际上并不通过人类语义学上的标签实现人群的遴选和优化,而是通过类似于重复博弈的机器(监督)学习实现,理论上无论人群被打上了与我们自然语言多么不一致的标签,它照样能慢慢实现效果的优化(以及不断的优化),但这一效果一般情况下不会比搜索广告更好,也不是因为我们能够预先判断哪些人群会对我们的商品感兴趣,我们所进行的针对性的投放——我们只是利用机器试错、总结、学习,在一段时间后“后知后觉”地完成逐步的迭代式的优化。对于品牌类广告,涉及到我们上面讲到的TA的问题,即TA是预先根据研究理论预判的,而不意味着真正对你商品感兴趣的人。
因此,程序化的精准定向是有条件有限制的定向,是暂时还不能精确判断人们意图的定向,因此广告效果也无法被神化。程序化精准定向的条件是时间与一致性的受众标记(对效果类),或者外部TA数据的准确性(对品牌类)。但程序化不意味着精准定向本身。
数据概念和用法的随意解释是另一个造成伤害的领域。我记得有某投资方,向我透露他们投的某隐姓埋名的DSP(未向我透露起名,我也懒得去猜),说他们可以找出搜索引擎的所有具体搜索关键词背后的人的数据,然后拿着这些数据去各个地方去投放。我听起来就相当狐疑。且不论事实上是否真的能做到(中国毕竟在任何地方都会有“权贵”,说不定真能做到),光用语就够让我吓尿的,什么叫拿着这些数据去“各个地方”投放,什么叫“所有”具体的词,什么叫背后的人的数据。就算你能拿到搜索某些词的人的cookie,这些cookie如果是第一方cookie(也就是进站访问者的cookie),那量级太小了,根本不够你到处投放的;如果你能拿到这些人的百度cookie,那量级绝对牛,不过你怎么能拿到呢?就算你拿到了,又怎么样能够进行cookie mapping跟其他的“各个地方”做匹配,然后成功的实现人群定向呢?
就像读书时做英语阅读理解,老师说,那些凡是句子中有“all”的选项的,用语绝对的,保准都是错的。
大家随意偷换概念,随意增加不可能的实现的东西,拉大旗当虎皮,最后不过是个肥皂泡,信任就是这么被伤害的。
另一个是线上线下数据打通(data onboarding)。不是不能打通,但能够打通的数据一定是有非常严格范围的界定的,或者换句话说,数量级极为有限。线上线下数据打通(data onboarding)的前提是能够找到线上和线下受众的同一身份识别,这样的身份识别,用PII信息容易实现,但PII信息很有限,且不容易获得,另外这些信息在一个广告主内容易,跨广告主则很难,且后者存在隐私问题。一种技术体系内容易(比如都是wifi,或者都是ibeacon),跨技术体系很难。线上的第三方数据都难打通,尤其是PC上的数据,更何况线上线下?
Data onboarding是一个很严肃的话题,未来一定会有更好的解决方案,但现在就说我能搞定,而不说明限制条件和可打通的数据对象和范围,那就真是忽悠。
另外几个被吹水的很厉害的概念还包括:跨屏追踪、人群画像、消费者历程(customer journey)、品效合一等等,不多说了。
资本市场也在2016年开始变得冷清。大家都感觉到了寒冬,而程序化营销领域似乎就没有特别暖和过。行业的领头羊如果没有能够有很好的资本化路径,对整个行业在资本上的运作都有伤害。2016年某家被BAT巨头收购之后的曲终人散,另一些颇有口碑的top DSP没有实现预期的上市。与SEM、跨境、传统广告等领域热火朝天的并购状况相比,程序化营销声音多,但真正落地则雷声大雨点小。程序化太新?资本风向转向利润而非概念?缺乏有力的商业模式?可能都是原因。2017年能否改善?
2016年已经结束,我们迎来崭新的2017,好消息是并没有很多人放弃,而浮躁喧哗之后也一定会迎来价值回归。我们看看慢慢变得更好的那些方面。
一、可用数据的变化
尽管面临真正中立的数据裁判缺位的问题,但程序化广告可用数据仍然在快速增长,其中第一方数据和第二方数据的增长情况显著,得益于企业(主要是品牌广告主)自建DMP的增加。以某个广告集团的广告主为例,2015年,只有两三家建立了自建的DMP,而2016年则接近10家。这为未来的程序化数据使用打下了基础,目前的主要问题仍然在data onboarding不能规模化和准确化的实现。
第三方数据,总体看变化仍然乏力,尤其是PC端。对效果类广告,有用的数据要么仍然来自ADX,要么是来自不可言说的源头,开放可供交换(或交易)的数据泛善可陈,行业缺乏第三方数据交换的生态。但移动端情况显然优于PC端,当然拜更容易实现追踪的技术特点(device ID)所赐,所以可以采购到相当不错的基于device ID打通的第三方数据,主要是app相关数据。不过,app内的用户engagement或者interaction数据不可得,降低了这部分数据的价值。
运营商的移动端数据如何?——仍然由于考虑到数据开放程度对自身数据控制权的影响、割据导致的覆盖范围有限,以及隐私红线的影响等,运营商犹抱琵琶半遮面,欲迎还拒。除了运营商,几乎所有的规模性的第三方数据源,都更倾向于封锁自己的数据,而非开放自己的数据。在数据直接变现的友好环境尚不存在的情况下,理性的数据变现方式是自己建立数据的应用环境:在营销上,即表现为建立自己的DMP+DSP的体系,通过广告投放实现变现——很多数据资源方都成为DSP或类DSP的程序化广告投放服务商,例如运营商、银联或是人人网。这一状况也令“人人都是DSP”的现象加剧。
尽管如此,我还是把这些变化视作好的变化,数据孤岛的问题在移动端可以看到一点消融的开端,此其一;而可用数据的增加,哪怕是透过自建DSP实现的增加,也聊胜于无,此其二。
二、媒体心态的变化
媒体在2016年经过了很多纠结,但总体对程序化广告的心态相当开放了。
几个因素决定了媒体从程序化的保守党,逐步变为顺应潮流。
第一个因素,媒体总有不能消化的长尾流量,利用程序化变现能够找到更高变现效率的出路。
第二个因素,竞争和广告主倒逼。
第三个因素,技术的发展和进步,让广告主能够建立基于自己资源的“私有化”的程序化流量平台,是过去network时代不可实现的,也是过去自己的广告管理系统不可实现的。2016年很多媒体拥有自己的SSP或是ADX,而不需要寻求第三方平台,这使他们在对资源控制力得以保证的同时,并促进了程序化在媒体端的进一步普及。
三、透明化步伐加快
2016年另外一个相当棒的变化是程序化交易透明化步伐的加快,尤其是传统“中介”势力。利用程序化的“信息不对称性”去获取利差在2016年变得困难,因为程序化属于去中间化的广告交易模式,理论上所有的程序化采买都可以通过自助方式完成。中介的作用不再是双边(资源和客户)的垄断者,他们的角色最恰切的是技术解决方案的提供商,通过提供服务收取服务费获得收入,而不是通过流量资源的价差获利。DSP的变化是朝这个方向,agency的变化也朝这个方向(比如某4A agency成立了专门的透明化agency trading desk部门)。
四、KPI重构
最后一个好的变化是广告主面对程序化必然会回归理性,主要的表现是对盲目追求效果的KPI设定方法的反思。程序化由于无法避免的具有的展示广告的属性,无法成为纯效果类的输出,而必然具有与品牌推广相关的作用。另外,大家也变得现实,超越搜索引擎的表现不切实际,但它显然拥有搜索引擎所不具备的营销作用力。
总体看,2016年是DSP和程序化广告很难忘记的一年。很多人期待这一年快些过去,并寄望于2017年能够冰雪消融,峰回路转。未来怎么样,我无从判断,但从行业趋势看,文章最前面的曲线具有预言性。或许2017年是价值回归的元年,回归理性、回归真实。
欢迎参加宋星互联网数据运营公开课
深圳站:互联网营销的数据分析与优化
时间:2017年3月25日和26日两天(是周末的两个白天)
地点:深圳南山区科兴科学园(深圳市南山区科苑北路科兴科学园b4单元会议中心三楼7+8号会议室)。
数据驱动的互联网营销与产品大课堂
从业十年,撰写《网站分析在中国》博客八年以来,宋老师全面、完整、深入地全面解析如何通过数据去分析和优化互联网营销和产品!
基础知识:互联网营销与运营的核心内容及对应的数据方法
流量分析:利用数据分析和优化流量与用户的获取
推广分析:品牌、市场的数据分析,推广效果解读及优化
转化提升:流量转化背后的数据秘密——如何分析转化、如何促进转化
用户体验:用户体验的分析和优化——PC端与移动端
客户维系:客户维系和减少顾客流失的数据分析方法
大数据应用:大数据在互联网营销中的落地和陷阱规避
不仅仅是方法论,更是实战!是理论和实践的融会贯通!
近500页PPT、25个主要部分、68个关键知识点、25个精彩案例,以及不计其数的工作中真知灼见的经验总结。
特别适合希望在短时间内快速系统掌握互联网分析与优化的朋友们!
而且,宋老师最擅长的,就是把复杂的知识变成简单有趣的“故事”,为孤立的知识点添加融会贯通的脉络,让你在轻松愉快中掌握互联网产品和营销的最深刻的道理。
如果你是企业数字营销负责人和从业者、搜索引擎营销负责人和从业者、互联网产品经理、运营负责人和从业者、网站分析从业者、数字广告从业者以及一切对互联网营销和产品感兴趣的朋友。这门课非常值得听。
已有0人收藏
+1已有0人点赞
+1转发
发表评论
请先注册/登录后参与评论