企业广告数据分析模式主要和这几方面有关，你的企业会这么做吗

一、企业广告数据分析模式——RTA技术和相应模式

RTA即Real Time API的缩写，顾名思义，即是一项支持实时API接口的技术服务，由快手在2019年下旬提出，并率先作为试点应用在自家广告投放业务中。

本质上，这是为在快手直投广告的品牌主开放了一个实时的API接口，用于流量的查询。也就是说，在将广告创意推送给每一个目标流量之前，广告主可通过该接口，基于自有数据，先行判断该流量是否存在于自有数据集中，从而进一步判断是否要推送广告给该设备。

看上去，RTA技术就是将流量在广告主的自有数据集中查了一遍，但这一看似简单的过程的实现，却有着很多不可忽略的前提，同时也解决了品牌主长期以来的一些痛点：

首先，RTA模式对广告主在数据和技术层面上是有一些硬核要求的，这些广告主往往已经拥有较完善的数据中台，甚至是私有化部署的DMP平台。

其次，对于某些行业的广告主而言，出于对自有客户数据价值和安全的考虑，他们并不能把广告投放后与转化相关的客户数据回传给媒体方，当然更不愿将数据直接给到媒体用于排查和筛选流量。这时候，一个实时API接口就帮助广告主实现了既无需将自有数据传给媒体，又可以基于自有数据预判和筛选媒体流量的目标。

那么也许有人会问，为什么一定要用广告主自有数据去查媒体的流量呢?拥有大流量的媒体，本身不就有很丰富的标签体系和DMP服务，可以帮广告主实现按需挑选流量进行投放了么?

这个问题的答案有两个方面，首先，媒体侧的流量往往会多于自身标签体系内的数据量，这部分流量的特征，仅靠媒体DMP是无法判断的，而广告主的数据则可以部分实现对其的判断。

其次，广告主自有数据的维度往往能形成对媒体DMP数据的补充，从而可以进一步结合投放目标，在媒体DMP的基础上进一步过滤和优选目标受众。举个最简单的例子，如果某品牌活动的目标就是拉新，希望通过在某个大媒体的广告的投放来大幅增加新客户量的话，除了挑选出对产品有潜在需求的人群之外，还需尽可能排除掉产品的现有客户。前者往往通过媒体方的标签和算法来实现，但后者往往是媒体方无能为力的，但对广告主而言，对自己的客户是谁、有多少则是最清楚的。这个时候依托RTA，在给每个流量推送广告前先在现有客户数据集里查一下，就可以完全避免将广告推送给老客户的情况。

在大幅减少无效曝光、节省广告成本的同时，也帮媒体节约了流量。因此不难发现，目前使用RTA服务的广告主，主要集中在金融、游戏、网服、电商等非传统行业，并以拉新等增量营销为广告投入的主要目标和预期。

我们大致总结一下，最适用RTA模式的广告主和投放需求：

1、 品牌直投媒体

2、 有数据储备和较强IT能力

3、 出于自有数据价值和安全考虑，不能回传或提供给媒体

4、 以转化新客户为主要投放目标

5、 金融、游戏、网服等非实体行业品牌主

二、企业广告数据分析模式——品牌自营DSP模式

然而，对于非直投媒体的广告主而言，自有数据该如何在投放过程中发挥作用呢?我们都知道这类广告主的程序化投放，往往都是借助需求方平台(DSP)来实现不同来源流量的统一竞价、采购、创意推送，并通过指定的数据管理平台(DMP)直接或间接提供的目标受众人群包，来判别流量是否满足精准投放要求。因此，一方数据的介入就必然会从这两处入手。而这两者相比，从表面来看，如果品牌方拥有自己专属或旗下的DSP，会是更佳的选择，首先，完全不用担心数据外泄等安全问题;其次，对各种程序化广告交易和结算模式下的投放，都能实现快速而透明的进程监控、数据分析、实时优化和调整。

但是客观的说，对于品牌主而言搭建一套自己的DSP，并由自己员工直接运营的难度是很大的，成本也较高。

首先，平台的搭建对开发人员的行业背景有着极高要求，且DSP的功能越丰富、开发的周期也越长。

其次，DSP需要对接广告交易平台或媒体，国内大大小小的广告交易平台就至少有几十家，而互联网媒体的数量就更是数不胜数，更何况很多大流量媒体也在自建广告交易平台，而通常情况下每对接一家广告交易平台就要花费以月为单位的时间。同时，当对接的规模增大之后，对于服务器资源和部署的要求也就越发苛刻，随之增加的成本也会是一笔不小的数目。

最后就是完成平台搭建和对接之后的运营工作了，虽然市面上一些大型DSP平台已具备一定的投放自动优化功能，但DSP运营工作仍是技术含量较高，需要一定技术基础和营销知识储备，并且有大量数据分析以及广告运营经验的人员方能胜任的。说实话，这样的人才有些难招。因此品牌自建且自营DSP虽然“真香”，但从人力、时间、IT投入等维度评估成本的话，十有八九的品牌主都望而却步了。

三、企业广告数据分析模式——第三方数据赋能品牌方数据模式

既然绝大多数品牌自建DSP是不现实的，那么与第三方DMP的合作就成为非直投媒体模式下第一方数据参与投放的唯一选择。甚至对于诸多品牌主而言，即使选择通过RTA模式直接在指定媒体投放广告，也只有借助第三方数据才能满足既定的预期。但这唯一的选择绝非无奈之举，反而能更加灵活、有针对性地让一方数据在投放过程中发挥更多价值。

那些需要三方数据赋能的RTA模式，暂且称之为“泛RTA模式”。本质上是品牌借助第三方的数据和环境，将自有数据结合投放目标，利用算法或模型进行放大后，再以RTA的方式对接媒体的过程。以TalkingData为品牌方提供的RTA赋能服务为例(如下图)，TalkingData首先提供了一个沙箱建模环境，支持广告主可将自有客户ID作为种子样本输入，并基于TalkingData提供的海量设备行为特征建模。生成模型文件后，通过线上模型部署平台对存量设备做模型预测和评分，之后将设备计分库通过API接口对接媒体，实现对媒体流量的判断。同时，TalkingData会将媒体查询请求以及模型输出决策数据回传给品牌方，辅助其追踪当前投放情况。

而在非直采单一媒体的模式下,品牌主选择与第三方DMP的合作，就直接解决了与各大需求方平台或媒体对接的问题，且无论是将人群包推送至对方前置机通过密钥查询还是通过API查询的方式，都可以保证品牌方数据不会泄露给媒体。其次，不同品牌主的数据资产储备是参差不齐的，那些数据体量较小、维度相对单一的品牌，需要借助体量更大、维度更丰富的第三方数据进行数据的深度分析、探索、和建模。

比如，有些头部品牌主有充足的预算，想做大规模的目标人群投放，就可以从自有数据集中选出一部分作为种子人群给到第三方DMP，根据预定的投放规模进行人群放大，通过算法找出足够多的与种子相似的人群。再比如一些追求品效合一(即满足大规模曝光和投放，又实现可观的广告转化率)的品牌主，可以从自有数据池中取一部分转化人群作为样本，和上述泛RTA模式类似，基于第三方数据建模并从第三方设备池中预测出转化潜力较高的人群进行投放。

在TalkingData以往的服务案例中，已经有一些零食和美妆行业的国际品牌，通过这种方式实现了单次活动广告转化率3倍以上的提高。此外，一些刚进入市场不久的新品牌面临客户数据量有限、广告预算有、对客户的认识和了解也有限的难题，这种情况下，可以选择借助第三方DMP对现有客户先进行深度洞察和探索，找出一些重要行为特征，进而通过第三方DMP的标签体系，圈选出带有相应特征的人群用于投放。

上述例子中，一方数据都没有直接作为预判媒体流量的数据集，而是在三方数据的加持下具备了更强的拓展性，并最终演化为更贴合投放目标的数据集，可谓是真正意义上的1+1大于2。

这些模式的分析正是企业广告数据分析模式的具体方法和举例，当然不论是什么模式或什么方法，只要是对企业发展有推进作用的数据分析方法就是好方法，环球网校的小编祝大家数据分析之路顺利，也祝大家能学会这些方法，为自己的企业的发展助力。