行业洞察 | 直投广告深度模式：RTA广告投放如何大放异彩？
综合
关注
随着越来越多广告主涌入，媒体流量及广告主获客成本水涨船高。广告投放又经历了从粗投到标签化又到粗投的形式变化，根据偕行机构旗下团队实操经验，在素材可批量的情况下，精细化投放不再取决于广告后台的定向能力操作，而往技术、数据等深层能力优化中进行。
一、什么是RTA
RTA（RealTime API），中文解释为“实时广告API”，意指广告平台在进行广告检索阶段，通过RTA接口向广告主询问起广告是否参与竞价，广告平台在接收到改信息后，再进行广告检索召回，完整的RTA广告流程示意图如下：
（腾讯广告RTA）
（巨量引擎RTA）
不同的媒体在RTA流程表述上，会有小差异，总的来说基本符合以下流程示意：
加入用户与优化师的角色，可以梳理为以下流程示意：
相较于广告直投，RTA广告除了竞价流程上的差异，在报价公式及排序公式上，也有一定区别。直投情况下，媒体内部报价公式大致为bid=cpa*pctr*pcvr，且其中的pctr和pcvr完全由媒体方评估。在直投情况下，部分行业受到大盘影响或者账户出现pcvr异常的高估、低估，一般可上报媒体侧，进行数据维度纠偏等修正。
而在RTA情况下，出价公式中bid=cpa*pctr*pcvr*tuning_bid_adv，其中的tuning_bid_adv主要由广告主决定，是否参与竞价以及代表广告主后端转化利益，在此基础上，有一定修正媒体侧pcvr与pctr的作用。
二、RTA的应用
在RTA这么多优质特性的属性下，应该如何应用其产品价值助力广告主消耗腾飞呢？以此类广告主为例：广告主自身有用户评价体系，有明确的投放策略规划及成本核算体系，希望通过自身的数据能力介入投放优化；当前投放陷入瓶颈，广告主反馈后端效果不好同时又不愿意回传更多数据给媒体侧，但有一定的消耗潜力。
由此可根据广告主不同的广告投放需求，匹配以下场景（包括但不限于）：
1、拉新场景。帮助大人群体量的广告主实现精准定向，解决平台与广告主对新老客等指标定义不一致问题。
2、拉活场景。帮助广告主实现个性化买量诉求，并结合广告主丰富的业务场景实现拉活。
3、目标人群频繁变更。对于目标人群圈定策略频繁变更的广告主，实现其目标人群实时生效的投放诉求。
4、数据保密高。对于自身数据保密性要求较高的广告主，通过RTA实现自有数据体系的决策引入，降低广告主拓客成本。
除去场景匹配，RTA如何进行效果优化呢？如上文RTA介绍所说，出价公式bid=cpa*pctr*pcvr*tuning_bid_adv，其中的tuning_bid_adv主要由广告主决定。广告主通过RTA传递给媒体的额外有用信息正是其优化作用的关键值。
1、当出价点与考核点不一致。例如，ocpm出价，转单成本100，媒体方会使劲优化转单成本，但考核点可能是后端ROI，这种情况优化最简单，广告主策略可以预估一遍请求的ROI过滤掉ROI较低的请求，或者是把预估的ROI作为出价系数tuning_bid_adv返回给媒体。同样的，如果是cpc出价，考核点是转单，也存在后端指标优化的空间。这类情况，一般为（a） 广告主不愿意把更加后端的数据回传给媒体方 （b） 出价点太靠后，受限于人群或模型效果，跑不出量。
2、当出价点与考核点一致。这种情况就比较难，关键效果数据也回传给媒体了，就要看广告主还有哪些媒体方没有的信息、媒体方模型与最优解的差距。如果媒体方模型已经达到上帝视角的最优解，那么RTA优化肯定没机会了。
（a）获取媒体方没有的数据，例如一些老客项目，广告主会有老客的数据，基于差异化的数据，训练出的模型会对媒体方pctr pcvr有模型融合的作用。
（b） 一般情况下，媒体方模型会兼顾平台上所有广告主的效果，模型会趋向于统计平均值，针对于某个广告主，肯定不是最优解。即使是和媒体方拥有一样的数据，广告主模型预估值依然具有矫正pctr pcvr的价值。
（c） 执行精细化的广告频次控制。
（d） 除此之外就是一些不那么通用的优化，例如： 分时段调价（不同时段效果不一样，虽然媒体方也有自己的调价功能，但可能调价后成本依然很难控制）、多个渠道联合调价。
三、RTA行业玩法与优选实践
这里主要结合偕行机构旗下团队执行案例以及部分其他机构案例分析如下：
客户案例1：以某网服客户拉新为例
客户的需求与问题：提升拉新效率，降低拉新成本；投放端已安装或一方人群定向无法根据投放实时更新排除活跃人群，同时离线人群包效率低。
基础策略规则如下：
1、劣质流量点位屏蔽，优量汇、联盟等转化低的位置不展现；
2、排老客，已经购买的用户在一定周期内屏蔽；
3、广告主平台后端自建人群数据库，通过RTA，广告主自行判断是否目标人群，实现人群策略实时更新，同时提高人效。
RTA实践结论如下：
客户案例2：以快手-极速版APP促活为例
客户的需求与问题：快手在推广极速版APP时希望可以使用（快手app+快手极速版app）的已安装人群数据，通过极速版来唤起快手沉睡及卸载人群，或者获取集团全新人群；平台APP安装定向不支持选择同集团下不同APP的数据源，只支持投放该APP的数据源，导致有效新增占比不及50%；目标人群变动频率较快。
基础策略规则如下：
1、各流量对接RTA，快手自行判定人群是否为自己目标人群；
2、实现人群策略实时更新，解决快手对目标人群的个性化需求。
RTA实践结论如下：
客户案例3：某金融行业广告主为例
客户的需求与问题：如何在不使用核心人群的前提下，使后端转化率达到核心人群水平；银行相关行业对自身数据隐私性政策要求较严，数据无法通过DMP人群包方式上传给投放平台，因此无法排除非目标人群的部分。
基础策略规则如下：
1、预估人群留资后转化概率并过滤低价值人群；
2、汇总收集通用低价值人群，主要为ADX投放期间积累的低概率留资人群，高风险人群等；
3、评估不同关键词后端转化价值并进行相应OCPA出价。
RTA实践结论如下：
结合以上数据不难看出RTA的数据优化能力及优势。当然，其中也隐含着对广告主的要求。以腾讯为例，目前符合RTA的客户基本处于KA客户池，对客户的要求也很明确：
1、有一定技术&数据能力，有一定开发基础能力（机房布局、机器、研发团队），且对自身转化数据回传较为敏感。
2、广告主投放目标人群实时变动，希望结合双方优势能力共同提升广告投放效果的广告主。
3、从目前已有成效的广告主经验数据来看，人群量级剔除在千万-亿级的剔除效果最优，从接受率指标上体现为20%-80%之间。
在满足以上要求的同时，广告主对技术对接的投放测试也需要一定的时间及耐心，时间成本与测试成本也需要在考虑范围内，才能将产品作用最大化，得到长期的效果反馈和优化调节。
四、未来广告投放发展展望
RTA本质是媒体直投的一种迭代，只要媒体直投在持续发展，RTA就会一直存在，未来可能也会有更新的广告投放技术迭代。
不过从短期看，实时人群筛选功能会为广告主带来只正不负的收益，RTA对于数据资产、技术团队过硬的广告主来说，是远远优于媒体直投的。
但具体RTA、RTB投放哪个能大放异彩，取决的因素还是比较多的，比如具体项目、数据差异、渠道差异、素材差异等。在不断变化的过程中，就算有唯一的变量，也难断定某个投放方式或者技术是一定适用于广告主整个投放周期的，实践与测试还是验证真理的唯一标准。
本文参考文章：
1、梁丽丽，《程序化广告》、《浅显易懂地讲讲RTA和RTB》
2、公众号：余生不设限，《广告投放之RTA实践》
3、公众号：懒编程，《[计算广告]浅谈RTA广告》
4、开发者头条：Alpha策略研报，《RTA广告投放研究报告》
来源：偕行机构 公众号
