DSP 投放的基本流程和算法

DSP  投放的基本流程和算法

DSP 在進行投放的時候通常按照如下流程：

 步驟1:識別用戶:

DSP 系統通常會在廣告展示的時候，同時放置一個檢測點，這樣當互聯網用戶第一次訪問 廣告主的網站時，就會種下一個cookie，這樣DSP就可以追蹤到這個網民的在廣告主網站上的行為數據。DSP還會和媒體以及第三方DMP進行合作，進行 Cookie Mapping，以便在競價前能夠識別該用戶。

步驟2:受眾選擇:

  對廣告主的每個推廣活動, 制定一個模型，該模型以在廣告主的網站上發生轉化行為（轉化行為可以是注冊，點擊，購買，下載等等）的用戶為正例，沒有發生轉化行為的用戶為負例。建立模型后，對所有的用戶預估轉化概率p(c | u),即該用戶u有多大的概率會在廣告主的網站上發生轉化行為（c表示conversion），去掉大多數轉化概率非常小的用戶，將目標用戶根據轉化概率 高低分到不同的投放計劃中。這樣我們對每個活動就找到了很多的目標用戶，而且這些用戶根據他們的質量高低，被分別放在不同的投放排期中。

步驟3:進行實時競價：

   當adx(Ad Exchange)把請求發過來的時候，DSP會拿到以下信息：當前廣告位的信息，當前用戶的 cookie和終端信息。DSP需要在指定時間內（通常100ms內），根據對當前用戶的分析，并且結合當前廣告位，根據自己的bidding算法，來要決定是否要買這次展現，投放哪個compaign的廣告，出價是多少（bidding），并向Ad exchange返回出價信息？如果超過時間DSP沒有響應，則 exchange默認DSP放棄這次競價。

步驟4:展現廣告：

   如果贏得了展現機會，則DSP返回創意，用戶就會在該廣告位看到該創意。

步驟5:追蹤轉化：

   DSP在廣告主的網站上埋了點，就能知道用戶是否在這次展現之后進行了轉化行為。根據這些數據統計轉化率，每個轉化平均成本等指標，匯總成報告給廣告主

DSP 受眾選擇算法：

1. Low-level Model:這個模型的作用是做初選。所有在活動對應的廣告主網站上發生轉化行為的用戶作為正例，其他的用戶作為負例。該模型的特征只有一類，就是用戶歷史訪問過的URL。采用線性方法降低維度影響

2. High-level Model: 這個模型的作用是細選。模型的樣本和Low-level Model一樣，特征就不限于用戶訪問過的URL了，可以是這個用戶的各種挖掘出來的屬性標簽，包括可解釋的分類標簽，不可解釋的聚類，與廣告主網站的關聯特征等。也就是給用戶打標簽的方式

DSP 競價算法