2017 PDB營銷必讀：5個核心點讓品牌玩轉PDB營銷

程序化購買在2016年得到了飛速的發展，尤其是PDB（定價定量購買）私有程序化購買的出現進一步加速了程序化營銷的發展步伐。PDB私有程序化購買在消除程序化投放不確定性的同時，廣告投放效果能夠更好的被透明優化，將程序化交易的優勢模式推向了一個新的高度。2016年，很多廣告主都開始采用PDB私有程序化營銷模式，經過2016年一年的實踐，無論是在PDB投放和管理技術、媒體選擇、流量退還和程序化投放預估等方面都積累了豐富的實戰經驗。

2016年，AdMaster為眾多知名品牌提供了PDB營銷廣告投放技術AdServing（即AdMaster SmartServing：幫助廣告主實現透明自主控制的程序化廣告投放控制和管理系統），并取得了廣泛的客戶認可。服務包括快消、汽車、金融、母嬰、互聯網電商、航空行業等眾多知名品牌。

經過2016年的成功探索和經驗積累，2017年PDB私有程序化營銷如何能夠更高效的揚帆起航？為此，AdMaster總結了2017年PDB營銷必讀的5大核心點，帶領你輕松玩轉PDB營銷。

提升TA%、頻次優化及多方識別率是關鍵

在退量的OTV PDB營銷模式中，由于優質DMP的接入，對媒體流量進一步通過人群性別、年齡、興趣等方面進行篩選，將不符合要求的人群退回，通常是進一步優化iGRPamp;Reach的常規實現方法。利用這種方式確實可以實現良好的優化效果，但也存在著隱患。

最大的隱患是PC端Cookie識別率的問題，這也是一個老生常談的問題。由于各家對于Cookie使用、各自的生成和采集方法不同，因此需要事前持續的Cookie 匹配，才能實現媒體和Server、Server和DMP間ID的互相識別；越多方的參與，會越降低最終媒體到DMP的識別率，這對于TA的優選效率上有很大的影響。

舉個例子，一個PC端的項目，如果媒體到Server的Cookie識別率約為60%左右，Server到DMP的Cookie識別率也在60%，那相當于其實媒體中可被認識的流量僅36%，這就會造成大部分的流量是隨機投放完成的。

應對策略：

在項目上線前，甚至在決定使用的供應商時，廣告主和代理公司也需要關注供應商提供的Cookie識別率指標。Cookie匹配量級對各家媒體、Server、DMP來說，都是一個基本要求。供應商能夠合理安排可匹配的流量、優化匹配對象分配，確保項目中媒體到DMP保持較高的 Cookie 識別率。

雖然在移動端并不涉及各家識別率的問題,但也同樣存在移動設備ID的通用性和穩定性等問題。目前移動端數據的流通性較低，僅少數DMP公司開放移動端的數據，更多的DMP公司基于數據安全問題，基本的解決策略都是由AdServing方提供數據。2017年，AdMaster將會積極投入更多的資源，推動擁有高質量數據源的巨頭們，安全、有序地流通移動端數據，更好的激活各家移動端數據，幫助廣告主更精準的尋找到品牌的TA。

媒體流量穩定性是PDB營銷各項KPI提升的關鍵

PDB營銷是一種通過程序化的形式實現更精準的投放控制、目標人群定向等媒介優化的購買方式，主要通過技術手段優化并提升如CTR，TA%等多項KPI，但除了技術驅動外，確保這些KPI指標能夠提升的基礎是媒體推送流量的質量和穩定性、優先級上需要至少需保持和常規購買一致。PDB項目最終效果中媒體的推送量質量是較為關鍵的影響因素。

通常，媒體端流量質量和穩定性的評估可以從兩個方面考量：

A 推送量中不穩定流量占比

行業會把無法再現的流量、某些有異常行為的流量（如曝光前點擊、瞬時多次行為等）稱為不穩定的流量。當某些項目中如果不穩定流量過高時，首先DMP無法識別這些流量，無從判定性別年齡，這就影響了對于推送量的篩選。同時，不穩定的流量的Stable%也會低于常規，這對于最終計算iGRPamp;Reach也同樣存在著影響。

B PDB優先級與常規是否一致

通常PDB項目的效果優化都是基于同期或者之前一波常規項目表現上的提升，這要求了PDB項目的流量分布上應與常規項目差異不大。當某波項目，如果存在頻次分布、性別年齡分布較大的差異，比如一波控5的項目，在超頻還是低頻的占比都是常規項目的表現好于PDB的推送，那可能最終由PDB優化后的項目結果仍低于常規項目。

應對策略：

A. 通過技術手段規避不穩定流量：在Server選擇退量時，就考慮關于流量穩定性指標，最大化避免不穩定流量；

B. Server方能夠按照實時曝光的情況，更好的控制對于推送量的選擇，優化退量邏輯；

C. 設定媒體關于推送量質量和穩定性的KPI。

避免溢價過高，導致效果優化無法滿足溢價，影響ROI的提升

這其實與流量質量控制有一定的共同點。因為媒介庫存的不足，由于要求多推送量產生的對庫存的挑戰，也嫁接到了媒介價格層面；當媒體溢價已經超過了預估的可優化空間時，ROI也變為負值，這個狀態下做PDB的意義是什么？如何避免溢價過高？或者直接不接受溢價過高的媒體？

應對策略：

目前，各家媒體正在積極的探索關于庫存上的優化，解決媒介庫存壓力，比如高差異品牌間推送量共享，PD模式的推廣、信息流等新興資源的價值認證等，為更好的程序化購買創造空間。

科學的PDB效果預估，高效提升

目前大多數的PDB營銷項目的預估都是媒介策劃基于經驗和常規預估制定的，沒有考慮到媒體流量的實際分布，TA、控頻等都分別需要一定的優化空間、DMP識別率及DMP準確率等數據，這些維度都會影響最終iGRPamp;Reach的實現情況。如何更科學更系統化的完善PDB的預估，甚至能結合常規購買做聯合預估等，也需要更多的力量去探討和實現。

如何實現科學的預估？ 利用能夠將媒體流量的實際分布，TA、控頻以及DMP數據情況涵蓋在媒介規劃系統內，更好的了解PDB能夠帶來的提升，以最終決策溢價和ROI的平衡。

投放前期，多方溝通很重要

PDB營銷中不僅涉及到常規的排期，還存在下單流程的區別，主要針對推送比、溢價等因素的溝通。同時，常規購買中媒體的控頻、TA優化等因素在PDB營銷中也存在，而這部分的KPI是針對于推送量還是曝光結果，目前市場中還沒有明確的定義，所以前期代理公司和PDB營銷涉及到的多方溝通非常重要。

例如，無論在常規還是PDB投放中，項目策略中可能都會涉及到對媒體控頻的要求。常規很好理解，直接通過最后的曝光監測數據中單媒體頻次數據就可以確定媒體是否做好了控頻；而在PDB營銷中，如果還是通過單媒體曝光的頻次數據，其實并不能直接判斷媒體的控頻。因為在PDB項目中，這并不是媒體的執行效果，而是由Server的進一步優化完成的。同時，如果KPI制定為曝光頻次，當推送量中的媒體超頻流量已經占了一部分比例，這時就會減少在推送量中Server原本對于跨媒體控頻、TA的優化空間。因此，在PDB中，對媒體的控頻要求更好的是需要針對推送量而非曝光。

2017年將會是程序化購買更趨向于成熟的一年。程序化交易模式日益得到廣告主的認可，同時更多的程序化購買模式也會愈發豐富。購買方式方面，除了PDB外，PD、PMP等模式的擴展；廣告形式方面，除視頻外，更多的原生信息流、OTT等廣告形式的增加；以及DMP方面，更多基于品牌第一方數據的定制化人群標簽和受眾模型的應用，都會是2017年程序化購買的重要推進和創新源泉。同時，隨著更多的優質資源方、數據方的加入，如跨屏識別、品牌安全等也會開始更多的應用在PDB、PD等程序化購買上。AdMaster經過2016年一年的實踐與經驗，將進一步優化技術實力、跨屏打通能力和投放優化能力，更好的服務于飛速發展的程序化廣告。