文章
了解廣告競價機制，準確打中受眾
【RTB是什麼？】
談RTB之前，我們先來聊聊幾個重要的名詞──DSP、SSP及AD Exchange，這三項構成了網路廣告購買的基本生態系。
DSP（Demand Side Platform，需求方平台）負責滿足廣告主的需求，幫助廣告主高效率採購網路廣告，代表廣告主；SSP（Supply Side Platform，供應方平台）主要負責管理廣告資源與流量供給，讓網路廣告更好賣出，代表媒體平台；AD Exchange（廣告交易機制）則是負責搓合以上兩方的中間機制，用來作為DSP向SSP取得廣告版位，與SSP提供廣告受眾給DSP準備要出價時，兩者溝通的廣告交換機制。
3.4-1 AD Exchange（廣告交易機制）
AD Exchange
DSP
SSP
廣告商A
廣告商B
廣告商C
……
YAHOO
……
而RTB（Real Time Bidding）中文為「即時競價」，是一種網路廣告即時競價購買機制，網路使用者訪問某網站，在該網站上的廣告點擊行為馬上回送到AD Exchange，AD Exchange再把相關訊息傳送到DSP，所以當廣告主在Google、Facebook等廣告平台下廣告時，設定廣告的過程中會看到「廣告出價」，然後系統會提醒廣告主「建議出價」，購買該曝光版位。
具體來講，因為Google與Facebook靠數位廣告平台，服務全球所有的廣告主，而廣告主想要購買的受眾出現時，這些受眾誰能買到、誰無法買到，則看廣告主的出價高低而定。但是，因為同時間出價的廣告出非常龐大，非常多，受眾要看到哪個廣告，在一進入網站的瞬間即需要趕快確認，因此競價機制得在很短的時間之內，要求串接AD Exchange的每一方數位廣告系統，得在100毫秒以內完成出價，這樣才能讓受眾看到廣告。
「即時競價在極短的時間完成決定由誰曝光。」
為了要在很短的時間內完成出價，數位廣告系統除了得遵循100毫秒的規則，同時在自家數位廣告系統內服務的廣告主，也得在很短時間內計算完成所有廣告主的出價狀態。
競價買受眾的好處是，當廣告主找到一群受眾相對較少人投放廣告時，而該受眾對於該廣告主的廣告反應較好，此時可能可以用較低的金額買下該群受眾。至於未來該群受眾不會不價格提升或是下降，全看所有在平台上的廣告主怎麼選擇受眾，以及對於購買受眾每個廣告主認定金額的高低差異而定。
廣告出價與競價的過程，運算時間非常短暫，每次廣告播送出去，其曝光所帶來的點擊結果經過分析後，被套用到下一次廣告投放時的參考條件。經反覆分析、套用，整個因應受眾而生的競價演算模型變得愈來愈複雜，但廣告主投放廣告，對於出價不是很了解時，透過建議出價的功能，反而變得愈來愈簡單。
特別提醒，不是所有出價競價機制都需要做到所謂的「即時」。要做到即時競價機制，關鍵還是在於其競價的對象非常非常多，而數位廣告系統各自有其不同的運算時間，如果時間不一致，就會造成有的人出價成功、有的人無法出價，為了避免這種狀況，這才會要求出價必須要在100毫秒以內完成。如果該數位廣告平台沒有到指數級的廣告主在背後出價，更沒有串接世界上無數個廣告交換機制，其實也沒有必要特別投入開發即時競價機制。
「廣告競價機制說明。」
競價機制相當複雜，以下舉實例說明。
前提：
A、B、C三位廣告主同時競購甲媒體2015/1/1的「廣告曝光」，甲媒體當日可涵蓋的廣告量為500個CPM（1CPM=1000次曝光），即500,000次播放量（500 CPMX1,000次）。
廣告主A
廣告主B
廣告主C
預算
10000元
10000元
10000元
出價
10元
10元
10元
廣告走期
0～24點
0～24點
0～24點
按廣告主投入的預算，每位廣告主的廣告，理應可以被播放1,000,000次的（預算10,000元X播放量1,000次/10元），這也是每位廣告主心中的算盤，事實上需要進入競價的過程。
實際廣告競價過程：
第一階段
最簡單的方式，就是由A、B、C三位廣告主均分500,000次的播放量，如此每位廣告主的廣告都可以被播放166,666次（500,000次/ 3人），只需花費1,666元（166,666次/1CPM，即1000次曝光X10元），每位還可以剩下8,334元（10,000元-1,666元）的預算。
看起來很理想，問題是每位廣告主都期待可以得到全部的廣告播放量，也就是可以被播放1,000,000次，由於須與另兩位廣告主分享，所以廣告只能被播放166,666次，足足少了833,334次的播放量！
第二階段：對策→增加廣告預算
A希望可以增加曝光量，所以決定增加廣告預算至20,000元，以爭取更多廣告量，B和C仍維持10,000元預算。
面對A增加廣告預算，廣告廠商非常心動，想賣更多廣告播放量給A，但此舉可能會削減B、C的播放量，也許他們會因此抽走廣告，反而失去客戶。所以，廣告廠商必須想辦法保留B、C兩位客戶，又能滿足A的期望。
為了留住B、C，避免A吃掉全部的廣告播放量，所以必須限制A的播放量比例，並分配適當播放量給B、C，廣告廠商藉由權重記分來分配比例。原本大家預算一樣，所以都分到約33%的播放量，但A增加一倍的預算，重新調整播放量A：B：C=40%：30%：30%，A得到200,000次（500,000次X40%）的播放量，B、C則各為150,000次（500,000次X30%）。
第三階段：對策→提高廣告出價
A發現廣告預算增加至20,000元後，只增加了33,334次（200,000次-166,666次）的播放量，還是沒達到他的理想播放量，增加的部分也只多花了333元(33,334次/1CPM*10元)，廣告預算還是消化不完，所以，接下來，A不僅增加廣告預算，也將廣告出價從10元提高到20元。
此時，A的廣告預算與廣告出價都比B、C高出兩倍，所以權重記分又不同了，廣告量比例重新調整為A：B：C=60%：20%：20%，A的曝光量增至300,000次（500,000次X60%），B、C各為100,000次（500,000次X20%）。
A的廣告量增加了，但廣告出價也提高，實際支付的廣告費用增為6,000元(300,000次/1CPMX20元)，預算餘14,000元。B、C還是1,000元(100,000次/1CPMX10元)，A支付的廣告費用顯然比B、C多上許多
為了避免廣告主對廣告預算、出價及廣告播放量產生期待落差，或是看到帳單後大發雷霆，廣告廠商最好針對出價金額進行演算，算出「建議出價」與「實際扣款出價」等模型。
「最適化廣告排程。」
上例中，若按照廣告預算執行，三位廣告主最後得到的結果應該是公平的，但實際上廣告主並不會這麼認為。他們除期望廣告「被曝光」外，還能「被點擊」，甚至「被轉換」。因此，得針對ABC三人做到「最適化廣告排程」。
所謂「最適化廣告排程」，就是針對廣告主所想要的曝光量，進行相應的排程。因為受眾上線的時間不一定，再加上受眾對於廣告看到的反應都不同。站在廣告系統設計的角度，受眾願意點擊廣告，會是廣告主想要的結果。因此廣告的曝光時機點，會跟受眾上線之後接觸廣告呈現正相關。如果，廣告丟給沒興趣的受眾，該受眾沒有產生點擊，久而久之廣告主會對數位廣告系統喪失信心。
要贏得廣告主的青睞，受眾在過去對於廣告的反應紀錄很重要。這過往紀錄，會成為廣告是否要送到受眾面前的關鍵。最理想的狀態是受眾過去對於該類型的廣告有著濃厚興趣，都願意點擊，此時廣告主的廣告出現在眼前時，廣告被點擊的機率也會提高。可是，並非每次都會準確，因此廣告出現的時機點，得不段經過各種運算，讓廣告出現的排程能夠更加貼近受眾，盡量避免廣告出現時造成受眾無感而令廣告主感到該系統無用。
假設A、B、C的曝光量相同，廣告播放量固定，但因為廣告素材有差異，如「單一頁面多廣告」及「單一版位多廣告」（計算基礎不同），廣告的點擊狀況便有所不同。
「廣告版位與呈現方式會影響點擊意願。」
單一頁面多個廣告，意指受眾進入某個網頁之後，該網頁上有五個不同的廣告版位，而受眾瀏覽該頁面時，即可在當下於單一頁面上，接觸到五個不同的廣告。至於單一版位多廣告，指的是廣告輪播，好比說受眾在瀏覽某個網頁時，停留時間較久，此時該版位的廣告會經過幾秒就輪替成下一個。
3.4.2廣告素材會影響廣告的點擊(用畫的示意圖)
左圖為單一頁面多廣告，右圖為單一版位多廣告。
若A的點擊數較高，B、C較低，系統會計算A為什麼獲得較高的點擊，比較同樣的播送量與播放時段後，先針對B進行調整適化工作，拉出實驗組（B），藉此判斷究竟是誰好、誰不好，還是純粹機率問題。此時，播放廣告的排序可能由原先的A→B→C→A→B→C→A→B→C→A→B→C→A→B→C……改為B→B→A→C→B→B→A→C→C→C→A→B→B→A→C……，暫時強化B的播放量，一段時間後再重新檢視B的點擊量有無成長，也檢視A的點擊量是否下降，C有無變化。
若B的點擊數量有增加，系統便會記錄下此一排序為「可能有效」的廣告遞送排序。若是A下降，但下降幅度不大，則表示A的廣告素材真的較具優勢，而B得靠較多的播送量才能獲得較高點擊。
若B點擊量未提高，A變動不大，C變動不大，接下來便是對C進行調整適化工作，改以C為實驗組，檢查C為什麼能在播放量降低之後，點擊效果依然不變，是素材較好、或恰巧遇到對的對象、或播放時段剛好正確……，逐一記錄各種條件，並反饋系統，逐一調整廣告播放模式至三方都滿意。
【RTB愈複雜，買廣告愈簡單】
為了讓廣告主感覺付出的每一分錢都值得，避免以為「廣告出價」是為了拐他們付更多錢，廣告不能只有「被看到」，還要「被點擊」，就要讓廣告變得有價值，RTB機制能夠對每次廣告播送的結果進行分析，並直接套用於實際上的應用，再將結果反饋系統，加入演算模型。
由於廣告有單一頁面多廣告及單一版位多廣告的情況，每個版位能獲得多少點擊都與時間有關，使用者每次上網時看到的廣告不同、停留時間也不一樣，為避免無效的廣告播送，宜進行「時段切割」，將一天分成十二個階段，每個階段兩小時，每個階段（兩小時）的廣告播送與廣告點擊都是下次計算的基礎，並每兩個小時做一比較。
援上例，A、B、C三位廣告主點擊效果好的時段都不一樣，A是早上九點到十一點、B是中午十二點到下午三點、C是晚上八點到十二點。同樣的比較基礎下，若A前兩小時優於B、C，微調降A的播放量，並提高B、C播放量；如A被降低播放量，但點擊量不減，B、C卻反而提高，則提高B、C在該時段的播放量。
「RTB機制經由競價能準確判斷受眾的點擊狀況，不要貿然更動。」
然而，廣告主可能預想對自己有利的時段，譬如A的優勢時段是早上九點到十一點，但A卻自認是晚上七點到十二點，所以提高出價購買該時段，為避免A的廣告在七點至十二點間播出，無端浪費了，又影響到C的廣告播放效果，這時就要透過RTB機制，由系統判斷A的出價狀態，假設出價遠高於建議出價的數字，可能是「真的很想要強調這時段的廣告播送」（也可能是「不小心按錯出價金額」），所以要再以C為評估標準，衡量C在同時段裡還有多少廣告預算，以及還未播放的廣告量，或者有無更動過廣告出價。
若C的廣告預算還剩很多，廣告播放量不如原先設定的排程，出價也沒有變動，貿然變動C，會讓C覺得廣告預算花不完，該系統很差勁，建議還是先回頭檢查廣告點擊較理想。
縱使系統經判斷後，接受A提高出價的需求，讓A買入他想要的時段，給予較高播放量，還是會去計算A在該時段裡的點擊狀況，假設點擊狀況不理想，系統會「自動平衡」A與C的出價範圍，或許「降低出價」，降低C的CPM費用，或許是7元或8元、9元，以延長C加長廣告走期的意願。
隨著時間累積，RTB演算模型會愈來愈複雜，甚至會辨識廣告素材在排版、組成、文案、商品、日期與季節等因素的影響下，如何創造最好效果，增進點擊、加入會員、購買、參加活動、安裝、看完等，每種結果都被反饋到演算系統裡，廣告購買也就變得愈來愈簡單了。