搞懂需求端平台，廣告才會被看到

【會被看到的廣告才有銷售價值】

過去，網站的部分營收來自廣告，所以通常網站會附帶廣告機制，而大部分的網站經營者都認為既然自己有辦法開發出一套有滿滿上架機制的網站，再做個廣告機制應該沒什麼大問題。

所以，從1999年到2008年左右，建置網站的模式大多是先建網站再建廣告機制，廣告機制的設計核心或原型不外乎是廣告上架、廣告管理、廣告排程、廣告報表等，遞送廣告的方式主要採用「隨機」（Random）遞送，根本無法掌握廣告的效益。

舉例來說，若某網站的首頁一天有100萬次瀏覽數，在該頁面上有5個廣告版位，每個廣告版位理當都能得到100萬次的播放數並被看到100萬次，所以網站通常是這麼算廣告價格的──100萬（單日瀏覽數）X5（版位數）=500萬。

但實務上五個版位的位置不同，解析度1280X1024的螢幕，打開瀏覽器，就只能看到三個廣告版位，另兩個版位會落在螢幕外而看不到，加上網頁載入是一次性全部載入，除非手動左右拉動頁面，否則落在螢幕外的版位就是會被忽視，「廣告點擊成效」一定會比較差。

不過，隨著網路技術愈來愈進步，網路廣告出現的模式也大不同，如Facebook的頁面會自動「刷新或重載」，所以統計頁面瀏覽次數的方式改為計算「每次頁面自動重新載入」的次數。

又如YouTube或KKBOX這類線上串流服務則是「頁面不刷新，但廣告會刷新」，廣告會自動輪替變換。由於畫面不動，頁面不會刷新，所以頁面瀏覽數只有一次，但因為網頁內容可吸引使用者停留較長時間，讓使用者眼球持續停留在該頁面，所以計算廣告瀏覽次數的方式就變成「N秒變換一次廣告」與「每個廣告呈現的頻率限制」。

「每個廣告呈現的頻率會因為受眾反應而不同。」

決定廣告呈現頻率的多寡，還是得看廣告主的出價與預算而定，尤其數位廣告已經轉為買受眾為主，如果同一個廣告在同一個廣告版位出現多次之後，還無法引起受眾點擊，此時該廣告是否適合再繼續出現於受眾眼前，變得很重要。每次廣告曝光都是對數位廣告系統獲利的計算依據，廣告曝光數過高，點擊數過低，則會令廣告主對於廣告產生無效的看法，因此每個廣告呈現的頻率，均會因應受眾反應而有所限制。

不管是哪種方式，都對廣告成果數據報表、Google Analytics的數據分析或其他第三方服務數據會產生相對影響。因為曝光量計算基準的不同，還有媒體是否願意面對廣告曝光量因受眾的行為而被減少，進而降低廣告可銷售的曝光量，至今還是充滿許多爭議。但2017年起，Google已針對那些沒被看到卻被提早載入的廣告，不計入廣告收費的範圍。同時，警告媒體不要用刻意的手段操作廣告曝光數，不然將會終止合作關係。

3.5.1廣告系統的三種形式

總括來說，廣告曝光量（Inventory）愈大，就能賣得愈多，才能拉高收入，換句話說，商品（即可銷售的數位廣告，包括版位、時段等）存量有多少就賣多少，存貨愈少，銷售量就愈少，銷售單位在意的是存貨量夠不夠賣，廣告主在乎的是買到的貨（如曝光量、能見度、點擊數等夠不夠，即廣告的效果）是好是壞，這就是為什麼有業者催生出DSP（Demand-Side Platform，需求端平台）服務，亦即從廣告主的需求端出發，提供其所需要的服務內容。

【廣告量定義】

如前所述，廣告有量才有得賣，質好才會價高，所以定義廣告的「量」很重要，胡亂定義可能會造成量多、質差、轉換效果差，導致廣告業務推展困難。

「真流量。」

過去，各大網站自建的廣告系統較像SSP（Supply-Side Platform，供給端平台），主做流量供給，忽略廣告主的實際需求。但買單的人是廣告主，廣告主要的是「買到對的廣告，廣告要能帶入效益，效益最好能轉換成具體的收入或回報」，所以對廣告主來說，有沒有流量很重要，更重要的是流量必須是有效的。

事實上，會上網瀏覽的有真人，也有機器人，講白了，就是流量有真假，有統計資料顯示約25～30%的流量是假的。假流量的來源不外乎是機器人爬資料、當跳板、做假量等，但大部分的廣告系統都無法分辨流量真假，通常必須與第三方合作才能分辨，但基於成本考量，大多數的網站擁有者並不願意投入。

「正常點擊。」

除了真假流量問題外，也要區分流量點擊狀態。每個網路使用者上網時都會分配到一個IP，不管是固定還是浮動的IP，只要該使用者對網站單一頁面反覆不停重新載入、或用多標籤重複開啟、或使用程式進入閱讀，就會影響「廣告量計算的最大值」。

3.5.2 什麼是無效的點擊

如果廣告主買到的廣告量是某些使用者針對特定頁面反覆重新載入，造成廣告曝光數不斷提升的假象，實際上，點擊一次都沒有發生，廣告主就會將該網站廣告列為無效，之後要再吸引廣告主上門會很困難。所以，廣告量定義除了必須區分真假流量，還要依照使用者行為去辨別流量正常與否。

「使用者的Cookie與瀏覽歷程。」

確認使用者是否為真實的自然人還有一個方法，就是透過讀取使用者儲存於瀏覽器裡的Cookie 或是Section。存取Cookie來做為計算基礎，俗稱Cookie Base。廣告平台須徵得使用者授權以讀取Cookie，及驗證該使用者的使用行為有沒有「非自然狀態」。另外，媒體也得允許數位廣告平台置放相關的Java追蹤碼，才能獲得用戶瀏覽時的Cookie。

每個網站在設計系統時，多多少少都會存些Cookie在使用者瀏覽器中，Cookie裡的資料很多、很雜，但主要是「使用者瀏覽網站的瀏覽歷程」，廣告平台將分析模型套用於這些資料中，以定義出使用者的輪廓，了解使用者的興趣、嗜好與閱讀模式。

大部分的Cookie都屬於「被動性主觀解讀」型的內容，並不會儲存個人隱私資料，但若綁定會員帳號，會員的性別、年齡、地址、收入、家庭、嗜好、個人介紹等可能依照授權程度可被不同網站取得。隨著各大網路平台的廣告資料交換愈頻繁，與Google、Facebook、Yahoo帳號登入後可取得的服務愈多，網路使用者的使用行為與使用脈絡就愈容易被形塑出來。

事實上，Google、Facebook、Yahoo推行ADS Exchange（網路廣告交易機制），就是為了清除掉無效廣告量，留下有意義又具有含金量的客戶資料，作為日後投放廣告時參考。這些資料被藏在各大DMP最深層的核心裡，很難取得，大多也不會釋出，這也是為什麼Google、Facebook都提供DSP了，一堆DSP業者還要額外花費重金做DMP的原因，只有將「最後關鍵」的操作行為掌握在自己手上，才能摸索出消費者的常態性消費意圖。

【將流量轉換為受眾才是廣告主想要的】

所有的廣告平台都不可能告訴廣告主：「嘿！這邊有一群流量轉換效果很好的使用者等你丟廣告喔！」因為DSP提供者無法預知廣告主的廣告訴求與廣告操作意圖，但是卻可以透過前文提到之區隔流量的方式，將流量變成各式、各樣、各類型的「受眾」。當流量被轉換為受眾，讓「適當的廣告接觸到」含金量高的使用者，而不再只是單純的曝光時，廣告就變得有價值了！

誠如前面所說，DSP業者怎麼可能預知廣告主的意圖是什麼，非得等廣告主開始操作廣告、設定分眾、投放廣告時，DSP業者才能知道廣告主的廣告意圖與「哪一群的分眾直接相關」，才能辨別該廣告對哪些受眾有效、哪些沒效，並統計出使用者在點擊廣告之後的轉換行為，找出有效設定分眾以獲得較佳轉換率的規則，這就是DSP提供者必須滿足的「需求」。

因此，除了想辦法獲得受眾的資料，DSP業者靠著廣告主操作廣告系統的歷程與脈絡，也可以分析出廣告投放的意圖，從廣告主身上學習廣告投放的商業邏輯，進而將這些商業邏輯用在其他廣告主身上。而目前在運用這類技術最為成熟的，莫屬程序化自動購買（Programmatic Buy）較多。

【出價高者擁有優先權】

廣告操作投到有效的族群，我投別人也會投。廣告系統中龐大巨量的廣告主，同時投放同一群人時，就只能比誰出價高，出價高者就擁有較高優先權，這就是RTB（Real Time Bidding，即時競價）管理的核心原則。為了滿足廣告主感覺投放的廣告有達到「適當」成效，DSP系統必須經過反覆交錯的不斷運算，並在運算過程中適時建議廣告主「出價策略」。

舉例來說，廣告主（廠商Ａ）針對15歲的使用者族群投放廣告，播放一千次廣告帶來十次點擊，點擊率是0.01％。再針對20歲族群播放1000次廣告，卻帶來50次點擊，點擊率提高為0.05％。該廣告主發現原來二十歲族群才是目標受眾，所以加大預算強化二十歲族群的播放量。不過，其他同業（廠商B）也可能發現這種狀況，甚至找出更多有效的族群，於是彼此開始競購廣告。

DSP系統若只看數字提供相應廣告量的話，很可能發生廠商B預算少但出價高，廠商A預算高但出價低，所以系統幫廠商B安排較高的播放量，而廠商A的廣告轉換成效好，廣告量卻被降低，反而喪失廣告量，以致廣告成效無明顯成長；廠商B雖獲得相應的廣告量，可是因為原本轉換率就普通，即使獲得廣告量，表現還是普通；且因為廣告表現不佳，一陣子之後，廠商A就會自動降低廣告預算與出價。

為避免這種狀況發生，DSP系統得根據前文提到的「廣告量定義」，回歸到廣告播送序列，即時平衡廠商A與廠商B的關係，設定受眾的重複性比例。

3.5.3廣告量定義

廣告量定義

簡單的說，每個DSP提供者都有自己的競價機制與演算法，提供廣告主適當的出價建議。如上例，即便A、B廠商的預算、出價、走期與受眾都一樣，但廣告素材、到達頁面帶來的轉換成效肯定都不同，假設A的轉換成效好，B不好，若提供雙方同樣的出價建議，A一樣成效好，系統就會讓A獲得較多播放量，B則一樣不好。

所以系統會依照AB的實際廣告執行狀況，自動配置適合雙方的廣告排成，讓A依然保有良好成效，B則獲得一組播放量、點擊量皆尚可，但轉換不一定提高太多，實際的廣告花費沒有增加的選項。實務上，廣告系統無法真正做到完全的公平，但站在廣告系統的角色，能盡量賺到AB的廣告預算，才是優先考量的重點。

不過按照上面的廣告排程，實際做下去還是會有盲點。系統建議時，建議的是過去依照歷程得出之演算基礎，無法預知未來。所謂無法預知未來也就是不知道下一個同樣的廣告主C何時會進來。因此，廣告量的分配、配置，怎麼能夠妥善提供給廣告主就變得更複雜。

複雜的地方在於不清楚廣告主何時會進來競賽，假設我們為了留下AB廣告主都可以持續投放廣告，而A設定的廣告播放量是1,000,000，B設定的廣告播放量是500,000，可是廣告量一天的總量是8,000,000，那這時候沒有更多競爭者出現的狀況下，系統會採取「自動補足接近平衡」的方案。

意思就是AB廣告主加起來雖然只有1,500,000，但廣告系統為了要讓廣告主覺得物超所值，剩餘的廣告量沒人買也是浪費，因此自動將其廣告量補給AB兩位廣告主。這時，補廣告量就有補廣告量的邏輯，補的方式又是一套很複雜的演算法，因為這又得涉及排定之後的競賽狀況是不是能符合原先預期。

「用不完的剩餘流量會分給其它DSP。」

A、B看到的報表會是一如他們先前所設定的播放量，但實際真正的播放量也許遠遠大於他們本身看到的數字，好比A會是5,000,000，B則為3,000,000。補流量有一個很重要的重點，也就是補流量後的演算必須是一套獨立的運算模型，不能作為主要影響原始演算法的絕對因素，不然就會造成原始演算法的配置失準。

失準的理由很多，但是跟時間還有其他混亂因素有關，不在原先既有的廣告配置計畫裡。另外就是，剩餘的流量有的DSP會拿來接其他DSP的廣告。例如AB只買到1,500,000的量，那剩餘6,500,000量沒人買就放著浪費嗎？肯定不會，則是會將這些流量分給其他DSP，接受播放他們的廣告進廣告系統之中，而這時，就得看DSP串接AD Exchange的狀態而定。

廣告曝光量在數位廣告的世界之中，是廣告銷售的重心。不論受眾有多少人、或又是誰，廣告曝光決定了受眾能否接觸到的關鍵。為此，整個數位廣告生態係，常有DSP串接DSP，或是DSP串接AD Exchange的狀況，甚至是DSP與SSP整合在一起，然後單串特定媒體等。只要能獲得較大的廣告曝光量，自然也能分析找出受眾，畢竟，受眾就是來自於每次進入網站的訪客，訪客到訪該頁面時，所帶來的瀏覽量某種程度也能解釋為廣告可能曝光量。