• RTA 是什么？

RTA 即Realtime API的簡稱，用于滿足廣告主實時個性化的投放需求。RTA 將直投的廣告主的流量選擇權交給廣告主，通常在定向環節中將用戶身份的識別的請求發送給廣告主，進行用戶的篩選，讓廣告主在廣告曝光前進行投放策略的判斷，滿足“拉新”“拉活”等個性化需求。RTA 本質來說，是解決廣告系統平臺無法實時個性化定向的一個需求。

RTA 是一種實時的廣告程序接口，通過發揮媒體與廣告主雙方的數據、模型能力，實現實時的廣告優選；RTA 是一種接口技術，更是一種策略導向的投放能力。

• 為什么會有RTA？

為什么會有RTA？我們必須要從需求場景進行入手。任何脫離需求場景而討論技術方案的行為都是耍流氓。首先將結論同步下，RTA的產生這里很大的一部分原因主要是廣告平臺側數據的缺失而無法解決實時的定向而導致的。比如有這么一個廣告主，他希望針對已安裝不活躍的用戶進行拉活，但是絕大部分的廣告平臺（排除廠商擁有系統權限之外）都只知道應用是否安裝的狀態，但是并無法知道應用到底有沒有活躍，并且活躍用戶到底怎么定義的也是只有廣告主才能明確，比如有些定義為一周內曾打開過APP且使用了某個功能的才能叫活躍，那么這個數據就只有廣告主有，廣告平臺是無法提供這樣的一種定向的。如果直接使用廣告平臺的投放能力進行投放定向，是無法滿足這樣的一種需求的，而使用上傳人群包，又無法解決實時用戶數據更新的問題（也有些廣告主不想將人群包信息同步到廣告平臺）。所以必須要以實時接口響應的方式進行定向或者出價。這樣RTA就產生了。

• RTA解決的是怎樣的一種需求場景？

RTA解決的是個性化定向的問題，擁有實時化以及數據安全這些特點。解決的是以下幾個個場景的問題：

一、 廣告主具備一方數據，但是投放的目標人群實時變動，通過平臺的定向標簽能力無法實現精準定向又或者通過用戶包無法實現實時定向更新的這樣的一種情況，需要結合雙方的數據能力共同提升廣告主投放效果的廣告主。所以這里必須要求廣告主有一定的用戶甄別和篩選能力。

二、 出于數據安全或者價值的考慮，不愿意將轉化數據回傳給廣告平臺的廣告主。比如金融公司投放金融廣告的時候，需要將無效征信的用戶去除，但是由于無效征信的屬于高度敏感的數據，廣告平臺其實是沒有這個數據的，金融廣告公司出于數據安全的考慮，無法將數據傳到廣告平臺上。所以金融公司投放廣告的時候需要經過RTA進行用戶的進一步的篩選。（當然，其實廣告平臺在RTA對接過程中是可以獲取到這些數據的）

三、 個性化買量需求的廣告主。針對不同的用戶選擇不同的投放策略和方案的廣告主。比如，不同的公司的增長團隊，對于純新增用戶，安裝卸載，安裝不活躍用戶有不同的投放策略。很多精細化的數據邏輯只有廣告主有，這個時候可以通過RTA進行廣告的投放。（有深入思考的同學可能想到，這塊不就跟RTB 很相似了嗎？兩者之間有什么區別呢？下面我嘗試進行我的解讀）

• RTA 與RTB 有什么區別？

在了解這兩個問題前，有兩個知識點我們需要重溫一下的。

一． 廣告投放的來源主要有兩種渠道：一是通過廣告平臺直接投放的廣告，通常叫直投廣告或者自營廣告，叫法很多但是意思一樣，整體廣告流程的點擊率預估和轉化率預估以及由此預估計算得到的ECPM競價排序都由廣告系統統一完成。另外一個是RTB，即Realtime Bidding，實時競價。RTB廣告以CPM進行結算，廣告主針對每一次的廣告請求按ECPM出價，整體的廣告價值的計算由廣告主需求端平臺（DSP）完成。RTB將屬于廣告系統對點擊率以及轉化率的預估轉移到了廣告主的DSP端進行。在一個純RTB的廣告競價系統中（ADX），技術難度則大部分轉移到了廣告主的DSP平臺上。

RTB圖片來自百度百科

二． 計算廣告很重要的一點是可以針對不同的用戶受眾呈現不同的廣告和創意！本質上就是個性化廣告。而個性化廣告的關鍵點在于點擊率、轉化率的數值的預估，通過這些轉化率的預估結合廣告主的出價來得到預估的ECPM進行競價的排序。所以，從廣告系統的角度來看，點擊率，轉化率等預估數值是否精準直接關系到廣告系統對于廣告是否轉化判斷的準確度，關乎到流量的價值以及廣告主的ROI。而點擊率和轉化率的預估，主要涉及到三個主要特征，分別是A-即廣告Ad的各類特征，U-即用戶User特征，C-即媒體和上線文Context特征。A-Ad廣告的數據通常包括廣告的行業，類別，轉化目標，創意素材等，這部分的特征在廣告主和廣告平臺都有。C-Context 涉及的主要是媒體及其所處的上下文環境，毫無疑問，這部分的數據當然是媒體所處的廣告平臺的數據要更加的詳盡和精準了。而U-User用戶數據，廣告平臺和廣告主都擁有不同程度的用戶數據特征。本質上來說，廣告主擁有更多的用戶數據。當然隨著OCPX轉化模型的普及，廣告平臺擁有越來越多的廣告主后端的用戶數據，所以廣告平臺的能力越來越強。但是依然有不少的用戶數據掌握在廣告主的手上。比如用戶的活躍率，用戶的付費數據，電商APP用戶的瀏覽行為和購買行為等。這些數據的缺失會導致“直投”廣告系統對一些特定場景的廣告點擊率、轉化率的預估出現偏差。所以針對某些場景，比如廣告重定向（retargeting），通常會使用RTB。

了解到以上兩個背景信息之后，我們可以得到RTA與RTB的區別：

1. RTA 主要是針對直投廣告，解決的是直投廣告系統中無法滿足廣告主個性化定向的一個實時API，廣告的基礎定向和出價以及競價ECPM的預估都在廣告平臺上進行。RTB則通過ADX對接廣告主的DSP平臺，DSP對于廣告整體價值進行預估并返回ECPM進行競價。RTB模型，廣告主的DSP平臺完成廣告價值預估的整套系統能力。

2. RTA當前主要用途是一種定向能力，實現人群篩選個性化，流量優選實時化。而RTB則是網絡廣告行業流量的一種購買模式，是一種根據不同廣告的請求實時競價的一個流量采買模式，兩者有明顯的區別，RTB在功能能力上其實是已包含RTA的實時個性化定向的能力的。

• RTA 如何優化？

RTA當前主要是一種定向的能力，針對一些大型的媒體廣告平臺，比如騰訊，頭條或者百度的流量，每次都對廣告主進行RTA請求的話勢必會導致廣告主服務器QPS的量很大，壓力很有可能扛不住。那么，這個時候可以進行緩存的優化處理，即對廣告主已經進行“識別”或者“標記”的用戶進行緩存或者記錄，下次無需再請求。隨著數據量級積累越來越多，其實廣告平臺其實就能掌握更多的廣告主用戶側的數據特征，從而減少RTA的次數。同時這個數據的積累對于廣告平臺的好處也是顯而易見的。

• RTA和RTB 帶來怎樣的廣告優化思考？

我的思考是，讓廣告主與廣告系統平臺將各自的優勢都能發揮出來。

廣告優化，從分工上可以從三個方面著手。一是用戶價值的判斷和識別；二是用戶對廣告的轉化率的預估（CTR/CVR）；三是廣告素材的制作和優化；

用戶價值的判斷主要還是在廣告主手上，比如一個付費用戶值多少錢，一個電商成單的用戶多少錢ROI才可以不虧等，而用戶的識別，普通常規的用戶定向廣告平臺可以解決，個性化的定向需要結合RTA了。用戶對廣告的轉化率預估，從整體來看，廣告系統平臺的預估能力比單個廣告主要準確，尤其是大型的廣告平臺擁有媒體側豐富的用戶行為數據以及匯總了各個不同行業不同廣告主的轉化行為數據來說，廣告轉化率的預估能力比一般的廣告主DSP要強很多。而針對廣告素材的制作和優化，當前主要還是在廣告主身上，因為廣告的目標用戶是什么，廣告的核心賣點是什么主要還是廣告主更清楚。

從用戶對廣告的轉化率的預估能力來說，RTB的模式將廣告的整體價值的預估交給DSP來進行，對DSP平臺的預估能力要求是比較高的，且預估的轉化率也沒有廣告平臺做得好。因此這部分能力其實可以交給廣告平臺來做。

因此，RTA的優化，可以從當前主要是定向的能力擴展到實時“個性化的[定向+出價]”的能力。這里的出價，僅僅是對于廣告目標結果的一個出價，不是ECPM出價，比如針對付費用戶要出多少錢一個付費，針對不同活躍用戶的拉活的行為出不同的價格等等。這樣，個性化的定向 + 個性化的出價，主要責任方在廣告主，而廣告主也比較擅長這塊的能力。而針對轉化率的預估，廣告系統平臺的能力要更強，通過結合廣告主給出的目標結果價格 * 預估的點擊率（PCTR）*預估的轉化率（PCVR），就可以比較準確的計算出這次曝光的ECPM。這樣的廣告主和廣告平臺雙方發揮所長，從而使得雙方效率最大化。

總結

以上是生活随笔為你收集整理的RTA 广告产品能力详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。