《程式化廣告實戰》是2017年出版的圖書，作者是吳俊
基本介紹
- 書名：程式化廣告實戰
- 又名：程式化廣告
- 作者：吳俊
- 譯者：吳俊
- ISBN：978-7-111-57643-3
- 類別：電子商務
- 定價：79
- 出版社：機械工業出版社
- 出版時間：2017年8月
- 開本：16
內容簡介,作品目錄,作者簡介,
內容簡介
本書由淺至深，專注於剖析“程式化廣告實戰”業務，講解了程式化廣告的原理，並分析了產業上下游的發展趨勢；重點從業務角度講解各種技術手段、廣告交易模式，以及程式化手段運用的場景和原因。目的是通過深度實戰性的剖析讓讀完本書的同學能知其然，更知其所以然。本書素材來源於作者這5年來的經歷，以及同廣告主、代理公司、媒體、DSP同學推動實際業務時被大家經常諮詢的問題點，同時融合了作者近20年的技術經驗。為了讓讀者深刻理解這些內容，本書對問題的剖析均從基礎到業務再到技術層面展開。
作品目錄
推薦
前言
第1章 程式化廣告的前世今生
1.1 常見的廣告形式及業態002
1.1.1 常見的網路廣告形式002
1.1.2 結算方式015
1.1.3 廣告行業上下游大體分布015
1.2 程式化廣告的概念及發展歷程017
1.2.1 程式化廣告的定義017
1.2.2 程式化廣告出現的主要動因017
1.2.3 程式化廣告的發展歷程及模式019
1.3 業內主要玩家028
第2章 程式化廣告基礎
2.1 IAB關於程式化的定義及接口規範034
2.1.1 程式化廣告4種典型模式035
2.1.2 接口規範038
2.2 程式化購買/投放的關鍵特徵045
2.2.1 流量按優先權管理045
2.2.2 交易管理046
2.2.3 賣方訴求049
2.2.4 目標人群投放050
2.3 流量賣方同買方常見技術對接模式055
2.3.1 PC/移動Web媒體055
2.3.1 移動App媒體056
2.3.2 視頻057
第3章 程式化廣告中的大數據基礎
3.1 人的唯一性標識068
3.1.1 人唯一性標識的方式068
3.1.2 PC端識別技術070
3.1.3 移動端識別技術076
3.1.4 跨屏識別方法與挑戰097
3.2 客群數據及來源097
3.2.1 線上數據、線下數據098
3.2.2 線下VS線上的行為數據特點099
3.2.3 數據的來源100
3.3 大數據管理平台101
3.3.1 DMP價值意義101
3.3.2 大數據管理處理流程105
3.3.3 DMP系統的層次及架構107
第4章 監測注意要點
4.1 視頻廣告投放TA濃度KPI注意事項111
4.2 廣告可見性 IAB規範116
4.2.1 定義116
4.2.2 測量方法116
4.2.3 影響因素118
4.2.4 注意事項119
4.3 品牌安全119
4.3.1 推動力動因119
4.3.2 常見模式120
4.3.3 機制及現狀121
4.4 程式化廣告中監測GAP注意事項122
4.4.1 地域GAP122
4.4.2 結算方式的坑125
4.4.3 PDB中的損耗問題126
4.4.4 移動App端Banner投放的坑126
4.5 市面上供應商簡單分析128
第5章 移動廣告的關鍵知識
5.1 移動端特有的一些問題130
5.2 Deep Link & Universal Link132
5.2.1 什麼是Deep Link132
5.2.2 App沒安裝怎么辦132
5.2.3 Universal Link133
5.3 移動端MRAID 富媒體技術136
5.3.1 什麼是MRAID136
5.3.2 MRAID協定簡介137
5.4 移動端原生廣告143
第6章 廣告交易平台ADX要點
6.1 什麼是RTB147
6.1.1 競價整體流程148
6.1.2 成交價的相關規則149
6.2 市面上常見的ADX151
6.3 DSP對接ADX流程155
6.4 ADX創意渲染機制注意事項159
6.5 ADX系統基礎操作功能介紹160
6.5.1 ADX中SSP賣方基礎操作功能介紹161
6.5.2 ADX中DSP買方自助基礎操作功能介紹165
6.6 ADX競價及流量使用效率相關指標169
第7章 程式化買方DSP要點
7.1 國內DSP典型模式介紹176
7.2 DSP主要最佳化手段及原理177
7.2.1 轉化漏斗178
7.2.2 主要考核指標180
7.2.3 主要最佳化要點183
7.2.4 常見的定向及最佳化設定191
7.2.5 人工智慧、機器學習194
7.3 DSP投放流程及注意事項201
7.3.1 投放前積極準備201
7.3.2 投放中有節奏地最佳化205
7.3.3 DSP投放實戰示例206
7.4 DSP系統技術架構參考210
第8章 程式化廣告高級模式PDB要點
8.1 PDB廣告處理流程218
8.2 PDB主要最佳化KPI及注意事項219
8.3 PDB執行流程221
8.3.1 單Campaign視頻PDB222
8.3.2 多Campaign的PDB232
8.3.3 PDB+RTB模式238
8.4 PDB業務特點242
8.4.1 媒體方的擔心及阻力242
8.4.2 PDB對預算傾斜的影響不大244
8.4.3 PDB業務門檻較高245
第9章 DMP實戰案例
9.1 常見DMP盤點248
9.1.1 常見的第三方數據248
9.1.2 常見的DMP系統服務提供商249
9.2 基本功能及數據樣本學習核心流程250
9.2.1 基本功能250
9.2.2 樣本訓練及回歸驗證核心流程251
9.3 DMP系統案例264
9.3.1 Trading Desk & DMP & PDB(PMP)案例264
9.3.2 線下DMP系統案例267
9.3.3 專有線下DMP+DSP實戰案例270
9.4 DMP系統技術架構272
9.4.1 套用架構272
9.4.2 數據架構274
9.4.3 技術架構275
第10章 行業發展趨勢預測及分析
10.1 DSP行業發展及趨勢預測277
10.2 ADX的發展趨勢及策略282
10.3 從業者職業規劃策略286
附錄 常用詞及縮寫
第1章 程式化廣告的前世今生
1.1 常見的廣告形式及業態002
1.1.1 常見的網路廣告形式002
1.1.2 結算方式015
1.1.3 廣告行業上下游大體分布015
1.2 程式化廣告的概念及發展歷程017
1.2.1 程式化廣告的定義017
1.2.2 程式化廣告出現的主要動因017
1.2.3 程式化廣告的發展歷程及模式019
1.3 業內主要玩家028
第2章 程式化廣告基礎
2.1 IAB關於程式化的定義及接口規範034
2.1.1 程式化廣告4種典型模式035
2.1.2 接口規範038
2.2 程式化購買/投放的關鍵特徵045
2.2.1 流量按優先權管理045
2.2.2 交易管理046
2.2.3 賣方訴求049
2.2.4 目標人群投放050
2.3 流量賣方同買方常見技術對接模式055
2.3.1 PC/移動Web媒體055
2.3.1 移動App媒體056
2.3.2 視頻057
第3章 程式化廣告中的大數據基礎
3.1 人的唯一性標識068
3.1.1 人唯一性標識的方式068
3.1.2 PC端識別技術070
3.1.3 移動端識別技術076
3.1.4 跨屏識別方法與挑戰097
3.2 客群數據及來源097
3.2.1 線上數據、線下數據098
3.2.2 線下VS線上的行為數據特點099
3.2.3 數據的來源100
3.3 大數據管理平台101
3.3.1 DMP價值意義101
3.3.2 大數據管理處理流程105
3.3.3 DMP系統的層次及架構107
第4章 監測注意要點
4.1 視頻廣告投放TA濃度KPI注意事項111
4.2 廣告可見性 IAB規範116
4.2.1 定義116
4.2.2 測量方法116
4.2.3 影響因素118
4.2.4 注意事項119
4.3 品牌安全119
4.3.1 推動力動因119
4.3.2 常見模式120
4.3.3 機制及現狀121
4.4 程式化廣告中監測GAP注意事項122
4.4.1 地域GAP122
4.4.2 結算方式的坑125
4.4.3 PDB中的損耗問題126
4.4.4 移動App端Banner投放的坑126
4.5 市面上供應商簡單分析128
第5章 移動廣告的關鍵知識
5.1 移動端特有的一些問題130
5.2 Deep Link & Universal Link132
5.2.1 什麼是Deep Link132
5.2.2 App沒安裝怎么辦132
5.2.3 Universal Link133
5.3 移動端MRAID 富媒體技術136
5.3.1 什麼是MRAID136
5.3.2 MRAID協定簡介137
5.4 移動端原生廣告143
第6章 廣告交易平台ADX要點
6.1 什麼是RTB147
6.1.1 競價整體流程148
6.1.2 成交價的相關規則149
6.2 市面上常見的ADX151
6.3 DSP對接ADX流程155
6.4 ADX創意渲染機制注意事項159
6.5 ADX系統基礎操作功能介紹160
6.5.1 ADX中SSP賣方基礎操作功能介紹161
6.5.2 ADX中DSP買方自助基礎操作功能介紹165
6.6 ADX競價及流量使用效率相關指標169
第7章 程式化買方DSP要點
7.1 國內DSP典型模式介紹176
7.2 DSP主要最佳化手段及原理177
7.2.1 轉化漏斗178
7.2.2 主要考核指標180
7.2.3 主要最佳化要點183
7.2.4 常見的定向及最佳化設定191
7.2.5 人工智慧、機器學習194
7.3 DSP投放流程及注意事項201
7.3.1 投放前積極準備201
7.3.2 投放中有節奏地最佳化205
7.3.3 DSP投放實戰示例206
7.4 DSP系統技術架構參考210
第8章 程式化廣告高級模式PDB要點
8.1 PDB廣告處理流程218
8.2 PDB主要最佳化KPI及注意事項219
8.3 PDB執行流程221
8.3.1 單Campaign視頻PDB222
8.3.2 多Campaign的PDB232
8.3.3 PDB+RTB模式238
8.4 PDB業務特點242
8.4.1 媒體方的擔心及阻力242
8.4.2 PDB對預算傾斜的影響不大244
8.4.3 PDB業務門檻較高245
第9章 DMP實戰案例
9.1 常見DMP盤點248
9.1.1 常見的第三方數據248
9.1.2 常見的DMP系統服務提供商249
9.2 基本功能及數據樣本學習核心流程250
9.2.1 基本功能250
9.2.2 樣本訓練及回歸驗證核心流程251
9.3 DMP系統案例264
9.3.1 Trading Desk & DMP & PDB(PMP)案例264
9.3.2 線下DMP系統案例267
9.3.3 專有線下DMP+DSP實戰案例270
9.4 DMP系統技術架構272
9.4.1 套用架構272
9.4.2 數據架構274
9.4.3 技術架構275
第10章 行業發展趨勢預測及分析
10.1 DSP行業發展及趨勢預測277
10.2 ADX的發展趨勢及策略282
10.3 從業者職業規劃策略286
附錄 常用詞及縮寫
作者簡介
吳俊中國廣告PDB（Programmatic Direct Buy ，私有程式化購買）推動落實第一人。前掌慧縱盈產品VP，專注於打造線下數據線上打通的行銷解決方案，推動數字行銷新升級。
原品友互動負責PDB/移動/流量的產品總監，擁有近20年IT/網際網路行業從業經驗和超過5年的程式化廣告工作經驗。2014年負責推動並落實了中國首個大型PDB廣告投放項目（2014中國國際廣告節“長城獎”金獎“上海通用汽車私有程式化廣告投放”案例），通過PDB幫助廣告主管理了數億廣告預算投放。
原品友互動負責PDB/移動/流量的產品總監，擁有近20年IT/網際網路行業從業經驗和超過5年的程式化廣告工作經驗。2014年負責推動並落實了中國首個大型PDB廣告投放項目（2014中國國際廣告節“長城獎”金獎“上海通用汽車私有程式化廣告投放”案例），通過PDB幫助廣告主管理了數億廣告預算投放。
