前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >聊聊Real Time API(RTA)

聊聊Real Time API(RTA)

作者头像
GA小站
发布2020-11-06 14:52:22
5.2K0
发布2020-11-06 14:52:22
举报
文章被收录于专栏:GA小站GA小站

什么是RTA

RTA 的全称Real Time API,叫实时接口,是结合直投和程序化投放的基础上增加的一种实时的广告程序接口,实现广告优选和实时的个性化定向要求,最终提升广告投放效果。

其实就是在直投和程序化基础上增加一个面向广告主的API接口,让广告主去判断是否投放。

用户不需要上传数据到投放平台就能实现实时定向,RTA将流量的选择权交给广告主,在广告投放过程中,媒体主为广告主筛选出合适的流量并将流量的必要信息同步给广告主,广告主在接收到流量请求后会结合自身的企业自有数据与实际需求判断用户价值并决定是否参与竞价,然后将决定反馈给投放平台,投放平台在根据广告设置的策略去出价竞价,如果竞得就展示广告,整个过程都是实时的,实现了实时的个性化定向。

出现的原因

想要更好的利用广告主的数据,但广告主又有数据安全上的担忧。

如现有的模式就是广告主通过Marketing API上传人群包,如ID列表用于定向,但这些数据上传给投放平台,首先这种方式不能实现实时的效果,其次是广告主会担忧会被挪作它用,有数据安全上的担忧,特别是金融领域的广告主,为了消除广告主的这种担忧,所以出现了RTA,广告主可以不上传数据,RTA将竞价的决定权交给了广告主。

RTA的优缺点

优点

  • 广告主可以借助自身或第三方的数据更好的实现人群的优选
  • 广告主在传统直投时,由于数据安全、技术条件等的掣肘,不愿上传安装、注册、付费等更深层的后端人群数据到媒体平台,导致投放效果不佳。

缺点

  • 广告主需要具备定向能力(IT技术能力、算法能力)
  • 程序化上对时间的要求,由于RTA产品的

与RTB的关系

RTA跟RTB没关系,只是缩写类似,让人误以为是相关,其实两者是独立的,不管是不是RTB,都可以用RTA。

分类

前面已经讲过RTA与RTB无关,所以不管直投还是RTB都可以使用RTA,这个模式非常简单的。

直投

原来的流程:

有RTA后的流程:

可以看一下华为 Ads RTA详细流程图:

广告平台收到媒体请求后,除了引擎本身的各项过滤和排序逻辑,还会实时的请求、接收 广告主对“是否目标用户”的反馈结果。如是广告主的目标用户,则继续走排序、竞价流程;如不 是广告主的目标用户,则从广告队列内删除。

广告平台这里有个判断,就是广告主是否有开通RTA服务器,而广告主需要接收广告平台的请求,肯定要有个接口,对QPS肯定有要求的,如5W/s或15W/s,广告主的服务器放哪里取决于广告平台的RTA接口机布署在哪里,之后就是广告主自己怎么去建模,判断了。

程序化广告

原有的流程:

有了RTA后:

谁适合用?

RTA适合对数据安全要求高和具备一定技术能力的广告主。

  • 数据,具备高价值的数据,广告主需要拥有高价值的数据,基本就是第一方数据的,但由于安全因素不适合上传到广告平台
  • 具备技术,RTA会向广告主发送海量的请求,广告主需要一定的技术能力去承载这些流量,同时还需要较高的数据处理能力,如程序化对竞价信息的返回是有时间要求的。腾讯的RTA在初期的时候也面临着客户技术能力不足而用不了的尴尬局面,不仅为广告主建立缓存系统还提供定制的解决方案。

这两个条件的交集,最符合要求的就是对数据安全有着极高要求的金融行业,如银行、证券、保险……当然其他一些大型的广告主也是适用的。

已经推出的产品

穿山甲的:

腾讯广告RTA:

腾讯目前是研究比较前沿的,目前在研究联邦学习和RTA的结合。

参考

  • https://tencentads.com/Special/Detail/bb53aa27-870
  • HUAWEI Ads RTA接口说明.

更多关于RTA的资料可以关注公众号“GA小站”,回复“书”即可获取,在文件夹“广告技术和行业资料”里的“RTA:Teal Time API”里

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-10-28,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 GA小站 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 什么是RTA
  • 出现的原因
  • RTA的优缺点
    • 优点
      • 缺点
      • 与RTB的关系
      • 分类
        • 直投
          • 程序化广告
          • 谁适合用?
          • 已经推出的产品
          • 参考
          相关产品与服务
          联邦学习
          联邦学习(Federated Learning,FELE)是一种打破数据孤岛、释放 AI 应用潜能的分布式机器学习技术,能够让联邦学习各参与方在不披露底层数据和底层数据加密(混淆)形态的前提下,通过交换加密的机器学习中间结果实现联合建模。该产品兼顾AI应用与隐私保护,开放合作,协同性高,充分释放大数据生产力,广泛适用于金融、消费互联网等行业的业务创新场景。
          领券
          问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档