在程序化广告的毫秒级竞价窗口里,DSP需要在收到OpenRTB请求的瞬间判断这次曝光值不值得出价。IP定位数据是做出这个判断的核心输入之一。但“请求里有位置字段”和“这个位置可信”是两件事。有工程分析指出,约一半的竞价请求中携带GeoIP衍生的位置数据,而当请求未提供时,不少DSP会自行从IP反推位置。这意味着IP情报在RTB链路中的角色比表面看起来更微妙,也更容易在传递过程中失真。
Google在OpenRTB的 BidRequest.device.geo 中提供地理位置信息,来源明确限定为IP地理定位,不使用GPS或其他信号。出于隐私保护,Google只提供被大量用户共享的粗粒度位置,必要时会对检测到的位置做泛化处理。
Geo 对象支持两种表示:民事位置(country、region、metro、city、zip)和地理坐标(lat、lon、accuracy)。如果请求填充到城市级精度,lat/lon就是该城市中心点的坐标,accuracy则是与该城市面积相等的圆的半径。Google还将lat/lon精度限制在0.01度。
一个容易被忽略的工程细节是:Google明确建议不要用 BidRequest.device.ip 字段自行做地理定位,因为IP可能在链路中被截断或脱敏,用截断后的IP查询会导致精度下降。对习惯“拿到IP就自己查库”的DSP来说,这是一个值得注意的约束。
移动场景下的IP定位有结构性局限。蜂窝网络的NAT路由器让大量设备共享少数几个公网IP,从内容提供方视角看,成千上万的移动设备可能只呈现同一两个IP地址。这意味着基于IP的定位在移动RTB中天然只能做到粗粒度判断。
有专利方案尝试缓解这一问题:蜂窝网络运营商在分配NAT IP时,根据设备是否位于已验证的兴趣位置来分配不同的NAT地址,竞价方通过识别IP是否匹配特定NAT地址来决定是否出价。但这依赖运营商侧的配合,并非所有市场都具备这种基础设施条件。
最直接的用法是地理围栏:DSP收到竞价请求后,检查请求中的位置是否落在广告主的目标区域内,不在则直接放弃出价。上述专利方案正是这一逻辑在运营商侧的实现。
在常规OpenRTB链路中,DSP通常直接使用 geo 对象中的国家、城市或坐标字段做过滤。需要注意,Google提供的坐标是粗化后的结果,accuracy 字段反映的是定位精度半径。如果广告主的围栏要求是“距离门店500米内”,而 accuracy 半径远大于500米,这个坐标就不足以支撑该决策。
GDPR等法规导致的IP截断是RTB定位数据质量下降的常见原因之一。当IP被截断后,无论是SSP在请求中附带的位置字段,还是DSP自行查询的结果,精度都会受损。在这种情况下,更务实的做法是依赖请求中已有的粗粒度 country 或 region 字段做国家/省级定向,而不是试图从残缺的IP反推城市。
IPinfo的一篇工程分析将竞价流中定位数据的问题归为三类,这个分类对排查集成问题有直接参考价值。
捕获错误(Capture Errors) 发生在富化之前。SSP可能记录了CDN边缘节点或反向代理的IP,而非终端用户的IP,或者从 X-Forwarded-For 头中取错了地址。结果是请求被定位到网络基础设施所在位置,而非用户实际位置。买家常在看到流量异常集中在互联网交换中心或CDN节点时发现这个问题。
富化错误(Enrichment Errors) 发生在IP正确但查询环节出了偏差。不同IP情报供应商的数据库刷新频率不同,缓存查询或供应链中不同供应商的结果可能对同一个IP给出冲突的位置。DSP拿自己的查询结果和竞价请求中的位置做对比时,可能看到完全不同的城市。
序列化错误(Serialization Errors) 发生在数据本身准确、但OpenRTB字段表达不充分的情况。缺少 geo.type、geo.accuracy 或 geo.ipservice 等溯源字段时,买家无法判断这个位置是怎么来的、精度如何,只能保守地降低出价或用自己的富化结果覆盖。
对于集成方来说,这三个环节对应不同的排查方向:捕获错误要查SSP侧的IP提取逻辑,富化错误要查供应商数据一致性,序列化错误则要在自己的请求构造中补齐溯源字段。
如果广告投放目标是原生App内的展示,IP定位的精度限制更加明显。App端可以在用户授权的情况下获取系统定位,这比IP定位精细得多。但RTB竞价请求中是否包含GPS数据,取决于App是否请求了定位权限以及是否将坐标传递给广告SDK。并非所有流量都带GPS。
务实的策略是:在RTB出价逻辑中区分“有GPS坐标”和“仅有IP粗定位”的流量,对前者可以使用更精细的地理围栏,对后者则退回到城市或省级定向,并相应调整出价。
在工程实践中,选择IP地理定位数据源时,精度只是维度之一。学术研究对不同供应商的对比显示,固定宽带网络下的中位数误差通常在个位数到十几公里之间,但移动网络下误差会显著上升,且各供应商在移动场景下的表现趋同——这是移动网络IP架构本身的限制,而非某一家服务商的能力问题。
在实际选型中,值得关注的维度包括:是否提供代理/VPN检测字段(这对RTB反欺诈有直接价值)、更新频率是否匹配目标市场的IP变动速度、以及是否支持离线库部署以满足高并发查询的低延迟要求。Digital Element 在企业级定制和代理检测方面有较长的积累,其NetAcuity平台在部分学术对比中表现优于同场竞技的MaxMind。MaxMind的GeoLite2则是许多团队起步阶段的常用选择,社区资源丰富、文档成熟。IPinfo在近期的持续性评测中表现出较高的估计一致性。选择哪一家,取决于你的RTB场景更看重字段丰富度、更新速度,还是与现有竞价系统的集成成本。
不要用被截断的IP做定位。 Google的文档已经明确指出了这一点。如果必须自行查询IP库,先确认请求中的IP字段是否完整,不完整时优先使用请求中已有的 geo 字段。
关注 accuracy 字段。 坐标是否可用取决于广告策略的精度要求。城市级定向用 city 字段即可,围栏级定向需要检查 accuracy 半径是否匹配围栏大小。
验证供应链中的位置一致性。 如果DSP同时使用自有IP库和请求中的 geo 字段,两者出现分歧时需要有明确的仲裁逻辑。常见做法是信任请求中由交易所或SSP富化的字段,而非自行覆盖,但这取决于对供应链数据质量的长期观察。
移动流量单独处理。 NAT架构决定了移动IP的定位粒度天然较粗。对移动竞价请求,更合理的做法是基于运营商或网络类型做策略调整,而不是指望IP给出街道级精度。
RTB中的IP定位数据应用,核心矛盾在于:竞价决策需要快速、可信的位置信号,而链路中的截断、NAT、富化不一致都在削弱这个信号的质量。Google通过粗化 geo 对象和禁止使用截断IP来设定基线,但DSP侧的自行富化仍然普遍存在。理解捕获、富化、序列化三个失真环节,并在集成时优先使用请求中已有的结构化字段而非自行从IP反推,是减少定位数据在竞价链路中“越传越偏”的实用起点。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。