邀请参与竞价请求已发送但未应答或浪费的情况,目前在程序化广告拍卖中超过了一半以上,这种浪费给SSP和中腰部及以上APP带来了极大压力(基础设施、性能、效率),并且直接增加了服务器资源等成本,损害了发出邀请竞价请求开发者(接收它们的程序化广告技术服务商们)的广告净收益。

这个问题的起源最早可以追溯到Header bidding 滥用。当开发者们在 2010 年代中期首次开始使用Header bidding 策略时,立即导致竞价请求的数量和频率快速增长。同一个媒体同一个广告位同时在多个交易平台中的相同库存创建同步拍卖, 它造成了广泛的邀请参与竞价请求重复,结果却是多个交易平台一遍又一遍地为广告主提供相同的广告机会,呈现低效浪费的内卷情况。

当然后面DSP 通过每秒查询数 (QPS) 限制来响应投标请求的激增,该限制旨在简化投标请求流程并降低与数万亿个请求相关的高成本。但这是一个对流量供应方事倍功半的解决方案,它引入了新的问题——即谁应该真正控制过滤投标请求?

Traffic shaping是一个事半功倍的自动化解决方案,基于Traffic shaping的方案正是为了解决上述浪费的情况应运而生。

一、 Traffic shaping 是什么?
在程序化广告的业务中,TS(Traffic Shaping)可以理解为是一个自动化过程,其中对程序性拍卖进行过滤,以暴露每个拍卖的相关性。TS试图通过选择投标请求的子集来解决浪费的流量问题,这些投标请求在传递给DSP合作伙伴时更有可能导致投标。当然这个相关性是依据程序化拍卖数据本身内的各种信号或通过使用来自程序化拍卖过程之外的数据。

Traffic Shaping原指一种主动调整流量输出速率的措施,通过延迟其他类型的数据包来优化或保证性能、改善延迟或增加某些类型的数据包的可用带宽。

具体表现,当开发者或SSP使用TS解决方案,就可以确定哪些 DSP 应该接收特定的投标邀请请求,也就是优化程序化广告交易买卖双方匹配。这有助于解决困扰程序化生态系统各个方面的问题:“噪音”,即邀请参与竞价请求已发送但未应答或浪费的情况。

二、 Traffic shaping的原理
TS策略背后的理论是,通过只向每个 DSP/ADX发送最相关的广告机会,可以大大降低与浪费相关的基础设施成本,而不会对开发者收入产生负面影响。

当TS运行时,开发者或SSP邀请参与竞价请求仅发送给与此相关的流量需求方,即那些最有可能以合适价格参与拍卖的流量需求方,而不是将所有请求发送给所有流量需求方。

三、Traffic shaping 的影响
假如TS普及:

变化一,提高供需关系的效率来加强供需关系。当所有的噪音都被消除后,供应方就能够向需求方展示它真正感兴趣的机会。 至于具体的需求方是否真的出价并成功是另一回事。换句话说,TS优化了买方和卖方之间的交易环节,通过过滤无效噪音,让供需双方直接进入全真交易。

变化二,开源节流让移动开发者广告净收益提高。TS优化程序化广告交易买卖双方匹配环节,加快程序化广告拍卖速度,减少了处理请求,从而帮助开发者和相关技术服务商通过减少浪费实现节流。此外,由于优化广告交易买卖双方匹配,向每个相关流量需求方发送相关流量,提高双方成交效率,进而在QPS限制利用率最大限度的基础上,让开发者流量最大化售卖,从而实现开源。

倍业科技成立于2015年,以“赋能媒体商业化”为使命和愿景。自主研发推出APP自己的商业化管理和运营产品Blink,先后获得了险峰华兴、竑观投资、颐成投资等机构的投资。业务涵盖视频、社交、金融、教育、交通出行、汽车、母婴、动漫、工具等多个领域媒体商业化。已与国内100多款知名媒体建立长期合作伙伴关系。倍业科技整合了API和SDK解决方案,结合了全栈式广告技术,通过流量管理和运营优化工具,为媒体充分挖掘每个流量的价值。

Traffic shaping 一个事半功倍的程序化”噪音“解决方案相关推荐

  1. 思科SPCCIE必考QOS流量整形traffic shaping原理及配置方法-ielab网络实验室

    思科SPCCIE必考QOS流量整形traffic shaping原理及配置方法-ielab网络实验室 流量整形(traffic shaping)典型作用是限制流出某一网络的某一连接的流量与突发,使这类 ...

  2. 玩转用例设计:XMind2TestCase一个高效的测试用例设计解决方案

    XMind2TestCase 工具,提供了一个高效测试用例设计的解决方案(开源) 一.背景 软件测试过程中,最重要.最核心就是测试用例的设计,也是测试童鞋.测试团队日常投入最多时间的工作内容之一. 然 ...

  3. 一个通用的计数限制解决方案

    一个通用的计数限制解决方案 参考文章: (1)一个通用的计数限制解决方案 (2)https://www.cnblogs.com/loogn/p/9023211.html 备忘一下.

  4. 一个优雅的占位图解决方案。适用于 UITableView 和 UICollectionView。

    FMListPlaceholder 项目地址:https://github.com/yfming93/FMListPlaceholder 一个优雅的占位图解决方案.适用于 UITableView 和 ...

  5. (开源)XMind2TestCase一个高效的测试用例设计解决方案

    XMind2TestCase 工具,提供了一个高效测试用例设计的解决方案! 一.背景 软件测试过程中,最重要.最核心就是测试用例的设计,也是测试童鞋.测试团队日常投入最多时间的工作内容之一. 然而,传 ...

  6. 分享一个完整的Mybatis分页解决方案

    分享一个完整的Mybatis分页解决方案 参考文章: (1)分享一个完整的Mybatis分页解决方案 (2)https://www.cnblogs.com/gev-1016/p/6606114.htm ...

  7. 怎么建立一个简单的程序化交易系统?

    怎么建立一个简单的程序化交易系统? 交易系统构成就有好几个部分,主要给大家介绍一个简单的交易系统的构成. 简单的交易系统建立的话至少要包括3个部分,即入市信号系统.离市信号系统.资金风险控制系统. 入 ...

  8. 一个完整的程序化交易系统包含了哪些因素?

    一个完整的程序化交易系统包含了成功的交易所需的每项决策: 1,市场--买卖什么 首要的决策是买卖什么期货品种,或者在哪个市场进行交易.如果你只在很少的几个市场中进行交易,你就大大减少了赶上趋势行情的机 ...

  9. 如何做机器学习项目规划?一个事半功倍的checklist

    一只小狐狸带你解锁 炼丹术&NLP 秘籍 前言 在接到一个新项目的时候,对其进行合理的安排和规划往往会有事半功倍的效果. 下面是从规划30 多个机器学习项目的经验中,提炼出的一个简单有效的ch ...

最新文章

  1. 厉害了!一本正经地为单身狗推荐这个158万张图像的鉴黄数据集
  2. python窗口程序-python操作Windows窗口程序
  3. String_boot热部署学习
  4. 第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波9 - 直方图处理 - 直方图匹配(规定化)灰度图像,彩色图像都适用
  5. 计算机网络(十八)-以太网
  6. 《游戏人工智能编程》读书笔记 —— 向量的归一和点乘
  7. 使用HTML5和CSS3碎语
  8. 列文伯格-马夸尔特拟合算法(Levenberg Marquardt Fitting)的C#实现
  9. Windows 98 SE
  10. 高通8953 Android9.0修改设备节点权限问题
  11. 大数据可视化常用的方式有哪些
  12. App工厂之痛:一个知识问答社区的死亡样本
  13. cartographer栅格地图介绍
  14. matlab 的谱相减语音增强算法的研究,基于MATLAB的谱相减语音增强算法的研究
  15. 主板启动提示USB设备出现电涌,15秒后关闭以保护系统问题
  16. Html id 选择器
  17. 推荐5个堪称神器的学习网站,在家你值得拥有
  18. idea git 日常使用
  19. matlab分析gnss数据,Matlab读取GNSS 观测值o文件代码示例
  20. Mac OS--终端

热门文章

  1. Git详细使用说明++
  2. 基于proteus的功率_学习电路仿真:基于proteus电路仿真软件的步进电机仿真
  3. java中的三种IO(BIO、NIO、AIO)
  4. 内网穿透工具---frp使用教程
  5. 有没有后悔当初选择了做程序员?
  6. Oracle 使用序列创建自增字段
  7. Apache和Tomcat的整合过程(转载)
  8. ERP的工单(MO)
  9. 【论文阅读】一种包含同态加密、差分隐私、多方安全计算的FL隐私保护框架 Efficient and Privacy-Enhanced Federated Learning for Industrial
  10. 团体程序设计天梯赛-练习集 L2-015 互评成绩 (25分)