什么类型的网站容易做,外国做袜子的网站,网站建设与代运营产品介绍,微信小程序和网页哪个开发难程序化广告行业#xff08;55/89#xff09;#xff1a;DMP与DSP对接及数据统计原理剖析
大家好呀#xff01;在数字化营销的大趋势下#xff0c;程序化广告已经成为众多企业实现精准营销的关键手段。上一篇博客我们一起学习了程序化广告中的人群标签和Look Alike原理等知…程序化广告行业55/89DMP与DSP对接及数据统计原理剖析
大家好呀在数字化营销的大趋势下程序化广告已经成为众多企业实现精准营销的关键手段。上一篇博客我们一起学习了程序化广告中的人群标签和Look Alike原理等知识今天咱们继续深入探讨程序化广告领域的其他重要内容包括DMP与DSP的对接以及网站和App的数据统计原理。希望通过这次分享能让大家对程序化广告有更全面的认识一起在学习中进步探索这个充满机遇的行业。
一、DMP对接DSP精准营销的桥梁
在程序化广告投放过程中为了精准触达目标人群DSP需求方平台常常需要借助广告主的第一方DMP数据管理平台和第三方DMP的人群数据这就涉及到DMP与DSP之间的对接工作这一环节对于实现精准营销至关重要。
一PC人群与移动人群对接差异
对于PC人群对接首先要进行cookie映射。这就好比给DSP和DMP双方的人群标识ID建立一个“翻译对照表”让它们能“读懂”对方的数据。DSP投放的流量越大能进行Cookie mapping的机会就越多。映射率越高DSP识别的人群范围就越大这样就能更充分地利用DMP数据为广告主找到更多精准的目标人群。想象一下DSP就像一个寻找宝藏的探险家DMP数据是宝藏地图而Cookie mapping就是让地图能被探险家看懂的密码。
而移动人群对接则有所不同。由于设备号ID是固定的并且可以在不同App中共享所以不需要进行cookie映射工作。但是需要先进行人群匹配度检验。人群匹配度指的是DMP发送的设备号ID在DSP设备号ID库中的占比。匹配度越高意味着DMP的人群标签在DSP的流量池中被找到的可能性越大DSP也就更有可能覆盖到广告主需要的人群。行业内一般认为匹配度在40% - 60%比较合适。就好像在一个大仓库里找特定的货物匹配度越高找到货物的概率就越大。
二对接方式详解
DMP与DSP的对接方式主要有API接口、FTP传输和Pre - bid方式。API和FTP方式可以批量接收人群标识号及对应标签就像是用大货车一次性运输大量货物一样高效。Pre - bid方式则有点不同它需要在DMP与DSP之间部署一台前置机。这台前置机就像是一个中转站先接收DMP的数据然后在DSP投放前实时查询使用。下面用一段简单的Python代码来模拟使用API接口获取DMP数据的过程实际应用中涉及更复杂的网络通信和安全机制
import requests# 假设这是DMP提供的API地址用于获取人群标签数据
dmp_api_url https://dmp.example.com/api/get_crowd_tags
# 模拟请求头可能包含认证信息等
headers {Authorization: Bearer your_token,Content-Type: application/json
}try:response requests.get(dmp_api_url, headersheaders)if response.status_code 200:crowd_tags response.json()print(成功获取人群标签数据:, crowd_tags)else:print(f请求失败状态码: {response.status_code})
except requests.exceptions.RequestException as e:print(f请求出现错误: {e})三对接流程
投放执行人员在DMP平台精心设置需要投放的人群标签条件然后将这些标签应用到营销活动中。这一步就像是给即将出发的“广告大军”制定目标和路线。DMP平台根据营销活动的人群标签准备数据接着向前置机发送初始化数据通知。前置机收到通知后就开始下载数据。而且DMP的数据会不断更新就像河流里的水一直在流动所以需要持续同步更新数据到前置机。DSP平台设置投放活动并在其中填入DMP平台对应的营销活动ID。当DSP收到竞价请求时就像收到了“战斗信号”它会向前置机查询用户信息是否符合营销活动的人群标签条件。前置机把查询结果返回给DSP。如果结果显示用户满足条件DSP就像得到了冲锋的指令参与竞价如果不满足就只能放弃这次机会。
二、数据统计原理广告效果的“晴雨表”
无论是广告投放过程中还是投放后对广告效果进行验证观察都非常重要。这不仅能帮助我们评估、制定和调整投放策略还能依据用户行为数据优化广告、网站或App提高用户转化和留存率。数据统计主要分为网站统计和App统计两种逻辑。
一网站统计逻辑
当我们在浏览器中输入一个网址浏览器就会向网站Web Server发起请求URL这就像是给网站的“门卫”发送了一个进门申请。网站Web Server收到申请后解析请求URL并生成Html文档响应返回给浏览器就好比门卫审核通过后给我们递出了一份房子的设计图Html文档。浏览器拿到这份“设计图”后开始解析Html文件加载外部脚本、样式表和图片等这个过程会触发JS统计代码就像是房子里的各种机关开始启动。JS脚本开始工作它会收集各种信息比如域名、URL、页面标题等还能获取自定义事件像注册行为的数据。如果之前在用户浏览器“种”过cookie就能获取到对应cookie信息如果没有就会进入“种”cookie的流程。收集到的信息会被传输给后端脚本这就像是把收集到的情报传递给后方的指挥官。后端脚本会生成一个透明的1×1像素图片在浏览器中“种”入cookie标识访客同时解析并发送收集到的信息从网站Web Server获取IP、访问时间等信息然后写入日志Logo队列就像是指挥官整理情报并记录下来。日志信息被发送至实时统计服务经过实时统计后进入实时数据库这就好比把整理好的情报送到了一个临时仓库。从实时数据库调用数据进行离线分析然后存入离线数据库就像是把临时仓库的情报送到了一个长期的档案馆。最后查询数据库将数据以可视化报表的形式呈现出来这样我们就能直观地看到网站的各种数据表现就像是通过地图清晰地看到各个区域的情况。
二App统计逻辑
App应用客户端向App应用服务端发起请求这就像是手机上的App向服务器“喊话”说自己需要一些东西。App应用服务端收到请求后响应并返回应用信息就像服务器听到“喊话”后给App递出了它需要的物品。App应用客户端调用统计SDK并初始化同时通过API接口写入版本、渠道等信息并进行数据埋点这就好比在App里安装了一些“小眼睛”用来记录各种数据。开始收集应用运行信息包括访问者唯一标识比如IMEI号、Android - ID或IDFA等、访问时间、应用版本号等。这些信息就像是给每个访问者贴上了独一无二的“标签”。在App启动/关闭或者收集的信息数量达到一定上限时就把信息传送给后端就像是装满货物的货车把货物送回仓库。后端脚本解析并发送收到的数据包写入日志Logo队列就像仓库管理员整理收到的货物并记录下来。日志信息发送至实时统计服务进入实时数据库就像货物被暂时存放在临时仓库。从实时数据库调用数据进行离线分析再存入离线数据库就像把临时仓库的货物转移到长期仓库。查询数据库进行可视化数据报表呈现这样我们就能清楚地了解App的运行情况就像通过仪表盘了解汽车的各项指标。
下面用一段简单的Java代码来模拟App数据收集和传输的过程实际应用中会涉及更多复杂的业务逻辑
import java.util.HashMap;
import java.util.Map;public class AppDataCollector {public static void main(String[] args) {// 模拟收集App运行信息String visitorId 1234567890;String appVersion 1.0.0;String operator ChinaMobile;String networkType 4G;MapString, String appData new HashMap();appData.put(visitorId, visitorId);appData.put(appVersion, appVersion);appData.put(operator, operator);appData.put(networkType, networkType);// 模拟数据传输给后端sendDataToBackend(appData);}private static void sendDataToBackend(MapString, String data) {// 这里可以替换为实际的网络请求代码将数据发送给后端System.out.println(正在将App数据发送给后端: data);}
}写作不易希望这篇文章能让大家对程序化广告行业有新的认识和收获。如果觉得文章对你有帮助麻烦大家关注我的博客点赞并评论。你们的支持是我持续创作的动力后续我还会带来更多程序化广告相关的知识分享咱们一起在这个领域不断探索
