小编早前为各位读者介绍了Pubmatic的频次优化解决方案FRO ，今天小编要为大家介绍下Pubmatic在基于FRO之上的更为先进的广告价格预测技术。

概述：

根据ThinkEquity最近一项深入调查显示，网络广告的最高增长部分为无保证类部分（non-guaranteed segment），并且到2013，将达到110亿美元。生态系统中各公司特别是ad network和ad exchange日新月异的科技创新使媒体可以从自家无保证类库存中获益。但是，媒体想要得到长远的发展，依然要面对很多困难。

与此同时，过去几年里，ad network和ad exchange发展迅速，数量日益增多，这使得他们必须专注于不同类型的受众和定向能力。例如：ad network X可能比ad network Y更适合A广告展示变现（即X比Y订的价高），而ad network Y比ad network X更适合B广告展示变现（即Y定价更高）。媒体就可以从这种分类中获益，如果他们有能力进一步实时地将每一次展示分配到最合适的ad network或ad exchange中的话，就能实现利益最大化。Pubmatic经过数年的努力，集结40余名工程师和统计人员共同开发了一整套全新的服务使媒体能做到这一点。

在2006年，Pubmatic开发了第一套也是当时唯一一套实时优化解决方案。自那以后，Pubmatic通过机器学习（machine learning详解见下文）的方法收集了数千亿的数据并于2009年发布了两种新技术，从此科技进入了一个全新的更精准的实时优化阶段：广告价格预测

广告价格预测技术可以让媒体实时地将每一次展示与最理想的ad network或ad exchange结合起来。它可以使媒体随着无保证类库存（non-guaranteed inventory）的不断增加而扩大广告收益

大型的网络媒体每天都要展示数以百万计的广告，对于这部分媒体来说，此项技术意味着他们数百万个广告都可以得到优化，如果他们只用手动操作办法与ad network一起合作是无法达到这样的效果的。

此文详细介绍了为什么Pubmatic开发这样一套复杂的算法以支持广告价格预测技术；这种技术是如何增加媒体收益以及若干个实例分析。

一、实时广告收益优化的必要性

媒体寻求在无保证库存方面扩大收益时面临着许多困难。虽然每天，每周几次手动操作是可以提高收益的，但是实时的具有科技含量的解决方案不但可以帮助管理不同的ad network，也可以确保媒体从每次展示中获得最大的收益。

媒体需要实时解决方案的五大理由：

1、静态ad network菊链（daisy chain）已失效：【小编注：菊链即一种网络结构，也称作总线拓扑（bus topology），在这种结构中所有的节点（node）都连接到并行的电缆（cable）上。】

ad network的定价不断地在变化，如果单靠手动解决方案，媒体通常无法获得让付费最高的ad network置于他们静态菊链的顶部。

2、这套解决方案可以使越来越多的ad network为单个广告展示竞争：

用人工的办法是很难管理多个ad network的。人工管理数个ad network会导致媒体同ad network的关系不够深入，也无法得知ad network具体的受众分类，因此往往这种优化操作下，广告通常只经由重视impression的ad network伺服而不是将广告努力送达到相应的用户眼前的ad network。

3、ad network经常出现广告缺省（default）现象。这是个大问题：

Pubmatic发现，ad network缺省率平均达56%，而在2008年4月一项研究期间，甚至达到87%。 随着广告定向越来越多的依靠用户和广告内容，定位越来越精准，缺省率只会增长。

4、低质量的广告只会带来低点击率：

完全依靠手动办法管理数个ad network是很困难的。少一个ad network，就少一个广告伺服选择，这样就会导致投放出去的广告对用户无吸引力，影响点击率。

5、ad network和ad exchange需要一个解决方案：

媒体需要管理来自ad network和ad exchange的对于无保证库存的大量需求。

Pubmatic的广告收益优化技术随着市场一起向前迈进

Pubmatic在全面建立广告收益优化技术过程中深刻了解了媒体正面临的困难，并根据媒体需要和市场发展需要不断改进这种技术。

实时科技为无保证库存提供了一个长期的变现策略

下图为Pubmatic优化解决方案发展历程

Pubmatic的机器学习（machine learning）方法

机器学习是一种基于算法的通过经验自动改进的方法。它包括数据挖掘技术——每秒处理超过10万次的数据转换。Pubmatic有超过6000家媒体使用优化平台，这个平台可以为机器学习提供丰富的数据。机器学习时间越长数据就越精确。通过机器学习搜集的数据用于预测建模，这是Pubmatic广告价格预测技术的基础。

二、优化的三个层次

没有其他公司能提供实时优化

为了使大型媒体网站真正最大化来自ad network和ad exchange的广告收益，优化是必不可少的。媒体可以通过三个主要的效果不一的方法进行优化

1、手动内部优化运营（每周或每月进行优化）

许多大的媒体都有自己专门的广告运营队伍，直接与ad network一起合作进行手动优化。他们通过直接登录ad network，根据查到的历史数据设置“菊链”。这种优化频率从每周至每月不等，取决于人力资源。这种优化在大多数情况下无法提升收益，问题就出在媒体用的是历史数据而且只能获得一小部分数据点，自然靠这么小部分历史数据做出优化决策显然是不够的。随着ad network的增加，各种关系的复杂化，如果采用用这种方法优化，就相应的需要越来越多的人力资源。

2、手动外包优化运营（每天或者每周优化）

为了避免内部广告运营给人力资源带来的压力，一些媒体就选择将这部分工作外包给第三方管理运营。这样做通常在资源和专业性上能获得益处，因为一家外包服务提供商通常有最好的操作方法，跟主要的ad network关系也不错，而且往往能提供更便宜的人力资源。但是，除了这些成本上的节约，通过外包商只能获得一小部分的收益提高。因为这些外包服务商也同样是依靠相同的历史数据和有限的数据点制定优化决策，所以这种方法也无法显著提高媒体的收益。

3、自动算法+操作支持（实时优化）

这套解决方案是唯一可以将每一个广告展示最大变现的方法。对于媒体来说，要想简化ad network的管理，确保不想要的广告不出现在他们的网站上，就需要操作支持。但是只有实时算法才能预测哪个ad network会出最高的价钱，而且是每天24小时无休的预测。实时算法可以运用大量的多种数据点比如地理的，频次的，人口信息的等等以确定广告伺服决策。另外，这些算法可以为每一个广告展示制定独特的实时决策。

三、广告价格预测：如何运作

Pubmatic的广告价格预测技术实时决定哪一个ad network，ad exchange能使一家媒体的一次展示获得最大变现。

具体过程如下：

1、媒体网站上的用户提出一次页面请求。

然后通过大量的不同的数据点如频次，用户地理信息，浏览器信息等等分析曝光。

2、然后过滤广告投放平台包括ad network，ad exchange

过滤过程将分析过的广告曝光、用户数据和媒体创意政策都纳入其中。例如：如果一个媒体规定不展示suggestive和alcohol广告，那么伺服suggestive 广告或者alcohol广告的ad network就会被过滤掉。

3、通过算法预测价格

通过算法预测ad networks, ad exchanges 的报价。Pubmatic的算法程序每秒可以处理超过100,000来自成功晋级的伺服平台的数据点，决定哪个伺服平台可以获得最大的利益。而这些数据点是通过机器学习搜集而来。决定指令是实时发出，根据机器学习到的报价行为以及ad network的动态报价数据（通过RTB API application programming interface发送）。

这个过程中最大的优点就是Pubmatic可以根据用户看到某一个广告的次数确定广告价格。Ad network通常只看重第一次展示，然后按照出价高低依次放出相对应的广告。Pubmatic的算法程序可以考虑到这种频次定价的情况，避免展示过渡曝光的广告。鉴于目前控频应用于几乎每一个campaign，所以这种技术是非常有价值的，可以带来显著的长期的收益提升。

4、选择价最高的伺服平台，然后将广告展示给用户。

一旦Pubmatic确定了某一个伺服平台能够实现最大变现，它就会给那个平台发送一个广告请求。然后广告通过那个平台得到展示。如果选定的广告平台无库存，那么就重复之前的步骤，并选择定价第二高的伺服平台。

上图为动态缺省（default）优化

Ad network的报价一直在变，因此每周或者每天更新静态菊链无法实现收益最大化。动态缺省优化可以为每一次展示实时更新菊链，这就能确保每一次展示都是来自定价最高的ad network。

四、广告价格预测实例分析

相比其他解决方案，媒体通过实时优化技术可以一直确保所展示的广告来自价最高的广告网络。以下为三个大型媒体采用了pubmatic实时优化技术的实例分析。

小编总结：

随着广告库存的持续增长，大型媒体如果想提高自家广告位的价值，就要采用新的方法。手动操作，不管是内部或是外包，都只能带来短暂的收益提高，无法做到长期稳定的提升。既然到2013年，互联网广告无保证部分将达到110亿USD，媒体就要采用一个具体的优化方案以实现这部分利益最大化。

由于互联网广告定价是不断在变化的，而且没有任何一家ad network能保证让媒体的广告位一直展示价最高的广告，所以只有依靠实时优化解决方案，媒体才能实现收益最大化。

Pubmatic为媒体提供了最先进的广告价格优化方法：广告价格预测技术（自动算法）以及强大的技术支持团队。已经使用这套解决方案的媒体已经获得了30%-300%的收益增加。