文 | 爱嘤斯坦丁
编辑 | 爱嘤斯坦丁
«——【·前言·】——»
电视广告已经是消费者媒体消费的基石数十年，相应地，电视广告也一直是营销组合的核心。电视历史的每个阶段都对广告产生了深远的影响。
计算机化电视广告的新时代要求三个元素DAD： 交付、广告库存和数据进行优化，并协同工作。
交付技术必须具有地址定位的能力，能够针对每户人家和设备进行投放，广告库存必须很容易获得。最后，可用数据必须提供每个单独的节目观众成员的全面视图，以便市场营销人员做出明智的决策。
此外，这三个变量之间必须协调才能使程序化方法起作用。由于不同的公司控制着这三个方面，所以协调将需要协议、伙伴关系或收购。
«——【·电视广告景观的利益相关者·】——»
为了了解电视广告景观以及将程序化广告应用于电视的潜力，我们必须首先确定涉及的各种利益相关者。
在线性广播时代，利益相关者仅限于四个主要参与者：电视网络、消费电视内容的观众、创建这些观众共同货币观点的观众测量公司，和与网络进行谈判以购买其节目中的广告的广告商。
随着电视分销模式演变为 有线和卫星分销模式 ，分销商成为混合的新的重要利益相关者。虽然他们直接向广告商出售的广告库存有限，但分销商具有向家庭*放播**电视广告的技术。
随着电视迁移到OTT，出现了新的利益相关者：新的分销商，例如流媒体服务和智能电视应用程序，以及来自媒体测量垄断外部的新的观众数据提供者。
此外，随着程序化电视的出现，一个全新的利益相关者类别已经出现：运营程序化市场的交易所。
每个利益相关者都有特定的利益在生态系统中，没有人掌握优化程序化电视所需的所有变量的控制权。
电视网络制定编程决策，创建可吸引广告主理想观众以出售的内容产品。网络包括传统广播和有线节目制作人以及新的内容创作者。
他们会创建广告库存，广告是重要的收入来源，这些网络有广告销售团队直接向广告商销售库存中的广告。
在大众模型下，广告会显示给100%的分发范围。除非网络有OTT流媒体选项，否则他们无法控制向个别观众或家庭的分发。直到最近，网络仍然依赖于广泛的人口统计信息来说服广告商，他们的观众非常理想，并与广告商对他们的客户的看法相符。
接下来，分发商是将电视内容带入家庭/设备上的任何人：Sling TV，Roku，有线/卫星，Hulu，Netflix，Amazon，Facebook，YouTube，Disney Streaming App 等。
线性电视分销商，如有线电视公司、卫星电视公司和电话公司或互联网服务提供商，控制内容分销到家庭级别。
他们安装在家庭中以传递信号的机顶盒收集了大量的观看信息，通常称为 机顶盒数据 ：这些分销商知道什么时候打开电视并观看什么频道。
线性电视分销商没有将其业务模式集中在向个别家庭销售广告上，他们主要从订阅费中获得收入。然而，随着更多的家庭开始剪掉线缆，并取消他们的订阅以支持OTT传递选项，分销商越来越有兴趣销售广告以弥补订户收入损失。
线性电视分销商控制使广告信息更加精准地针对个别家庭的技术，在此模型下，可以理解家庭特征的数据集： 他们是谁，他们的过去行为，他们喜欢看什么内容。
需要注意到的是，线性分销商只能在网络赋予他们的商业时间内销售广告，由于网络没有从他们通过落地协议向分销商传递的商业库存中收到任何收入，因此他们目前倾向于向分销商提供残余库存，而不是他们最高质量的产品。
电视分销商倾向于将广告作为内容无关的出售，这意味着只要广告放置在正确的家庭中，义务就得到了履行，并没有保证显示在特定内容旁边。
虽然线性电视分销商受到分配给他们，通过直播电视播出的广告库存量和质量的限制，但他们拥有视频点播库中的节目。通过动态广告插入的过程，使营销人员能够在特定节目和特定家庭中放置广告。
一些分销商联合起来，使这种机会对所有各方尽可能方便。在订户家庭中，广告商可以在参与网络的特定节目中插入广告。
这种新生的电视广告形式正在增长，在2017年第一季度，超过2300个活动通过这个平台进行了实施。它需要家庭特征数据来确定适合服务广告的正确家庭，以及节目观众数据，以确定视频点播库中哪些节目吸引与广告商的目标客户最符合的观众。
此外，在电视内容变得越来越向OTT传输时，出现了两种具有不同商业模式、技术平台和访问观众数据的新型分销商：聚合来自各种电视网络的内容，并将其编制为一个互联网中心的订阅流媒体服务。
例如Hulu，以及类似于应用商店的连接电视设备，如Roku、Chromecast、Amazon Fire TV 和Apple TV，各种电视网络可以创建它们自己的内容生态系统，观众可以选择在任何时候观看。
这些服务将OTT广告定位为数字和线性电视广告的最佳结合，他们使广告商能够选择个人接收广告，基于第三方数据源包括他们的互联网活动等各种特征。
同时，广告商可以根据在平台内生成的观众观看数据，选择他们想要广告在哪个特定的电视内容中运行。由于用户必须登录他们的帐户，这些服务随着时间的推移变得越来越了解他们的受众。
政府和行业监管机构是其他利益相关者，将影响DAD（双主检测）的所有方面。也许最著名和重要的监管是欧盟的通用数据保护法规，该法规于2018年生效。
GDPR（全球数据保护）实施了严格的隐私保护，这将影响数据如何用于制定程序化决策。
关于广告库存的最新监管示例，回忆一下程序化广告需要整合DAD的组件。
对社交媒体和其他数字广告平台进行操纵的调查，可能会促使全球范围内针对社交媒体和其他数字广告平台的进一步监管。
«——【·用于估计程序化模型中广告接受度的数据生态系统·】——»
数据是计算方法的 核心 ，程序化模型拥有的个人数据越多，目标定位和个性化就越好。当没有个人级别数据可用时，程序化的优势也会减少。
当然，程序化生态系统还需要广告库存和将广告发送到个别设备的能力。
下图提供了预测程序化广告结果的各种数据集的全面视图，正如讨论的那样，并非所有在数据管理平台中显示的数据源始终可用。
不同的数据源通常由不同的利益相关者拥有，这意味着利益相关者必须就共享信息达成一致，这可能涉及交易或为数据集付款。
在图中，第四个阶段的围墙花园是指一个单一公司试图收集图中所有数据集，以及控制分配和广告库存。虽然可以获得某些数据集，但有时它们不被使用，因为获得数据的成本可能超过了收益。
此外，数据交易做法引发了消费者隐私问题，需要透明的数据处理做法，并涉及政策制定者和监管机构，例如美国联邦贸易委员会或欧洲数据保护当局和消费者组织。
为了做出明智的决策，需要查看观众的各种基于数据的视角：他们过去的行为数据，他们的人口特征，他们的观看历史以及消息的当前上下文，机器学习算法将这些数据集链接到 产品兴趣的指标 。
«——【·过去的行为数据·】——»
内部数据库中的客户关系管理数据，记录例如先前的购买历史，如最近性、频率和货币价值。在直接营销中，人们已经确定了RFM摘要与未来从焦点品牌购买相关联。
有关惯常行为的文献表明，当个体从事惯常行为时，他们使用简化的决策规则，这导致执行与过去相同的行为，先前的行为似乎是未来行为的重要预测因素。
过去的行为还可以包括搜索或购物数据，这些数据推动当前的重新定位工作。例如，如果客户访问零售商的网站并研究某个产品，该零售商目前可以购买显示广告在其他网站上向消费者展示该产品。
记录在零售商网站上的购物行为，例如查看了哪些商品或放入购物车中的商品属于零售商，并可用于定位和个性化。这些数据可以帮助营销人员提供有效的信息。
过去的行为数据可能还包括第二方数据，可以定义为另一个组织的第一方数据。例如，假设焦点广告商是销售露营用品的零售商。
可能可以从同一类别的其他零售商购买或交换信息，例如某个家庭是否最近从不同的零售商购买了帐篷。
而帐篷的购买是其他零售商拥有的RFM信息，因此是第二方数据。这是列表租赁的现代化身，直接营销者已经实践了几十年。
«——【·家庭特征数据·】——»
当广告商有兴趣与现有客户交谈，和基于过去的购买进行交叉销售新产品和服务时，关注过去的行为数据是适用的。但是对于新客户获取，首方数据显然无法获得。
人口统计数据，通常可以从第三方数据提供商那里“租赁”大量潜在客户的数据，从以前的研究中。
基本的人口统计数据，例如年龄、性别、收入、职业和种族总体而言是预测行为的不良指标，但在没有更强的预测变量的情况下，人口统计数据通常会提供一定的预测能力。
«——【·家庭媒体消费数据·】——»
媒体消费数据包括消费者观看的节目，或个人在Facebook上喜欢的页面，剑桥分析公司在特朗普竞选中，使用Facebook数据的报道是，使用媒体消费来推断产品兴趣的著名例子。
同样，观看模式的研究可以提供有关符合家庭观众需求，和偏好的产品和服务类型的线索，即使因果关系可疑，因为某些其他变量导致了媒体消费和产品兴趣的出现。
例如，模型可能显示观看卡通片与果汁盒兴趣之间存在强烈的关联，但二者都是第三个变量即小孩的存在的结果。
第二个例子，观看福克斯新闻或喜欢某些Facebook页面可能与投票给共和*党**有联系，但两者都可能是政治信仰的结果。因此，这些相关性是由第三个变量引起的。
虽然在预测模型中包含遗漏变量的度量是可取的，但通常这些度量不可用，并且即使可用，也最好包括观看历史记录。对于卡通片、年幼的孩子和果汁盒的情况，年幼孩子的存在经常可以从第三方数据源获得。
即使如此，考虑经常有孙子女来访的祖父母的可能性。祖父母的家庭中没有居住的孩子，但祖父母可能会为探望而购买果汁盒。因此，观看历史记录将揭示出人口统计信息无法显示的需求。
«——【·总结·】——»
程序化电视广告是一种计算机算法和数据技术结合的广告形式，它通过分析和处理收集到的大量数据，以更有针对性的方式投放广告，还可以帮助广告商更好地了解受众，并提高广告效果。
在程序化广告中，数据被视为关键要素，包括家庭过去行为数据、家庭特征、家庭媒体消费和上下文等信息。
程序化广告的发展也面临着一些挑战，例如虚假流量和广告欺诈等问题，而广告商需要考虑跨平台的测量方法来评估其活动。媒体公司必须与适当的分销模型保持一致，以完全可访问其受众的位置、时间和方式。
最后，广告商必须增加对拥有媒体、品牌内容、产品放置和活动，等其他营销通信渠道的使用，以及内容创作者必须更多地依靠订阅，或各种微支付费用以及其他非广告收入流。
参考文献：
1.Bellman, S., J. Murphy, S. Treleaven-Hassard, J. O'Farrell, L. Qiu, and D. Varan. 2013. Using internet behavior to deliver relevant television commercials.
2.Bendix, A. 2017. EU fines Facebook $122 million. The Atlantic, May 28.
3.Bernritter, S., P. Ketelaar, and F. Sotgiu. 2018. Behaviorally targeted location based mobile marketing.
4.Berry, D., and J. Rider. 2017. How to link surveys with internal data while maintaining privacy.
5.Bleier, A., and M. Eisenbeiss. 2015. The importance of trust for personalized online advertising. Journal of Retailing 91, no. 3: 390–409.