程序化购买在2016年得到了飞速的发展，尤其是PDB（定价定量购买）私有程序化购买的出现进一步加速了程序化营销的发展步伐。PDB私有程序化购买在消除程序化投放不确定性的同时，广告投放效果能够更好的被透明优化，将程序化交易的优势模式推向了一个新的高度。2016年，很多广告主都开始采用PDB私有程序化营销模式，经过2016年一年的实践，无论是在PDB投放和管理技术、媒体选择、流量退还和程序化投放预估等方面都积累了丰富的实战经验。

2016年，AdMaster为众多知名品牌提供了PDB营销广告投放技术AdServing（即AdMaster SmartServing：帮助广告主实现透明自主控制的程序化广告投放控制和管理系统），并取得了广泛的客户认可。服务包括快消、汽车、金融、母婴、互联网电商、航空行业等众多知名品牌。

经过2016年的成功探索和经验积累，2017年PDB私有程序化营销如何能够更高效的扬帆起航？为此，AdMaster总结了2017年PDB营销必读的5大核心点，带领你轻松玩转PDB营销。

提升TA%、频次优化及多方识别率是关键

在退量的OTV PDB营销模式中，由于优质DMP的接入，对媒体流量进一步通过人群性别、年龄、兴趣等方面进行筛选，将不符合要求的人群退回，通常是进一步优化iGRP&Reach的常规实现方法。利用这种方式确实可以实现良好的优化效果，但也存在着隐患。

最大的隐患是PC端Cookie识别率的问题，这也是一个老生常谈的问题。由于各家对于Cookie使用、各自的生成和采集方法不同，因此需要事前持续的Cookie 匹配，才能实现媒体和Server、Server和DMP间ID的互相识别；越多方的参与，会越降低最终媒体到DMP的识别率，这对于TA的优选效率上有很大的影响。

举个例子，一个PC端的项目，如果媒体到Server的Cookie识别率约为60%左右，Server到DMP的Cookie识别率也在60%，那相当于其实媒体中可被认识的流量仅36%，这就会造成大部分的流量是随机投放完成的。

应对策略：

在项目上线前，甚至在决定使用的供应商时，广告主和代理公司也需要关注供应商提供的Cookie识别率指标。Cookie匹配量级对各家媒体、Server、DMP来说，都是一个基本要求。供应商能够合理安排可匹配的流量、优化匹配对象分配，确保项目中媒体到DMP保持较高的 Cookie 识别率。

虽然在移动端并不涉及各家识别率的问题,但也同样存在移动设备ID的通用性和稳定性等问题。目前移动端数据的流通性较低，仅少数DMP公司开放移动端的数据，更多的DMP公司基于数据安全问题，基本的解决策略都是由AdServing方提供数据。2017年，AdMaster将会积极投入更多的资源，推动拥有高质量数据源的巨头们，安全、有序地流通移动端数据，更好的激活各家移动端数据，帮助广告主更精准的寻找到品牌的TA。

媒体流量稳定性是PDB营销各项KPI提升的关键

PDB营销是一种通过程序化的形式实现更精准的投放控制、目标人群定向等媒介优化的购买方式，主要通过技术手段优化并提升如CTR，TA%等多项KPI，但除了技术驱动外，确保这些KPI指标能够提升的基础是媒体推送流量的质量和稳定性、优先级上需要至少需保持和常规购买一致。PDB项目最终效果中媒体的推送量质量是较为关键的影响因素。

通常，媒体端流量质量和稳定性的评估可以从两个方面考量：

A 推送量中不稳定流量占比

行业会把无法再现的流量、某些有异常行为的流量（如曝光前点击、瞬时多次行为等）称为不稳定的流量。当某些项目中如果不稳定流量过高时，首先DMP无法识别这些流量，无从判定性别年龄，这就影响了对于推送量的筛选。同时，不稳定的流量的Stable%也会低于常规，这对于最终计算iGRP&Reach也同样存在着影响。

B PDB优先级与常规是否一致

通常PDB项目的效果优化都是基于同期或者之前一波常规项目表现上的提升，这要求了PDB项目的流量分布上应与常规项目差异不大。当某波项目，如果存在频次分布、性别年龄分布较大的差异，比如一波控5的项目，在超频还是低频的占比都是常规项目的表现好于PDB的推送，那可能最终由PDB优化后的项目结果仍低于常规项目。

应对策略：

A. 通过技术手段规避不稳定流量：在Server选择退量时，就考虑关于流量稳定性指标，最大化避免不稳定流量；

B. Server方能够按照实时曝光的情况，更好的控制对于推送量的选择，优化退量逻辑；

C. 设定媒体关于推送量质量和稳定性的KPI。

避免溢价过高，导致效果优化无法满足溢价，影响ROI的提升

这其实与流量质量控制有一定的共同点。因为媒介库存的不足，由于要求多推送量产生的对库存的挑战，也嫁接到了媒介价格层面；当媒体溢价已经超过了预估的可优化空间时，ROI也变为负值，这个状态下做PDB的意义是什么？如何避免溢价过高？或者直接不接受溢价过高的媒体？

应对策略：

目前，各家媒体正在积极的探索关于库存上的优化，解决媒介库存压力，比如高差异品牌间推送量共享，PD模式的推广、信息流等新兴资源的价值认证等，为更好的程序化购买创造空间。

科学的PDB效果预估，高效提升

目前大多数的PDB营销项目的预估都是媒介策划基于经验和常规预估制定的，没有考虑到媒体流量的实际分布，TA、控频等都分别需要一定的优化空间、DMP识别率及DMP准确率等数据，这些维度都会影响最终iGRP&Reach的实现情况。如何更科学更系统化的完善PDB的预估，甚至能结合常规购买做联合预估等，也需要更多的力量去探讨和实现。

如何实现科学的预估？ 利用能够将媒体流量的实际分布，TA、控频以及DMP数据情况涵盖在媒介规划系统内，更好的了解PDB能够带来的提升，以最终决策溢价和ROI的平衡。

投放前期，多方沟通很重要

PDB营销中不仅涉及到常规的排期，还存在下单流程的区别，主要针对推送比、溢价等因素的沟通。同时，常规购买中媒体的控频、TA优化等因素在PDB营销中也存在，而这部分的KPI是针对于推送量还是曝光结果，目前市场中还没有明确的定义，所以前期代理公司和PDB营销涉及到的多方沟通非常重要。

例如，无论在常规还是PDB投放中，项目策略中可能都会涉及到对媒体控频的要求。常规很好理解，直接通过最后的曝光监测数据中单媒体频次数据就可以确定媒体是否做好了控频；而在PDB营销中，如果还是通过单媒体曝光的频次数据，其实并不能直接判断媒体的控频。因为在PDB项目中，这并不是媒体的执行效果，而是由Server的进一步优化完成的。同时，如果KPI制定为曝光频次，当推送量中的媒体超频流量已经占了一部分比例，这时就会减少在推送量中Server原本对于跨媒体控频、TA的优化空间。因此，在PDB中，对媒体的控频要求更好的是需要针对推送量而非曝光。

2017年将会是程序化购买更趋向于成熟的一年。程序化交易模式日益得到广告主的认可，同时更多的程序化购买模式也会愈发丰富。购买方式方面，除了PDB外，PD、PMP等模式的扩展；广告形式方面，除视频外，更多的原生信息流、OTT等广告形式的增加；以及DMP方面，更多基于品牌第一方数据的定制化人群标签和受众模型的应用，都会是2017年程序化购买的重要推进和创新源泉。同时，随着更多的优质资源方、数据方的加入，如跨屏识别、品牌安全等也会开始更多的应用在PDB、PD等程序化购买上。AdMaster经过2016年一年的实践与经验，将进一步优化技术实力、跨屏打通能力和投放优化能力，更好的服务于飞速发展的程序化广告。