广告程序化购买过程怎样？和金融程序化交易啥联系？-量化平台-财云量化

摘要：

广告程序化购买有需求方平台设置、数据管理平台角色等过程，要对比与金融市场程序化交易在自动化决策、数据驱动方面的联系与不同。

一、广告程序化购买的详细过程

（一）需求方平台（DSP）的初始化设定

在广告的程序化购买流程中，需求方平台（DSP）的设置是起始的关键步骤。广告主们在DSP上精心规划广告活动的各项参数。他们会详细地描绘目标受众的特征，这就如同一位画家在勾勒一幅画像，每一笔都细致入微。年龄是一个基础的考量因素，比如针对年轻人群体推广时尚的运动服饰品牌，可能会设定年龄在15-30岁之间。性别也是重要的区分标准，像男性化妆品可能会把目标受众设定为男性群体。兴趣更是一个多元化的设定维度，例如针对喜欢户外运动的人群推广户外装备品牌。地理位置同样不可忽视，对于地方特色美食的推广可能会定位到特定的城市或地区。这种设定方式和金融市场中交易者设定交易策略有着微妙的相似之处。在金融市场里，交易者要确定资产类型，是股票、债券还是期货呢？就如同广告主选择推广的产品类型一样。价格区间也是交易者要考虑的，这类似于广告主对于广告投放成本的预期。交易时间的设定则好比广告主设定广告投放的时间段，是白天流量高峰期，还是晚上特定时间段针对特定人群的投放。

（二）数据管理平台（DMP）的关键职能

数据管理平台（DMP）在广告程序化购买中扮演着极为重要的角色。DMP就像是一个超级信息收集器和分析器。它不断地从各个渠道收集用户数据，这些数据来源广泛，可能是用户在网站上的浏览记录，可能是在手机应用中的使用习惯，也可能是在社交媒体上的交互信息。收集到这些海量数据后，DMP开始进行深入的分析和分类工作。它为每个用户打上精准的标签，这就像是给每个人贴上了专属的身份标识。例如，一个经常浏览旅游攻略网站、在旅游类应用中搜索热门景点并且在社交媒体上分享旅游经历的用户，可能会被打上“旅游爱好者”的标签。这一过程与金融市场的数据挖掘有着异曲同工之妙。在金融市场中，分析师们通过分析大量的历史交易数据，试图找出市场的规律。他们还会关注市场情绪，比如投资者的乐观或悲观态度，以此来预测未来的市场走势。DMP也是在大量的数据中寻找用户的行为模式，从而为广告投放提供更精准的依据。

（三）实时竞价（RTB）的激烈角逐

当用户访问一个网站或者使用某个应用的时候，一场无形的“战争”就开始了。这个用户的浏览信息会被迅速地通过供应方平台（SSP）传递到广告交易平台（ADX）。ADX就像是一个热闹的拍卖场，它会立刻向所有参与的DSP发出竞价邀请。这个过程充满了紧张和刺激，就像在股票交易所的电子撮合场景一样。众多的买家（也就是广告主）此时都在紧盯着这个机会，他们基于用户数据进行实时出价，都渴望争夺到这个宝贵的广告展示机会。每个广告主都在自己的DSP上根据之前设定的策略和用户的价值评估来决定出价的高低。这个过程非常迅速，因为机会稍纵即逝。在这个过程中，DSP需要在极短的时间内权衡各种因素，就像在金融市场中，交易者要在瞬息万变的市场环境中迅速判断资产的价值并决定出价一样。

（四）最终的决策与广告展示

DSP根据预先设定的策略自动决定是否参与竞价以及出价多少。这是一个自动化的过程，不需要人工的过多干预。一旦某个DSP赢得了竞价，它就会将精心准备的广告创意发送给ADX，然后这个广告就会最终展示在用户面前。这一过程和程序化交易中的自动执行买卖指令极为相似。在金融市场的程序化交易中，基于预设的规则或者算法，当满足一定的条件时，系统会自动执行买卖操作。比如当股票价格达到某个设定的价位时，系统就会自动买入或者卖出股票。在广告的程序化购买中也是如此，当DSP根据算法判断自己有足够的优势赢得竞价并且能够实现广告主的目标时，就会果断出价并展示广告。

广告程序化购买过程怎样？和金融程序化交易啥联系？

二、与金融市场的程序化交易的联系

（一）自动化决策的核心地位

在广告的程序化购买和金融市场的程序化交易中，自动化决策都占据着核心的地位。在广告领域，程序化购买依靠算法来决定广告的投放。这些算法会综合考虑各种因素，如目标受众的匹配度、预算的限制、广告投放的历史数据等。算法会根据这些因素进行复杂的计算，然后决定在什么时间、向什么人群、以什么样的价格投放广告。同样，在金融市场的程序化交易中，也是根据预设的规则或者复杂的算法自动执行买卖操作。这些规则和算法会考虑资产的价格走势、市场的波动情况、宏观经济数据等众多因素。例如，当一个量化投资策略设定了根据股票的市盈率、市净率等指标来判断股票的价值，当股票的这些指标达到某个阈值时，算法就会自动发出买入或者卖出的指令。

（二）数据驱动的根本共性

数据是这两个领域的根本驱动力。在广告的程序化购买中，利用用户行为数据来优化广告定位是关键。通过分析用户的浏览历史、购买行为、兴趣爱好等数据，广告主可以更精准地找到目标受众，提高广告的效果。例如，一家电商平台通过分析用户的购买历史，发现某个用户经常购买母婴产品，就可以向这个用户投放更多相关的母婴产品广告。在金融市场的程序化交易中，数据的分析同样至关重要。市场数据、新闻事件等都是分析的对象。例如，当一家公司发布了季度财报，数据显示盈利远超预期，这一新闻事件会被纳入分析体系，通过分析其对股票价格的影响，进而决定买卖操作。

（三）实时性的共同追求

无论是广告的程序化购买中的实时竞价，还是金融市场的高频交易，都对实时性有着极高的要求。在广告的实时竞价过程中，当用户的浏览信息传递到ADX时，各个DSP必须在极短的时间内做出竞价决策。这就要求系统能够快速处理数据、分析用户价值并给出合理的出价。在金融市场的高频交易中，更是要在瞬间做出买卖决策。因为市场价格在不断波动，稍一迟疑就可能错过最佳的交易机会。例如，在外汇市场中，汇率可能在几毫秒内就会发生变化，高频交易者必须依靠超高速的交易系统来捕捉这些瞬间的机会。

（四）优化与效率的一致目标

无论是广告投放还是股票交易，程序化的应用都旨在通过减少人为干预、提高决策效率来降低成本、增加收益或者提升广告效果。在广告程序化购买中，通过自动化的流程，可以避免人工操作的繁琐和可能出现的错误。能够更精准地投放广告，提高广告的点击率和转化率，从而提升广告的投资回报率。在金融市场的程序化交易中，减少人为情绪的影响，按照预设的科学算法进行交易，可以提高交易的准确性和效率。例如，在长期的投资过程中，程序化交易可以更严格地执行止损和止盈策略，避免投资者因为贪婪或者恐惧而做出错误的决策，从而提高投资的整体收益。

（五）风险管理的相似考量

这两个领域都涉及风险管理。在广告的程序化购买中，通过预算控制、受众定向来避免无效投放是一种风险管理手段。如果广告主没有合理的预算控制，可能会在广告投放过程中过度花费，导致成本超支而没有达到预期的广告效果。通过精准的受众定向，可以确保广告投放给最有可能产生反应的人群，提高广告的有效性。在金融市场的程序化交易中，止损设置、算法策略是管理市场风险的重要方式。例如，当投资者设定了一个止损点，一旦股票价格下跌到这个止损点，系统就会自动卖出股票，避免进一步的损失。算法策略也可以根据市场的波动情况调整投资组合，降低整体的风险。

三、两者的不同之处

（一）目标与衡量标准的差异

广告的程序化购买和金融市场的程序化交易在目标与衡量标准上存在明显的差异。广告程序化购买的主要目标是提高广告效率和投资回报率（ROI）。为了衡量广告的效果，会采用点击率、转化率等指标。例如，一个在线旅游平台投放了一个度假酒店的广告，点击率就是看到这个广告并且点击进入酒店预订页面的人数比例，转化率则是点击广告后最终成功预订酒店的人数比例。通过这些指标可以直观地了解广告的效果，进而调整广告投放策略。而金融市场的程序化交易追求的是投资回报，主要通过收益率、风险调整后的收益来评估。例如，一个基金经理通过程序化交易投资股票市场，他会关注股票投资组合的收益率，也就是投资收益与投资本金的比例。为了更全面地评估投资效果，还会考虑风险调整后的收益，因为不同的投资组合可能面临不同的风险水平。

（二）市场复杂性的不同程度

虽然广告的程序化购买和金融市场的程序化交易都依赖复杂的算法，但金融市场的波动性和复杂性远远高于广告市场，这就导致了两者在应对市场变化时需要不同级别的预测模型和风险管理策略。在金融市场中，受到宏观经济政策、全球政治局势、企业经营状况等众多因素的影响，市场价格波动频繁且幅度较大。例如，美联储的利率调整可能会引发全球股票市场、外汇市场和债券市场的连锁反应。一个国家的政治动荡也可能导致该国的金融市场出现大幅下跌。因此，金融市场的程序化交易需要更高级的预测模型来分析这些复杂的因素，并且需要更严谨的风险管理策略来应对巨大的风险。而广告市场相对来说比较稳定，虽然也会受到一些因素的影响，如季节变化、流行趋势等，但这些因素的影响程度和复杂性远远低于金融市场。例如，一家时尚品牌可能会根据季节的变化调整广告投放的重点产品，但这种调整相对比较简单，不需要像金融市场那样复杂的预测模型。

（三）伦理与监管的不同侧重

广告领域和金融交易在伦理与监管方面有着不同的侧重点。广告领域更注重隐私保护和用户体验。随着人们对个人隐私的关注度越来越高，广告主在进行程序化购买时必须遵循严格的隐私法规。例如，不能随意收集用户的敏感信息，在使用用户数据进行广告投放时要确保用户的同意。也要注重用户体验，不能过度投放广告导致用户反感。而金融交易则侧重于公平性和市场透明度。在金融市场中，所有的交易者都应该在公平的环境下进行交易，不允许内幕交易等不公平的行为。市场的交易信息应该尽可能地透明，让所有的参与者都能及时获取相关信息。例如，上市公司要按时公布财务报表，证券交易所要及时发布市场交易数据等。