• RTA 是什么？

RTA 即Realtime API的简称，用于满足广告主实时个性化的投放需求。RTA 将直投的广告主的流量选择权交给广告主，通常在定向环节中将用户身份的识别的请求发送给广告主，进行用户的筛选，让广告主在广告曝光前进行投放策略的判断，满足“拉新”“拉活”等个性化需求。RTA 本质来说，是解决广告系统平台无法实时个性化定向的一个需求。

RTA 是一种实时的广告程序接口，通过发挥媒体与广告主双方的数据、模型能力，实现实时的广告优选；RTA 是一种接**术，更是一种策略导向的投放能力。

• 为什么会有RTA？

为什么会有RTA？我们必须要从需求场景进行入手。任何脱离需求场景而讨论技术方案的行为都是耍流氓。首先将结论同步下，RTA的产生这里很大的一部分原因主要是广告平台侧数据的缺失而无法解决实时的定向而导致的。比如有这么一个广告主，他希望针对已安装不活跃的用户进行拉活，但是绝大部分的广告平台（排除厂商拥有系统权限之外）都只知道应用是否安装的状态，但是并无法知道应用到底有没有活跃，并且活跃用户到底怎么定义的也是只有广告主才能明确，比如有些定义为一周内曾打开过APP且使用了某个功能的才能叫活跃，那么这个数据就只有广告主有，广告平台是无法提供这样的一种定向的。如果直接使用广告平台的投放能力进行投放定向，是无法满足这样的一种需求的，而使用上传人群包，又无法解决实时用户数据更新的问题（也有些广告主不想将人群包信息同步到广告平台）。所以必须要以实时接口响应的方式进行定向或者出价。这样RTA就产生了。

• RTA解决的是怎样的一种需求场景？

RTA解决的是个性化定向的问题，拥有实时化以及数据安全这些特点。解决的是以下几个个场景的问题：

一、 广告主具备一方数据，但是投放的目标人群实时变动，通过平台的定向标签能力无法实现精准定向又或者通过用户包无法实现实时定向更新的这样的一种情况，需要结合双方的数据能力共同提升广告主投放效果的广告主。所以这里必须要求广告主有一定的用户甄别和筛选能力。

二、 出于数据安全或者价值的考虑，不愿意将转化数据回传给广告平台的广告主。比如金融公司投放金融广告的时候，需要将无效征信的用户去除，但是由于无效征信的属于高度敏感的数据，广告平台其实是没有这个数据的，金融广告公司出于数据安全的考虑，无法将数据传到广告平台上。所以金融公司投放广告的时候需要经过RTA进行用户的进一步的筛选。（当然，其实广告平台在RTA对接过程中是可以获取到这些数据的）

三、 个性化买量需求的广告主。针对不同的用户选择不同的投放策略和方案的广告主。比如，不同的公司的增长团队，对于纯新增用户，安装卸载，安装不活跃用户有不同的投放策略。很多精细化的数据逻辑只有广告主有，这个时候可以通过RTA进行广告的投放。（有深入思考的同学可能想到，这块不就跟RTB 很相似了吗？两者之间有什么区别呢？下面我尝试进行我的解读）

• RTA 与RTB 有什么区别？

在了解这两个问题前，有两个知识点我们需要重温一下的。

一． 广告投放的来源主要有两种渠道：一是通过广告平台直接投放的广告，通常叫直投广告或者自营广告，叫法很多但是意思一样，整体广告流程的点击率预估和转化率预估以及由此预估计算得到的ECPM竞价排序都由广告系统统一完成。另外一个是RTB，即Realtime Bidding，实时竞价。RTB广告以CPM进行结算，广告主针对每一次的广告请求按ECPM出价，整体的广告价值的计算由广告主需求端平台（DSP）完成。RTB将属于广告系统对点击率以及转化率的预估转移到了广告主的DSP端进行。在一个纯RTB的广告竞价系统中（ADX），技术难度则大部分转移到了广告主的DSP平台上。

二． 计算广告很重要的一点是可以针对不同的用户受众呈现不同的广告和创意！本质上就是个性化广告。而个性化广告的关键点在于点击率、转化率的数值的预估，通过这些转化率的预估结合广告主的出价来得到预估的ECPM进行竞价的排序。所以，从广告系统的角度来看，点击率，转化率等预估数值是否精准直接关系到广告系统对于广告是否转化判断的准确度，关乎到流量的价值以及广告主的ROI。而点击率和转化率的预估，主要涉及到三个主要特征，分别是A-即广告Ad的各类特征，U-即用户User特征，C-即媒体和上线文Context特征。A-Ad广告的数据通常包括广告的行业，类别，转化目标，创意素材等，这部分的特征在广告主和广告平台都有。C-Context 涉及的主要是媒体及其所处的上下文环境，毫无疑问，这部分的数据当然是媒体所处的广告平台的数据要更加的详尽和精准了。而U-User用户数据，广告平台和广告主都拥有不同程度的用户数据特征。本质上来说，广告主拥有更多的用户数据。当然随着OCPX转化模型的普及，广告平台拥有越来越多的广告主后端的用户数据，所以广告平台的能力越来越强。但是依然有不少的用户数据掌握在广告主的手上。比如用户的活跃率，用户的付费数据，电商APP用户的浏览行为和购买行为等。这些数据的缺失会导致“直投”广告系统对一些特定场景的广告点击率、转化率的预估出现偏差。所以针对某些场景，比如广告重定向（retargeting），通常会使用RTB。

了解到以上两个背景信息之后，我们可以得到RTA与RTB的区别：

1. RTA 主要是针对直投广告，解决的是直投广告系统中无法满足广告主个性化定向的一个实时API，广告的基础定向和出价以及竞价ECPM的预估都在广告平台上进行。RTB则通过ADX对接广告主的DSP平台，DSP对于广告整体价值进行预估并返回ECPM进行竞价。RTB模型，广告主的DSP平台完成广告价值预估的整套系统能力。

2. RTA当前主要用途是一种定向能力，实现人群筛选个性化，流量优选实时化。而RTB则是网络广告行业流量的一种购买模式，是一种根据不同广告的请求实时竞价的一个流量采买模式，两者有明显的区别，RTB在功能能力上其实是已包含RTA的实时个性化定向的能力的。

• RTA 如何优化？

RTA当前主要是一种定向的能力，针对一些大型的媒体广告平台，比如腾讯，头条或者百度的流量，每次都对广告主进行RTA请求的话势必会导致广告主服务器QPS的量很大，压力很有可能扛不住。那么，这个时候可以进行缓存的优化处理，即对广告主已经进行“识别”或者“标记”的用户进行缓存或者记录，下次无需再请求。随着数据量级积累越来越多，其实广告平台其实就能掌握更多的广告主用户侧的数据特征，从而减少RTA的次数。同时这个数据的积累对于广告平台的好处也是显而易见的。

• RTA和RTB 带来怎样的广告优化思考？

我的思考是，让广告主与广告系统平台将各自的优势都能发挥出来。广告优化，从分工上可以从三个方面着手。一是用户价值的判断和识别；二是用户对广告的转化率的预估（CTR/CVR）；三是广告素材的制作和优化；

用户价值的判断主要还是在广告主手上，比如一个付费用户值多少钱，一个电商成单的用户多少钱ROI才可以不亏等，而用户的识别，普通常规的用户定向广告平台可以解决，个性化的定向需要结合RTA了。用户对广告的转化率预估，从整体来看，广告系统平台的预估能力比单个广告主要准确，尤其是大型的广告平台拥有媒体侧丰富的用户行为数据以及汇总了各个不同行业不同广告主的转化行为数据来说，广告转化率的预估能力比一般的广告主DSP要强很多。而针对广告素材的制作和优化，当前主要还是在广告主身上，因为广告的目标用户是什么，广告的核心卖点是什么主要还是广告主更清楚。

从用户对广告的转化率的预估能力来说，RTB的模式将广告的整体价值的预估交给DSP来进行，对DSP平台的预估能力要求是比较高的，且预估的转化率也没有广告平台做得好。因此这部分能力其实可以交给广告平台来做。

因此，RTA的优化，可以从当前主要是定向的能力扩展到实时“个性化的[定向+出价]”的能力。这里的出价，仅仅是对于广告目标结果的一个出价，不是ECPM出价，比如针对付费用户要出多少钱一个付费，针对不同活跃用户的拉活的行为出不同的价格等等。这样，个性化的定向 + 个性化的出价，主要责任方在广告主，而广告主也比较擅长这块的能力。而针对转化率的预估，广告系统平台的能力要更强，通过结合广告主给出的目标结果价格 * 预估的点击率（PCTR）*预估的转化率（PCVR），就可以比较准确的计算出这次曝光的ECPM。这样的广告主和广告平台双方发挥所长，从而使得双方效率最大化。