RTB的产生使得广告市场向着开放的竞价平台的方向发展，这样的平台就是广告交易平台，ADX，其主要特征是用RTB的方式实时得到广告候选，并按竞价逻辑完成投放决策。与广告交易平台对应的采买方为需求方平台即DSP。在程序化交易市场中，需求方对于流量的选择和控制能力达到了极致。
从需求方来看，定制化的用户划分能力使得广告主可以像优化自己的推荐系统那样优化广告购买，唯一的区别是这个推荐系统是放在站外的。动态出价的产品需求以及广告主预算范围内的套利，要求DSP具备点击率预测、点击价值估计、流量预测、站外推荐等多方面的计算能力；新的技术发展趋势是根据广告主提供的种子用户，利用媒体数据为广告主找到行为相似的潜在用户。
在需求方的利益得到保证后，媒体的变现手段也发生相应的变化。媒体至少有4中广告变现选择：合约售卖方式、自营竞价广告网路、集成其他广告网络、通过RTB市场变现。如何动态地选择这4中模式中变现价值最高者，最大化媒体收益是供给方的需求痛点。在这样的需求驱动下，产生了SSP这种优化媒体利益的产品。
实时竞价
用定制化标签指导广告投放，是实时竞价的关键产品目标。
实时竞价的流程
实时竞价的产品接口分为两个过程：预先将ADX与DSP的用户标识对应的cookie映射(cookie mapping)过程以及线上广告请求时的竞价与投放过程。
（1）cookie映射：当供给和需求双方都可以得到同样的用户标识时，不需要此映射过程。但在Web环境下根据cookie投放广告时，映射过程不可避免。cookie映射一般是由DSP在广告主网站上发起，原因是，一般情况下DSP负责的是加工广告主定制受众标签，因而不需要对所有用户都做映射。映射过程可以细分为：
- 从广告主网站向DSP服务器发起cookie映射请求；
- DSP与ADX服务器之间通信完成cookie映射。
（2）广告请求：RTB广告请求细分为3个步骤：
- 当用户接触到媒体网站的广告位时，前端向ADX发起广告请求。
- ADX向各DSP传送URL（或应用ID）和用户标识，发起询价请求。随后，DSP根据数据决定是否参与竞价，如果参与则计算并返回自己的出价。在等待一个固定的时间片后，ADX选出出价最高的DSP返回给媒体网站。
- 媒体网站从胜出的DSP拿到广告创意并展示。
RTB的接口有两个对接方：在ADX方实现的部分为RTB for demand(RTBD)；在DSP方实现的部分为RTB for Supply(RTBS).
实时竞价中的“实时”指的是需求方实时地，即每次展示时参与广告竞价，而供给方对不同广告实时比价的过程。
其他程序化交易方式
在实时竞价产生以后，广告交易越来越多地依赖机器间的在线通信，而非事先约定或由人工操作完成，这样的交易方式为程序化交易。程序化交易的核心目的是让需求方能够自由地选择流量和出价。根据库存类型和价格模式两个产品特征，把市场上与程序化交易相关的交易模式分为4类：
优选
优选可以看成是只有一个需求方的程序化交易，交易过程如下：
优选方式允许单个需求方既可以按照自己的意愿来挑选流量，又可以避免复杂的竞价过程。
私有市场
媒体为了保证广告主的质量，将拍卖限制在一些被邀请的需求方的小范围内，这种程序化交易为私有市场。
私有市场兼顾了优选和实时竞价的好处：与优选一样，是一种邀请制而非公开的交易方式，广告主的质量可以较好地控制，有利于确保媒体的价值不受伤害；被邀请的各需求方之间保留了竞价关系，有利于提升媒体的变现能力。这两点都对媒体有利，因此私有市场是大型优质媒体在考虑程序化交易时的选择。
程序化直投
程序化直投属于直接购买与实时竞价之间过渡的一种交易模式。特点是，交易本身仍然以定价、保量或半保量的方式完成，但需求方可以自行对采买的库存做广告投放决策，有时也可进行一定的流量选择。应用场景有：
- 跨媒体频次控制。
- 多个子产品流量分配。
- 一定比例的还量。
广告交易平台
广告交易平台即ADX，是程序化交易时代的关键产品，负责将媒体流量以拍卖的方式售卖给DSP，可以类比于证券市场中的交易所。
广告交易平台中需要注意的产品策略，主要是如何解决给多个DSP发广告请求带来的带宽和机器成本的上升。这一问题，称之为询价优化。ADX一般为CPM结算方式。
需求方平台
DSP产品的核心特征有两个：RTB、优选等程序化的流量购买方式；支持需求方定制化用户划分的能力。
什么是定制化用户划分呢？从受众定向的角度看，那些形如t(a, u)的定向方式，即与广告主相关的定向方式，就是定制化用户划分。
需求方平台产品策略
DSP的广告决策过程和广告网络非常相似，要经过检索、排序、定价几个阶段，主要差别是完成广告选择后，增加了一个出价的步骤。在实时竞价环境中，出价直接决定着DSP的流量基本单位成本和利润。与广告网络另一个不同的产品策略问题，体现在受众定向的方式上。在广告网络中，主流的定向方式是根据第二方数据加工的标签；在DSP中，以第一方数据为核心，结合第二方或第三方数据的定制化标签，即t(a, u)的定向方式，是其关注的重点。
出价策略
在竞价广告网络中，估计eCPM的目的是为了对广告进行排序，而绝对的eCPM值并不需要太准确。但在DSP中，由于每次展示都要按CPM向ADX报价，准确地估计eCPM非常关键，也成为DSP出价策略的基础。
DSP直觉的出价策略比较简单，只要eCPM估计足够精准，并按照此值出价即可。ADX一般按照GSP来计费，可以确保有利润空间。如果高于此出价，可能存在亏损的风险；如果低于此出价，没有充分利用流量。如果没有预算限制，这样的出价策略就是最有策略。
曲线表示ADX的成交价在一天内随时间变化的曲线。假设我们的eCPM是某高于市场水平的固定值，比较两种出价策略。
- 策略A：对所有询价按eCPM出价，可以获得所有流量，直至当日预算消耗完；
- 策略B：选择一些市价比较低的流量出价，获得这些流量，直至当日预算消耗完；
采用策略B付出的成本要显著低于策略A，也能获得更高的利润。
DSP优化的出价策略可以定性地描述为：首先，通过历史的观察和预测，得到市价的曲线；然后，将一天的预算分配到那些市价较低的流量上。DSP的出价策略要基于两条曲线，即eCPM和市价随时间变化的曲线。
出价和定价过程
DSP同时存在面向广告主的定价过程和面向ADX的出价过程，这两个过程有着密切关联。考虑DSP在各个广告主之间按CPC竞价方式收费的情形，定价和出价过程如下：
DSP对各个广告候选估计eCPM并排序，向排名第一的广告主（a1）收费时，按CPC的第二高价
，因此向ADX的CPM出价也要等于r2。如果DSP赢得了实时竞价，ADX会按照第二名DSP’的出价b’向DSP收取费用。在这种情形下，DSP获得了b-b’的期望收益。
重定向
重定向：把那些曾经对广告主服务发生明确兴趣的用户找出来，向他们投放该广告主的广告。在不同的广告类型上，重定向主要的两种目的：
- 用于品牌广告。当用户已经选择过某品牌的服务或产品后，如果在质量比较高的媒体上看到该品牌的广告，用户会进一步肯定决策的正确性，对品牌的认知度也大大加强。这种用途下，应当以宣传品牌而不是具体产品为主要诉求。
- 用于效果广告。当用户曾经考虑过某种产品，但没有完成最终转化，通过在线广告将这个用户找回，点击率和转化率都会明显高于平均水平。如果已经选择了该产品，可以利用推荐技术推送相关的产品广告。
重定向根据信息来源和使用信息的精细化程度区分为网站重定向、个性化重定向和搜索重定向。
- 召回重定向和个性化重定向
网站重定向，将在一段时间内到达过广告主网站或应用的用户作为重定向集合。在媒体上采买这种重定向流量时，能够得到的量有2个主要影响因素：一是广告主网站本身的访客量水平，二是这些访客与媒体的重合程度。
个性化重定向是找回重定向的一种特例。对重定向流量进行深入加工，按照品类和购买阶段等因素进行创意上的深度个性化，就是个性化重定向。可以冲两个方面做深入挖掘：一是对于处于不同购买阶段的用户，采用合适的创意推动他尽快完成转化行为，购买阶段包括浏览、搜索、加入购物车等；二是对于已经有过购买记录的用户，使用推荐技术向其展示相关的产品以提升二次购买率。
个性化重定向与传统的受众定向方式有较大的区别：
- 动态创意。个性化重定向的核心是用推荐的思路实时决定展示什么商品。
- 推荐引擎。个性化重定向可以看做站外推荐。与站内推荐相比，不同之处：站内商品页上的推荐主要根据上下文信息来进行，站外推荐根据用户信息来进行；站内推荐是发生在某个特定的购买环节上，不需要根据用户的购买阶段来调整创意，站外推荐需要动态调整过程。
- 广告主商品库存实时接口。负责广告信息和广告主网站上的商品信息保持一致，包括价格、创意、时效性等。
- 搜索重定向
搜索重定向，将搜索过与广告主直接相关的关键词的用户群作为重定向集合。
新客推荐
重定向方式虽然精准，但量受到极大的限制。对于大部分广告主来说，除了对老用户精耕细作，更希望接触到“有可能”对自己产品感兴趣的潜在用户。
“有可能对自己产品发生兴趣”这样的用户标签，容易想到的思路是：由广告主根据自己的第一方数据提供一部分种子用户，再由拥有更丰富数据的第二方数据的广告平台分析这些用户网络行为的特征，并根据这些特征找到具有相似特征的扩展人群。这样的标签加工策略为新客推荐。
供给方平台
供给方平台产品策略
关键环节：
（1）聚合：集成多个ADN的JavaScript代码或SDK，在线动态决定向谁请求广告。选择ADN的逻辑，也是对某次展示机会的（u, c），对候选的ADN估计其eCPM以优化收益。
（2）广告投放：SSP一般会提供投放媒体自行销售的广告的功能，即帮助媒体做广告投放。
（3）市场：在程序化交易产生之后，SSP会以RTB方式向DSP请求广告，这形成了一个市场。
一般的决策过程是先估算被聚合ADN和内部广告的eCPM，排序选出最优以后，再以此最优的价格作为低价，向DSP发出询价请求。有时，向候选ADN投放请求后，该ADN不一定能填充这次展示机会，那SSP就转向排名第二的需求方，如果仍然是ADN，则再次请求广告，以此类推。这种模式叫**瀑布模式。**多次请求使得总体请求广告的延迟大大增加。
Header Bidding
Header Bidding是Bidder和媒体建立直接绕过ADX的一种方式，Bidder有机会在实时竞价之前直接向媒体报价，媒体根据出价高低决定中标者。Bidder是所有可以进行报价的服务，可以是DSP、ADX或其他广告参与者。如果，没有，再由ADX进行实时竞价、直接的报价过程，是在客户端即浏览器或应用中发生的。
- 用户访问媒体页面，向服务器发起HTTP请求；
- 媒体服务器将实现Header Bidding功能的脚本
hb.js放在HTML的head标签中，该HTML作为相应发给用户浏览器； - 用户浏览器在解析HTML时，将媒体网站配置好的hb.js下载到本地。在hb.js控制下，浏览器向媒体网站约定好的Bidder发起本次曝光机会的竞价请求，Bidder将报价返回给用户浏览器；
- 在
hb.js控制下，用户浏览器将各家Bidder报价信息回传给媒体网站； - 媒体服务器同时向ADX或SSP发送广告请求；
- ADX或SSP发起RTB过程并获得广告候选；
- 媒体服务器将Header Bidding出价结果和RTB出价结果放到一起排序，出价最高者赢得本次广告展示机会，用户浏览器请求胜出方加载广告。
客户端询价的模式带来了比较的广告时延，这让实际的曝光减少了，也影响了用户体验。
