OpenResty在腾讯游戏营销技术中的应用和实践

什么是实时竞价广告?以及实时竞价广告的流程是怎么样的?这里面有一个图。我们从最右边往左看，最右边就是我们的用户打开手机看内容，比如看头条里面的内容或者刷新闻。过程中会看到有广告位的，当刷到有广告的那个页面的时候，这个时候 APP 就会向 ADX (广告交易平台)服务器发一个广告请求。广告交易平台服务器收到这个广告请求之后，它会去把这个广告请求分发给下面的广告主的 DSP 服务器，当然DSP 服务器可能会有很多家，一般来说只有大型的广告主才会有自己的 DSP 服务器。

腾讯游戏作为一个比较大型的广告主，它也有自己的 DSP 服务器。它收到的广告请求之后会怎么做呢?它会把这个广告请求里面的流量到它的DMP(数据管理平台)数据库里面去做一个判断，怎么判断?就是这个用户是不是我需要的，如果是我需要的话，我应该给他评估一个怎样的价钱，就是说我愿意出多少钱给来获得这个用户的这个广告曝光机会。

这里面会涉及到一些机器学习的算法去评估这个出价，最终确定了出价之后，他会把这个出价原路返回给 ADX 服务器。ADX 服务器收到这个出价之后，它会等待其他广告主的 DSP服务器的出价，放在一起比较来最终选择最高出价的广告主的广告，然后把这次广告曝光的机会给到这个广告主，展示这个广告主的广告素材，这个就是一个比较简化的实时竞价广告的流程。

里面需要做的一个事情就是，在这个 ADX 和 DSP 服务器之间的交互是通过 OpenRTB 协议来做的，这里面有两个问题需要解决：

• 第一个是流量非常大，ADX所有的广告请求都会发给 DSP 服务器，有些大的媒体可能有好几万个QPS，如果好几家的话加起来很轻松会超过十万QPS。
• 还有一个问题就是 ADX要求所有的DSP 必须在 100 毫秒返回出价响应，这个100ms包括网络上的时间，如果 100 毫秒之内我没有收到你响应的话，我就视为你放弃了这个出价。

当然实时竞价广告技术方面有很多挑战，主要有这么几块的挑战。

• 第一个就是在数据方面，包括标签挖掘、人群扩散、画像分析，还有一些实时分析、透视分析来辅助刷选投放目标人群，这个是在数据方面的技术挑战。
• 第二个就是算法，算法会包括两个比较核心的算法。第一个就是 pCTR，第二个就是pCVR，pCTR 就是点击率预估算法，pCVR是转化率预估算法，这个转化可能会包括多个，有下载、注册、付费、活跃等等都属于转化。这两个算法会用到现在比较热的一些机器学习的算法在里面。
• 第三个方面的挑战就是在系统层面的挑战，刚才提到了 ADX 和 DSP 服务器，它之间会有比较高的QPS，另外就是时延有要求，100毫秒的要求。今天我分享的内容主要是偏重于在第三块，就是在系统层面怎么和 OpenResty 进行结合。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!