有人感叹美团饿了么等生活服务平台体量太大！每隔一段时间就能听到XX又在做外卖，XX在买菜开早餐店，XX出租车最近在借势，XX地图开始转型生活服务平台！
面对流量红利见顶的窘境，各大巨头的存量和增量市场都在暗地里玩。这对信息流广告有什么影响？
最近在后台收到了很多私信，有甲方的，也有乙方的，问题都差不多:在线服务行业好做吗？什么是RTA和RTB？拉新链的门槛高吗？访问数据可以事半功倍，但是安全性能保证吗...
我的天啊！我的第一反应是，还有人不知道如何更轻松、高效、安全地拉新工作。
我在读者群中调查了一些读者，发现很多人，无论是乙方的一线优化人员，还是甲方的广告主，真的不知道RTA/RTB是什么意思，或者只是停留在知道的层面，既不知道原理，也不知道背后的逻辑。
这正常吗？很正常。做了一年会计，不懂这个，老板也没有辞退我。以前不知道RTA，但是不影响我做广告，但是现在看到RTA会成为广告主的标配——降本增效的效果就在这里，你什么都不知道有点危险！
今天我们就来说说RTA的应用，说说在线服务行业的生活服务赛道做过的事情。
01
什么是RTA和RTB？
跟拉动新就业有什么关系？
RTA这个词这几年确实兴起了，很多广告都或多或少的接触到了RTA。RTA到底是什么意思？在介绍RTA之前，先普及一下基本背景。
首先，媒体的流量很大，需要整合，在摊位上卖给广告主。所以我做了一个ADX平台来管理这些流量，决定分配给谁。
同时，媒体也不能挨家挨户去找广告主，效率太低，所以我们做了一个公众平台，让大家自己上来做广告。这个平台就是DSP平台。来DSP平台收费打广告的客户，可以设置定向、预算、竞价等。以优化效果。
必须有一个对接数据库，一方面会告诉ADX竞价结果来完成流量分发，另一方面会存储客户设置的预算竞价定向数据。
大家都知道媒体支持上传众包，因为算法是一个学习的过程。你提前给他准备一套“教材”肯定比他从0开始随机看着学效率更高。我们平时用的最多的就是上传转化后的人群包，排除或者扩展。但是打包数据上传还是挺麻烦的，大客户每天都有很多新数据。重复这一步太麻烦了。同时，在某些行业，数据对客户来说比较敏感，打包上传不方便。届时将需要RTA！
RTA是媒体为广告主提供的基于广告主数据过滤流量的windows sockets服务。简单来说，媒体把用户信息发给广告主:你要这个用户吗？广告主回答是或不是，媒体决定是否参与竞价。
需要注意的是，RTA只能决定不参与竞标，而不能决定竞标成功与否。
广告主说:我不要这个用户，那媒体肯定会放弃竞价；
广告主说:我要这个用户，根据平台设置和数据算法，媒体不参与竞价。
于是RTA首先被用来拉新场景:我已经有这个用户了，不用给我推了。
RTB，另一个维度的单词，代表实时竞价。
RTB最成熟的用途是对老用户做二次营销，也就是大家所说的拉动活动。客户可以根据自己的数据能力计算点击率和点击单价。计算eCPM后，他们可以直接向广告平台竞价CPM，做出更合理的用户价值预估。你一听就知道，要求广告主有很高的数据建模能力和数据量。
02
你为什么想做一份新工作？
移动互联网的过去十年是疯狂购买和一个又一个行业广泛增长的十年。
当时大家比较的是装机量和日常生活。但野蛮生长之后，问题也突然暴露出来:增长接近瓶颈，拉新越来越难，大量下载后从不打开的沉默用户积累。
然后大家成长的核心问题从“带新”变成了“带新”。
以线上服务生活服务业为例。在一场疫情下，用户对生活服务平台产生了重度依赖，消费者对服务的需求激增，单一服务APP逐渐“平台化”，各种增长渠道的诞生。饿了么美团等生活服务平台为业务增长提供了更多机会。于是，各方巨头纷纷发力服务赛道，直接将竞争推向白热化。
但是，随着互联网红利期的过去，拉新越来越难了！
2021年以来，cmnet用户数保持在近11.6亿，同比增速在5月份首次出现负增长。流量达到峰值，越来越贵。我们能做什么？
一方面，新产品的推广还是要有一个增长空，所以行业玩家越来越重视新的推广方式，通过自身数据和广告平台数据的结合来识别高价值的潜在人群。
另一方面是继续玩花:根据不同用户的消费倾向和喜好，深挖用户价值，也就是俗称的分层拉！
03
广告主的困境——不懂，不会，不敢
数据安全一直是很多广告主关心的问题。很多广告主的核心数据或能力无法整合到媒体的广告转化模式中:比如金融行业的一些核心客户数据不愿意传输到DMP；一些电子商务公司的LTV和交易数据也不愿意给广告平台。
这时候RTA的作用就体现出来了。
你可能还会有疑问:RTA不会也给媒体一些用户信息吗？如何解决数据安全问题？
既然会影响到深度转型，那么一些深度数据的回归是必然的。RTA可以最小化您想要公开的数据。
比如我要为我的100万用户做广告。传统的方式是把这100万用户的数据打包上传到DMP定投，这是保密最差的方式。但是我用了RTA之后，媒体给我发了100万个用户id，我选了其中的1万个来投票，所以媒体最多知道这1万个id中至少有一个是我的用户。包括用户价值的估算。
下面我以腾讯的广告为例，介绍如何解决整个投放过程中的数据安全顾虑。
腾讯双管齐下，打造内外“拉新激活”的双循环蓄水池——引水加速器精准导入新客户，高强度制氧机层层精细运营老客户——从而实现外部引水和内部唤醒的双循环，导入新源注入新活力，实现用户和收入的双增长。
首先拉新，为什么有些广告主还停留在粗糙的拉新上？
1.一方数据使用认知浅薄，无意识。
这又要回到开头了。很多人对自己数据的认知还停留在对上传包的排斥和扩大上。为什么别人成本比你低，转化比你好？都是在自己的数据利用上！
2.数据是多维的，复杂的，没有动手使用的说明。
不会用的。数据那么多，哪些有用，怎么连接，这本身就是难点。
3.高数据安全性考虑
对于部分客户来说，用户数据的敏感度高，知道转化效果会更好，不敢上传到媒体。
4.这样做的效果出乎意料。
有多大用处？你需要我上传核心数据吗？
以上四点基本涵盖了大部分广告主的心声。这些能解决吗？当然可以！
联合专区是腾讯广告推出的解决方案:腾讯广告与广告主共建“联合专区”，结合双方数据，通过高价值用户建模学习用户特征，在深度优化LTV的同时，增加高权重人群的获取能力。
腾讯提供高级别的访问通道，独立的存储机制，独立的数据深度应用，从数据访问、数据存储，到数据应用，提供全方位的数据安全保障，确保一方数据安全。让广告主在自己掌控的安全环境下实时采集数据，实现不使用核心人群，满足数据保密性的非目标人群筛选功能。
简单来说，这是一个安全可控的工具平台，自主性高，灵活性大。
广告主可以在这里上传历史数据，将自己的一个客户作为正样本进行建模，基于广告主对用户群体的认知，人工筛选样本，对样本的关联度进行评分，根据评分智能优化投放模式，轻松找到更有可能带来高转化的人群，完成潜在客户的挖掘和新客户的招募，从而达到降本增效的目的，输出更多ROI。
有什么效果？披露一组关键数据:高价值人群占比从10%提升至25%；CPM增长14.78%，浅层目标转化成本下降9.31%；策略绑定后，建模人群App留存率提升23%，账号LTV提升5倍。
这是什么概念？以我们共同投标方为例。通常情况下，如果要降低10%的转化成本来打压出价，就要面临很大的失量风险，CPM大概率下跌。后端二次留着和LTV就更难提升了。既然前后差距如此明显，我们需要思考的不是用不用，而是如何利用好。
再看看直播，大家最大的问题是:
1.用户是不能被层层分隔的。
2.分层后如何搭配RTA使用？
3.效果不清楚。
我们先来了解一下什么是分层拉入的原理:腾讯广告把付费目标放在CPA上，用RTA实时响应用户加权。根据客户的考核目标和用户的关键行为，对拉入群体进行分层，不同的分层拉入群体设置阶梯式的权重/竞价策略。在优化账户支付成本的同时，增加高权重人群的容量，促进整体账户消费。
简单来说，媒体界面是对你开放的。对于不同类型的不活跃用户，你对他们的活跃价值给出一个大概的评价:这个用户从未打开过APP，可以出高价；这个用户开通了，但是最近用的不多，可以开个低价；然后媒体平台根据你提供的信息进行决策，这是基本逻辑。
这里还披露了一组数据:高体重人群的CVR是账户平均CVR的两倍；高权重人群的权重系数x2，由于人群质量高于平均账户水平，支付成本仍低于平均账户水平；与账户内、策略组和空白对照组相比，eCPM提高10%-15%，CVR提高15%-35%，支付成本下降5%-15%。
下面是效果。你不用，别人用。成本比你的低，数量比你的大。
拉新工作难吗？其实很简单。对于媒体和广告商来说，这是一个双赢的局面。媒体一定会不遗余力的优化运营门槛，通过各种可视化的运营指引、高效的人工客服、销售支持等，简化广告主的投放操作。，针对吸引新客户的不同需求。
