Charles Shao
Go back

程序化交易模式精讲：按定价与保量拆解 RTB 到 PG

Updated:
–views

在上一篇程序化广告生态全景里，顺着一次曝光把 DSP / SSP / ADX / Ad Server 这些角色串了一遍。但那篇文章默认了一个前提：需求方与供给方一旦接入 OpenRTB，就会以「价高者得」的方式竞价成交。

现实中的交易场景远比这复杂得多。针对同一个广告位，媒体（Publisher）既可以将其投入全市场进行公开拍卖，也可以选择仅开放给少数达成合作的品牌广告主；既可以允许需求方实时出价，也可以事先锁定一个固定的 CPM，并承诺交付约定的曝光量。这些不同的流转机制，构成了程序化交易模式（programmatic deal types），也就是业内最常被混用的四个缩写：RTB、PMP、PD、PDB / PG。

本文是 交易模式与拍卖机制 系列的第 1 篇（交易模式）。 全系列 3 篇：

  1. 程序化交易模式：RTB / PMP / PD / PG
  2. Last Look 深挖
  3. 拍卖机制与 Bid Shading

一句话定位：按「价格怎么定」和「量保不保」两根核心轴，拆解 RTB、PMP、PD 与 PG 四种交易模式，并讲清 Deal ID 机制与媒体 Ad Server 的优先级瀑布分配逻辑。

TL;DR

Table of contents

Open Table of contents

1. 先立两根轴：价格怎么定、量保不保

新人接触交易模式时，往往容易把 RTB、PMP、PG 当作一组平行的行业黑话。其实，只要厘清两个核心问题，就能看透它们的本质：

  1. 价格怎么定？ 是每次曝光均通过实时竞价（auction）决出，还是需求方与供给方事先谈妥的固定价（fixed price）？
  2. 量保不保？ 媒体是否将这部分库存预留（reserve）给特定的需求方，并承诺投满约定的曝光量？

这里还有一根隐含的轴，即计费方式。这四种模式基本都按 CPM（cost per mille，千次曝光计价） 成交，交易的标的正是「曝光」本身。正因如此，它们区别于按点击（CPC）或按转化（CPA / oCPX）计费的效果广告：交易模式探讨的是「以何种价格和方式获取这次曝光机会」，至于获取后如何针对 KPI 进行优化，则是另一层面的问题。因此，下文凡涉及价格，单位统一为 CPM。

将这两根轴交叉，我们就能得到一张清晰的 2×2 矩阵：

实时竞价定价固定价
一对多·不保量RTB（公开竞价）
PMP（私有竞价）		—
一对一·不保量—PD（优先交易）
一对一·保量—PDB / PG（程序化保量）

这四种模式从左下角的「全公开竞价」延伸至右上角的「锁价锁量」，本质上构成了一条从市场化到契约化的光谱。下面的决策树清晰地展示了媒体方在面对一次曝光机会时的思考路径：

程序化交易模式决策树：紫色起点「媒体的一次曝光机会」向下到灰色决策「价格怎么定？」；左支蓝色「实时竞价决定」到「向谁开放？」再分出蓝色 RTB 公开竞价（全市场）与琥珀色 PMP 私有竞价（邀请制）；右支粉色「事先谈好的固定价」到「要不要锁量？」再分出粉色 PD 优先交易（不锁量）与绿色 PDB / PG 保量（锁量）。底部蓝色注解概括两轴分叉与从左到右的契约化光谱 两个分叉点就够了：先分「竞价 vs 固定价」，竞价侧再分「公开 vs 邀请」，固定价侧再分「锁量 vs 不锁量」。四种模式就是这棵树的四片叶子。

需要强调的是，越往右上角（保量、固定价）走，交易形式越像传统的「销售签合同卖广告位」，只不过改用程序化管道来执行；而越往左下角（公开竞价）走，流程越自动化、成本越低，但媒体对需求方的身份以及流量的最终成交价也越缺乏掌控。因此，交易模式的选择，实际上是媒体在收益最大化、库存控制权与流量质量三者之间做出的权衡。

这条光谱同样映射了程序化广告的技术演进时间线。程序化交易最早（约 2009 年起）始于 RTB 公开竞价，旨在解决「长尾库存如何自动变现」的痛点；随后，媒体发现优质库存容易在公开市场被贱卖，于是催生了 PMP（约 2012 年起）来护盘提价；随着品牌广告主对确定性的诉求日益强烈，传统的直采模式被引入程序化管道，进而演化出了 PD 与 PG（约 2014 年起）。这四种模式并非一蹴而就，而是市场在十多年间沿着「清长尾 → 护优质 → 要确定性」的主线逐步迭代而来的。

2. 竞价侧：RTB 与 PMP

2.1 RTB / 公开竞价：全市场价高者得

RTB（Real-Time Bidding，实时竞价） 在交易模式的语境下，通常特指 Open Auction（公开竞价 / Open Exchange）。在这种模式下，库存对所有接入交易所的需求方开放，每一次曝光都会触发一场实时拍卖，遵循价高者得的原则。

它的核心特征可以用三个「最」来概括：

RTB 是程序化交易的起点，也是库存变现的兜底方案。它完美解决了长尾流量的变现难题：将那些难以高价售出、但闲置又会造成浪费的库存，通过自动化的方式以市场公允价格清理掉。

2.2 PMP / 私有竞价：邀请制的小拍卖

随着程序化交易的深入，媒体很快意识到：将所有库存毫无保留地投入公开市场是不划算的。诸如首页、核心版位以及高价值受众等优质库存，理应获得更高的溢价，同时也需要更严格的需求方筛选机制。正因如此，PMP（Private Marketplace，私有市场） 应运而生，其最典型的形态便是 Private Auction（私有竞价）。

对比前一种方案，PMP 依然保留了竞价机制且不保量，但额外增加了三层「门禁」：

简而言之，PMP 就是一个带有 Deal ID 和底价限制的、邀请制的小型 RTB。它使得媒体在保留竞价灵活性的同时，能够将优质库存精准售予合适的需求方，不仅提升了成交价，还大幅改善了流量质量与交易透明度。

注意：PMP 是一个伞形概念。严格来说，它既包含 Private Auction（私有竞价，仍属拍卖范畴），也常被泛指后续的 PD 与 PG，因为它们均依赖 Deal ID 在私有通道内执行。为避免混淆，本文采用最常见的行业口径，将 PMP 主要指代 Private Auction。

3. 固定价侧：PD 与 PDB / PG

竞价侧（RTB / PMP）的共同点在于：价格由市场实时决出，且不承诺曝光量。而固定价侧则截然相反：价格由需求方与供给方事先谈妥，按 CPM 计价，并进行一对一交易。两者之间的唯一区别，就在于是否保量。

3.1 PD / 优先交易：固定价 + 优先过目，但不锁量

PD（Preferred Deals，优先交易；也称 Unreserved Fixed Rate） 是指需求方与供给方一对一协商好一个固定的 CPM，随后媒体会将符合条件的库存优先推送给该需求方过目，这便是 first look（优先过目权）。

该模式的关键在于「不保量、可放弃」：

PD 的核心价值在于优先权与固定价的结合。需求方无需参与激烈的竞价，便能以约定价格锁定优质库存的第一顺位选择权，同时保留了「看人下单」的灵活性；而媒体则锁定了一个高于公开市场均价的收益，其付出的代价仅仅是不提供曝光量的硬性承诺。

3.2 PDB / PG / 程序化保量：锁价又锁量，等于程序化直采

当我们将目光移至光谱的最右端，便会看到一种量价双锁的模式。业内对此有多种称呼：PG（Programmatic Guaranteed，程序化保量）、PDB（Programmatic Direct Buy，程序化直采）或 Automated Guaranteed，它们指代的都是同一种交易机制。

其本质，就是利用程序化管道来执行一笔传统的「直采大单」。

PG 完美契合了品牌广告主的核心诉求：确定性。大型品牌在开展 campaign 时，追求的是「务必在指定媒体的核心版位，投满约定的曝光量」，而非「也许能通过竞价获取」。PG 将传统直采的确定性与程序化交易的自动化（统一在 DSP 内完成投放、监测与归因）巧妙地融为一体。

这里需要厘清一个常见的认知误区：PG 的「保量」是一种双向承诺，且「投满」这个动作是由媒体（供给方）来完成的，而非需求方。双方各自锁定的标的并不相同：

角色承诺什么为什么是它
媒体 / 卖方保证交付（投满）约定的曝光量并预留库存库存和 ad serving 均由媒体掌控，只有它能「投」出曝光
买家 / 广告主保证买下并付费约定的量（锁定预算）需求方负责出资，承诺消化这批流量

需求方无法主动「投满」，因为他们手中没有库存；他们能承诺的底线是「买满并付满」。这与不保量模式（RTB / PMP / PD）形成了鲜明对比：在那些模式下，双方均不作硬性承诺，需求方不承诺采买量，媒体也不承诺供应量，一切视单次曝光的实时情况而定。

既然双方都立下了硬性契约，任何一方未能履约便需承担相应的责任。这套违约与补偿机制，正是 PG 最贴近「传统直采」的特征所在：

保量机制带来了极高的确定性，但这并非免费的午餐，它是以双方共同背负违约责任为代价换来的。媒体押注自己能够投满，需求方押注自己能够消耗完毕，任何一方预判失误，都必须补偿对方的损失。相比之下，RTB / PMP / PD 由于缺乏量的承诺，自然无需引入这套违约机制；例如，PD 需求方逐次放弃曝光是完全合规的操作，并不构成违约。

此外，还有一个不容忽视的工程细节：PG 的曝光交付存在两条截然不同的路径，这直接决定了它是否会流经 bidstream。

究竟采用哪条路径，取决于媒体 Ad Server / SSP 的底层架构以及双方的系统接入方式。对于工程师而言，这一细节的指导意义在于：在排查「PG 为什么没投出去」的故障时，首要任务是确认该订单是否流经了 bidstream。若走了 bidstream，排查重点应放在 Deal ID 的匹配逻辑上；若未走，则需深入核查 Ad Server 的 line item 配置与优先级设定。两条路径的排查方向截然不同。

综合对比 PD 与 PG，两者的核心差异就落在一个「量」字上。PD 不保量，需求方可逐次放弃；而 PG 保量，媒体承诺投满，需求方承诺买满。这一差异也直接决定了它们在媒体 Ad Server 中的优先级高低，这正是下一节将要深入探讨的主题。

4. Deal ID：把一笔谈判变成实时可执行的交易

讲到这里，一位严谨的工程师必然会追问一个问题：像 PMP、PD、PG 这些「线下谈好的交易」，究竟是如何在短短 100 毫秒的实时竞价窗口内被精准识别并执行的？答案隐藏在一个不起眼却至关重要的对象中：Deal ID。

Deal ID 是一串唯一的标识符，通常由 SSP（或媒体）生成。它的核心作用是将一笔交易的所有约定细节（包括价格、曝光量、库存范围、定向条件以及需求方身份）编码为一个 DSP 能够在竞价瞬间识别的「凭证」。其生命周期可划分为两个阶段：前一段是一次性的线下协商与系统配置，后一段则是伴随每次曝光高频运转的实时识别。

Deal ID 的两段式生命周期：左侧琥珀色面板「① 线下协商 + 配置（一次性）」自上而下为谈定价格量库存定向 → SSP 生成 Deal ID → 买方在 DSP 激活绑定活动；右侧蓝色面板「② 实时竞价（每次曝光都跑）」为 SSP 在 bid request 带上 pmp.deals[] → DSP 识别 Deal ID → 判定是否匹配活动——是则绿色按约定出价，否则红色退回公开竞价或不出价；两面板中间粗箭头标注 Deal ID；底部琥珀色注解说明固化与激活，以及四种模式共用同一条 OpenRTB 管道 左边一次性配置，右边每次曝光实时执行。Deal ID 就是连接两段的纽带：线下谈判的结果被它「固化」，再在每个 bid request 里被反复「激活」。

顺带一提：在图示的「线下协商 / 配置」环节，行业内也曾有过标准化的尝试。IAB 推出的 OpenDirect 协议，正是为自动化「询价 / 下单 / 排期」这套保量直采流程量身定制的 API 标准。其初衷是让 PG 这类交易也能像电商下单一样实现程序化配置，从而摆脱对邮件往来和人工操作的依赖。然而，现实情况是它的普及度远不及 OpenRTB，目前许多 PG / PD 的协商依然停留在半人工阶段，这也成为了 Deal ID 配置极易出错的根源所在。

4.1 在 OpenRTB 里，Deal ID 长什么样

在 OpenRTB 的 bid request 中，存在一个名为 imp.pmp 的对象，其内部嵌套了 deals[] 数组——这正是私有交易在协议层的具体落点。我们可以通过一个简化的 JSON 示例来直观理解：

{
  "imp": [
    {
      "id": "1",
      "bidfloor": 1.5,
      "pmp": {
        "private_auction": 1,
        "deals": [
          {
            "id": "DEAL-NYT-HP-7788",
            "bidfloor": 12.0,
            "bidfloorcur": "USD",
            "at": 1,
            "wseat": ["agency-seat-42"]
          }
        ]
      }
    }
  ]
}

仅仅通过这几个字段，交易模式的底层逻辑便被完整地编码了进去：

由此可见，Deal ID 并非一种全新的协议，它仅仅是 OpenRTB 框架下的几个扩展字段。RTB、PMP、PD、PG 实际上共享着同一条 bid request 管道；它们之间的差异，仅仅体现在是否携带 pmp.deals[]、at 是否被设定为固定价，以及 private_auction 是否屏蔽了公开竞价。这四种截然不同的交易模式，在底层协议中，不过是同一份请求的不同字段组合罢了。

4.2 DSP 侧的执行

当 DSP 接收到携带 Deal ID 的请求后，其后续的处理流程虽然机械，却极易暗藏隐患：

  1. 匹配：提取 deals[].id，并在本地数据库中查询是否有需求方激活了对应的投放活动。
  2. 校验：严格核对 seat 授权、定向条件、底价要求以及预算消耗进度是否全部达标。
  3. 出价：若匹配成功，则严格按照约定策略执行出价。固定价交易直接报出约定的 CPM，私有竞价则依据算法模型动态出价。
  4. 回退：若匹配失败（或需求方主动放弃），系统将自动回退至公开竞价逻辑，或者直接选择不出价。

在实际工程落地中，最令人头疼的陷阱莫过于 Deal ID 配置不一致：SSP 生成的 ID 与 DSP 激活的 ID 存在细微偏差（如大小写不符、混入空格或已过期），最终导致「交易明明在线下谈妥，线上却始终没有出价动作」。因此，在排查 PMP / PD 无法正常投放的故障时，第一步永远是逐字符核对两端的 Deal ID 是否完全一致。

5. 一次曝光怎么分配：媒体 Ad Server 的优先级瀑布

现在，让我们把这四种模式放回程序化广告生态全景的核心枢纽：媒体 Ad Server。它的首要职责是 ad decisioning（决策分配）：当一次曝光机会涌入时，系统必须在保量单、私有交易与公开竞价之间排定优先级，最终挑选出既能履行合约义务、又能实现收益最大化的那一个赢家。

经典的优先级模型呈现为一条自上而下逐层下沉的瀑布（waterfall）：

媒体 Ad Server 的库存优先级瀑布：紫色起点「一次曝光机会进入媒体 Ad Server」向下依次经过绿色 ① PDB / PG 保量、粉色 ② PD 优先交易、琥珀色 ③ PMP 私有竞价、蓝色 ④ RTB 公开竞价、灰色 ⑤ 保底 house ad；左侧标注各层下沉条件（已交付完 / 定向不符、买家放弃、无人过价、无人过底价）；右侧琥珀色旁注说明统一竞价可反超但仍保留结构性优先权；底部蓝色注解概括读法与保量单「未投满反而抢曝光」的反直觉点 读法：曝光从顶层开始「找买家」，每一层满足不了（量已交付完、定向不符、买家放弃、无人过底价）就往下掉一层，最差兜底到媒体自己的广告。越靠上的层，确定性和单价越高、对媒体的约束也越强。

这条瀑布清晰地解释了以下几个核心机制：

然而，静态瀑布模型也暴露出明显的弊端：纯粹的瀑布流遵循「按固定顺序依次询问，前排吃饱后排挨饿」的死板逻辑。这会导致一种极端情况：一个愿意出价 $20 CPM 的公开竞价买家，竟然会输给一个仅值 $8 但处于高优先级的保量单，媒体因此白白流失了丰厚的潜在收益。

正因如此，现代 SSP / Ad Server 普遍向**统一竞价（unified auction）**演进：将各层级的需求方拉入同一场拍卖中，统一按照 eCPM 进行比价。如果下层买家临时报出极高的价格，完全可以反超上层；但与此同时，保量单与优先单依然保留着结构性的优先权（例如通过附加加价系数，或在同等出价条件下优先成交）。这正是上一篇文章中探讨的 Header Bidding / In-App Bidding 旨在打破「瀑布不公平」现象，在交易模式层面的具体映射。

在媒体 Ad Server（如 GAM）的底层实现中，这条瀑布是通过 line item 配合优先级档位来构建的：每种交易模式对应一类特定的 line item，并被划分至 Sponsorship、Standard、Price Priority 等不同的层级。关于其 decisioning 流水线、dynamic allocation 机制以及统一竞价的完整工程剖析，请参阅专文《媒体 Ad Server 深挖》。

6. 旁支一瞥：last look 与拍卖透明度

交易的「优先级」理应建立在规则透明、逻辑可解释的基础之上。然而，在程序化广告的发展史中，最臭名昭著的反面教材莫过于 **last look（最后一眼）**机制：处于竞价链路「最后一棒」的参与者（典型代表是运行在 Header Bidding 出价之后、内嵌于媒体 Ad Server 中的 ADX），能够利用时间差偷窥到其他买家的最高竞胜价，随后操纵自家需求方报出一个「刚好高出一点点」的价格，从而完成反超。

整个行业之所以坚定地转向一价拍卖与统一竞价，很大程度上就是为了封堵这一漏洞。统一竞价强制所有需求方「同时密封出价，谁也无法在最后时刻作弊」，从而彻底抹除了偷看的时间窗口；而一价拍卖则确立了「成交价即为自身出价」的规则，消除了利用二价机制进行套利的动机。Google 在 2019 年将 GAM 全面切换至 unified first-price auction，正是出于这一深层考量。

但有一种极端情况是纯靠机制无法防范的：当同一家巨头既充当拍卖的组织者（SSP / ADX），又亲自下场参与竞价（自家 DSP）时。ADX 具备天然的上帝视角，能够洞悉全场的出价底牌；此时，所谓「自家 DSP 与其他买家一样盲投」，便从坚实的结构性保障降级为脆弱的口头承诺。这种「既当裁判又当运动员」的身份重叠，正是 Google（AdX + DV360）深陷反垄断诉讼的核心争议点。面对这种局面，买方只能依赖 SPO / 日志级透明 / 结构性拆分等手段来对冲风险。

last look 牵涉到一价与二价机制的博弈、Header Bidding 的技术演进以及科技巨头的反垄断风波，水深且广。此处仅勾勒其轮廓，完整的深度解析请移步专文《Last Look 深挖》。

7. 四种模式横向对比

为了更直观地呈现差异，我们将前文拆解的维度浓缩为一张对比表：

维度RTB（公开竞价）PMP（私有竞价）PD（优先交易）PDB / PG（程序化保量）
定价方式实时竞价实时竞价（带底价）固定 CPM固定 CPM
保量否否否是
买家范围全市场公开邀请制·少数一对一一对一
Deal ID不需要需要需要需要
OpenRTB at1 / 2（竞价）1 / 2（竞价）3（固定价）3（固定价）
Ad Server 优先级最低中较高最高
典型库存剩余 / 长尾优质库存优质库存旗舰版位 / 品牌 campaign
价格水平最低较高高最高
媒体控制权 / 透明度最弱中较强最强
流量质量 / 品牌安全风险最高较好好最好
像谁公开市场清货邀请制小拍卖优先供货协议程序化直采

简而言之：RTB 负责清理剩余库存，PMP 打造邀请制竞价，PD 锁定固定价优先供货，而 PG 则通过锁价锁量实现程序化直采。

将这些抽象的概念代入一个具象的场景，体感会更加深刻。假设某顶尖财经媒体首页释出了一个黄金广告位，面对同一次曝光和同一个用户，四种模式下的交易形态大致如下（数字仅作量级示意）：

模式这次曝光的成交价（CPM）买家拿到它的确定性
RTB 公开竞价~$2，随行就市、每次都变低，要和全市场抢，价高者才得
PMP 私有竞价~$6，底价之上竞价中，只和少数受邀买家抢
PD 优先交易$10 固定较高，有 first look，但可放弃、不保量
PG 程序化保量$15 固定最高，量价锁死，必投满

针对同一个广告位，仅仅因为「采买模式」的不同，成交价便可能拉开数倍的差距。这张表的正确读法是：越往下走，单价固然越高，但「必定能拿到曝光、必定能投满预算」的确定性也随之飙升。需求方多支付的那部分溢价，买的正是确定性与极致的库存质量。这也完美解释了在下一节的买方视角中，为何品牌广告主心甘情愿为 PG 与 PMP 支付高昂的溢价。

8. 买方视角：品牌 vs 效果，什么时候用哪种

前文均立足于媒体（供给方）的视角，探讨「如何将库存卖出最高价」。若切换至需求方视角，选择何种交易模式，本质上取决于广告主的核心诉求是追求确定性还是极致的性价比。这恰好对应了「品牌广告」与「效果广告」两大阵营。

需要强调的是，对于同一个广告主而言，在品牌 campaign 中使用 PG，而在效果拉新阶段使用 RTB，是一种极为成熟且合理的组合策略。交易模式从来不是非此即彼的单选题，而是一个功能丰富的工具箱。

8.1 一个高确定性的极端：CTV / 在线长视频

在交易模式的版图中，CTV（联网电视）/ 在线长视频 是一个值得单独剖析的极端场景。这块库存几乎被 PG 与 PMP 彻底垄断，公开竞价的占比微乎其微。原因非常直白：

因此，在 CTV 的语境下，「程序化」几乎等同于「程序化保量 / 私有交易」，而非公开竞价。这与展示广告（display）以 RTB 为主的格局形成了鲜明反差。关于视频插播与交付工程（如 CSAI / SSAI、信标追踪、家庭级频控）的深入探讨，请参阅专文 CTV / OTT 与 SSAI。

8.2 一个买方单位经济算例：PG 的 $15 真的比 RTB 的 $2 贵 7.5 倍吗

在 §7 的对比表中，我们给出的名义 CPM 是：PG $15，RTB $2，两者相差 7.5 倍。新手往往会据此得出「RTB 便宜得多」的草率结论；而资深从业者深知，这是一个极具迷惑性的陷阱。名义 CPM 绝不等于需求方真实付出的单位成本，因为并非每一次曝光都具备同等价值。一旦我们将「合格曝光」（即满足可见 viewable、非作弊 non-IVT、品牌安全 brand-safe 三项指标）的折损率纳入计算，整个故事的走向将彻底反转：

PG（保量优质库存）RTB（公开竞价剩余库存）
名义 CPM$15.00$2.00
可见率95%55%
非 IVT 率99%88%
品牌安全率100%85%
合格曝光占比≈ 94%≈ 41%
每千次合格曝光成本≈ $15.95≈ $4.86

这里的算法非常直观：合格占比 = 可见率 × 非 IVT 率 × 品牌安全率；每千次合格曝光成本 = 名义 CPM ÷ 合格占比。

解读这张表，我们会得出两个颇具反直觉的结论：

因此，在评估交易模式时，切忌盲目对比名义 CPM。正确的做法是：用「每千次合格曝光成本」作为基准线，再单独为「确定性」标定一个合理的价格。一个成熟的广告主完全可以做到游刃有余：在品牌 campaign 中重仓 PG（为确定性支付那 3.3 倍溢价），同时在效果拉新战役中横扫 RTB（为了极致性价比去挖掘那 41% 里的转化潜力）。这并不矛盾，恰恰印证了前文那句「交易模式是一个工具箱」的量化真理。

9. 生产取舍

分享一个真实的线上踩坑案例：一笔线下谈妥的 PMP 交易，买卖两端的后台均显示「配置成功」，然而上线后却连续三天遭遇零竞价、零曝光的诡异现象。在排查过程中，我们将 DSP 侧的 deal-level 竞价日志完整拉出，发现请求在匹配环节就直接落空了。最终定位到的元凶令人啼笑皆非：SSP 生成的 Deal ID 在被复制粘贴时，末尾意外带入了一个不可见的尾随空格；而 DSP 激活的那串 ID 却干干净净。只有通过逐字符的严苛比对，才让这个幽灵空格现出原形。删掉空格后，仅仅过了几分钟，竞价量便如潮水般涌入。这个案例深刻揭示了一个残酷的真相：交易模式的线上故障，八成并不出在复杂的竞价逻辑上，而是栽在了 Deal ID 这根脆弱的字符串是否完全对齐上。

10. 常见误解 ↔ 正解

以下是业内最容易混淆的几个概念盲区：

常见误解正解
RTB = 所有程序化竞价在交易模式的语境里，RTB 特指公开竞价（Open Auction）；PMP 同样采用竞价机制，但属于邀请制
PMP 和 PD 是一回事PMP（私有竞价）本质上仍是拍卖；而 PD（优先交易）则是固定价 + first look，完全不涉及竞价
PG 的「保量」是买家承诺投满「投满」是媒体（供给方）的专属义务，因为买家手中没有库存；买家承诺的底线是「买满 / 付满」
Deal ID 是一种新协议它仅仅是 OpenRTB pmp.deals[] 数组内的几个扩展字段（如 id / at / private_auction 等）
固定价一定比竞价贵（或便宜）并不绝对；但整体趋势是，越往「保量固定价」方向走，单价通常越高，多付的溢价买的是确定性
保量单优先级最高 = 总能拿到曝光必须同时满足定向匹配且未投满两个条件；若已投满或定向不符，曝光依然会下沉
统一竞价后保量单就没优先权了依然保留结构性优先权，只是在机制上允许下层通过临时报出极高价格实现反超
PMP 不保量、所以没价值它通过邀请制 + 底价机制，成功护住了优质库存的稀缺性，不仅抬高了价格，还大幅改善了流量质量

延伸阅读

建议按照「全局 → 交易 → 决策落地 → 透明度」的逻辑脉络串联阅读，体验最佳：

以下为行业规范与权威一手资料：

附录：术语表

–views
Share this post on:
Share this post via WhatsApp Share this post on Facebook Share this post on X Share this post via Telegram Share this post on Pinterest Share this post via email
Previous Post
Last Look 深挖：从二价偷看反超到一价统一竞价
Next Post
程序化广告生态全景：一次曝光在各系统的流转机制