讓廣告精準命中!RTB實時競價與重定向廣告的應用
讓廣告精準命中!RTB實時競價與重定向廣告的應用

上一篇我們了解了RTB(實時競價)廣告的發展歷程。本文將針對RTB 與 Retargeting(重定向) 的結合使用方式作說明。這兩個廣告技術,可以幫助廣告主命中消費者,大幅提高廣告效益。讓我們一起來了解它們的運作方式。

RTB (Real Time Bidding)實時競價的運作

RTB 實時競價廣告說明

假設一家汽車公司的目標族群是居住台北、30-35歲的白領男性。當他到訪網站時,電腦(AD Exchange)在判斷出這位用戶的特徵後,即會把此特徵告訴廣告主僱用的DSP廠商。

DSP (需求方平台)就會根據廣告主擬定的競價條件出價,競標成功後就能對用戶進行廣告展示。整個過程的背後其實有龐大的運算,但在用戶眼中似乎一瞬間就完成了。

 

Retargeting 重定向技術的運作

Retargeting 重定向運作說明

Retargeting的功能主要針對曾經到訪過你的網站,卻沒有成交的人展示廣告。假設有一位用戶到訪你的網站,但在看了一些商品後卻遲遲沒有下單就離開了。這時Retargeting的技術就能夠捕捉這名訪客的身份(Cookie),然後特別針對這位訪客投放廣告。無論她上哪個網站,都能對她投放你的廣告,試圖將她導回商品頁面完成購買。

 

掌握用戶樣貌 提升廣告效率

RTB與Retargeting掌握用戶面貌

在過去,廣告主都去分眾網站(niche websites) 採購廣告版位來作曝光,但由於不知道真正點廣告的是誰而造成浪費預算。現在透過RTB競價方式和重定向技術,廣告主就能夠精確掌握用戶樣貌,直接採購特定特徵的人群,進而強化廣告效率,精確使用廣告預算。

 

重定向的實際應用

重定向技術的實際應用

重定向技術可以運用在3個方面:

●「個性化」重定向-根據瀏覽頁面的比例來分析訪客興趣,分析訪客購買了什麼,然後對他投放周邊/相關商品廣告
●「商品」重定向-分析訪客瀏覽過的單一商品,例如:玫瑰化妝水,然後投給該訪客其他的「化妝水」廣告。或分析訪客瀏覽過的商品品類,例如:玫瑰化妝水,然後投給該訪客其他的「玫瑰」保養品廣告
●「購物車」重定向-分析有放入商品至購物車卻沒有完成結賬的訪客,然後提醒他有喜歡的東西還沒有結賬、商品有新的活動、或投放不同品牌的相同商品。

 

重定向廣告的4個目標

重定向的4個目標

重定向廣告可以根據以下4種情況鎖定用戶:

● 來過網站的人
● 根據離開網站時的頁面,投遞該商品廣告
● 把商品加入購物車,但尚未購買商品的人
● 依照訪客來訪時間,在特定時限內(如2週內)做投遞

 

掌握更多的訪客特徵

掌握訪客特徵

ADPartner 的ALL X的技術有能力分析與提供更多的訪客特徵,包括:

● 訪客人口屬性-性別、地域、來源媒體、訪客找回、時間控制、頻率控制
● 訪客行為屬性-站內搜索、購物車、列表頁、首頁、收藏評論、新註冊、單品頁、類別頁
● 訪客興趣愛好-3C、運動、旅行、汽車、家居、娛樂、時尚、電影
● 訪客角色屬性-聯合登錄、是否註冊、入站設備、入站關鍵字、入站次數、登入次數

ALL X能獲得並提供上述真實的後台數據,不僅在收費上有真憑實據,也能幫助廣告主建立客戶的行為模式,充實CRM(客戶關係管理)資料。

 

結語

RTB 與Retargeting兩項技術的結合,使網路廣告從購買「廣告版位」的時代,進化到購買「精準族群」的時代。廣告主可以辨認屬於自己的族群,向對的網站訪客投放廣告,有效運用廣告預算,大幅提升網路廣告的回報率。

完整資訊圖表:http://www.adpartner.me/retargeting.html

出自Inbound Journals

往下滑看下一篇文章
AI 競爭全新戰場!美光 Mike Cordano:記憶體將成下一個企業戰略制高點
AI 競爭全新戰場!美光 Mike Cordano:記憶體將成下一個企業戰略制高點

從生成式AI訓練、推論,到代理式工作流程(Agentic Workflow)與未來的實體AI,資料流量正以指數級成長,讓記憶體從過去支援運算的配角躍升為決定AI效能與能源效率的關鍵角色。

全球知名的半導體與微電子技術分析機構TechInsights指出,AI競爭正逐漸從晶片算力擴展到記憶體架構設計能力,加速「Computational Memory」等新架構興起;在這波浪潮中,深耕記憶體與儲存技術數十年的美光科技,正與關鍵夥伴展開深度協同設計,包含攜手NVIDIA共同開發適用於新世代資料中心的低功耗記憶體技術,在AI基礎建設的新賽局中成為不可或缺的關鍵。

當GPU不再是唯一主角,記憶體為何躍上AI舞台中央?

過去,半導體的焦點多圍繞在晶片,例如CPU、GPU跟AI加速器等,市場普遍認為,晶片運算能力是左右科技產業發展速度的關鍵,但在進入生成式AI世代後,產業逐漸發現另一個事實:真正限制AI效能的瓶頸不是運算,而是資料能否快速被存取與傳輸。

從大型語言模型訓練,到AI推論、代理式工作流程(Agentic Workflow),甚至未來的機器人與自駕車,龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求,讓記憶體產業從過去相對標準化、以價格競爭為主的市場,逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現,大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為,記憶體是突破(頻寬)瓶頸的關鍵,也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察,也正是Mike在歷經二十餘年的儲存產業資歷,加上四年半的創投生涯後,選擇加入美光的核心原因之一:在AI重塑產業結構的浪潮下,記憶體將成為這波成長最直接的動能所在。

美光 x 數位時代
美光科技全球業務執行副總裁 Mike Cordano
圖/ 數位時代

從零組件供應商到策略夥伴,記憶體共創時代來臨

AI的崛起,正在改變記憶體廠商與客戶的關係。

過去,記憶體產品多是標準化元件,客戶關注的是價格、供貨與規格;合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大,從資料中心、雲端平台到終端裝置,記憶體已經成為決定系統效能的重要關鍵,也因如此,越來越多企業將記憶體視為「策略性資產」,而非單純零組件。

Mike表示:「現在,我們跟客戶合作的時間跨度改變了,在產品正式上市前三到四年便開始合作,從系統架構階段就共同規劃未來需求。」例如,美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體,便是雙方提前多年展開深度合作(co-design)的成果。

值得特別注意的是,美光科技除從技術層面與晶片製造商等夥伴共創產品,也在需求層面與客戶進行密切合作,例如,將過去較無約束力、期限僅一年的長期協議(LTA)轉變成為期五年、條款更具約束力的策略性客戶協議(SCA),藉此掌握客戶的未來需求,進而在技術層面做更深度的合作。Mike坦言,深度協同設計是高成本的投入,美光的做法是先廣泛進行市場感知,理解不同場域的需求方向,再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向,AI浪潮重寫記憶體成長模式

除了合作模式改變,更大的典範轉移是需求的改變。

Mike解釋,過去記憶體需求跟PC、手機跟伺服器出貨量息息相關,但在AI新世代,推動記憶體需求成長的核心不再是設備數量,而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式,每一次的模型運算都需要消耗大量的記憶體跟儲存資源,這意味著,即使設備銷量成長趨緩,記憶體需求仍可能持續上升。」

更重要的是,AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域,儘管不同場域對記憶體的需求不盡相同,但是,Mike認為:所有AI裝置都存在三項共同需求:更快的速度、更大的容量,以及更高的能源效率。

正如Mike在受訪時提到的:「我們最大的挑戰,是如何與客戶和整個生態系保持高度一致,一方面創造供給與產能,另一方面持續推動技術創新。」可以預期,在接下來的五年,記憶體產業面臨的挑戰不僅僅是擴展產能,而是如何與客戶共同規劃需求、同步投入技術創新,而這也是美光科技積極經營AI生態體系的原因。

總的來說,AI帶來的改變,不只是算力提升,而是重新定義整個運算架構:過去,記憶體被視為支援運算的基礎元件;現在,則是決定AI效能、能源效率與創新速度的關鍵資源;當產業競爭從晶片性能延伸到資料流動效率,從裝置數量轉向Token消耗量,記憶體的重要性也將隨之水漲船高,對美光科技來說,這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓