Jul 17, 2026·6 分钟阅读
出价请求（OpenRTB）
出价请求是广告交易平台向竞价方（DSP）发送的消息，用于描述可用库存。该消息由IAB OpenRTB规范定义，包含页面URL、设备信息、用户ID以及一个或多个
Imp（展示）对象——每个对象代表一个特定的广告位。交易平台期望在硬超时时间内（通常为几十到几百毫秒）收到出价响应。超时响应将被丢弃，这使得出价请求处理成为核心延迟挑战。
什么是竞价请求
竞价请求是程序化广告中供给的原子单位。当用户加载页面或应用时，发布商的广告服务器调用广告交易平台，后者向所有连接的DSP广播一个OpenRTB BidRequest对象。
竞价请求中的关键组成部分
- Imp对象 — 每个描述一个广告位：尺寸、底价、允许的创意类型，以及可选的
Banner、Video或Native子对象。 - Site/App对象 — 发布商域名、内容类别和库存类型。
- Device对象 — 操作系统、浏览器、IP、设备型号和地理位置。
- User对象 — 匿名化ID（Cookie、设备ID或PPID）以及可选的分段。
- Regs对象 — 监管标志，如COPPA、GDPR或CCPA。
单个请求可以捆绑多个Imp对象（例如，一个300×250横幅加上一个728×90顶部横幅）。DSP必须决定对哪些（如果有）进行竞价，并根据Imp.id返回响应。
所以呢： 竞价请求是每次拍卖的原材料。其丰富程度决定了DSP对展示价值评估的准确性。稀疏或不准确的请求会导致糟糕的竞价决策。
计算方式
Bid Request 并非通过计算得出——它是由交易平台根据发布商供应信号构建的。Bid Request 的数量就是交易平台在给定时间段内向竞价者发送的 BidRequest 消息的数量。
Bid Requests = 发送的 BidRequest 消息数量
重要注意事项
- 多曝光请求 — 一个包含 3 个 Imp 对象的 BidRequest 仍算作 1 个 Bid Request，而不是 3 个。如果您需要广告位级别的数量，请统计
Imp对象。 - 重复请求 — 某些交易平台会将同一曝光发送给多个竞价者（多路复用）。每次传输都是一个独立的 Bid Request。这会导致请求数量相对于实际广告调用数量增加。
- 被过滤的请求 — 未通过验证（例如缺少必填字段）的请求通常会被记录为错误，而不是 Bid Request。请查阅您交易平台的定义。
- 超时丢弃 — 过期且未收到响应的 Bid Request 仍会计入请求数量。被丢弃的是 DSP 的响应。
所以： 将 Bid Request 数量与 Bid Response 数量进行比较，可以揭示 DSP 实际评估了多少机会。两者差距较大通常表明存在超时或限流问题。
如何在仪表盘中解读
竞价请求量是一个漏斗顶部指标。数值高表示DSP看到了很多机会；数值低可能表示连接问题、流量低或节流。
与之搭配的指标
- 竞价响应率 — 竞价响应数 / 竞价请求数。比率低表示DSP跳过了许多请求（节流、数据差或处理慢）。
- 胜出率 — 获胜展示次数 / 竞价响应数。如果请求量高但胜出率低，则出价策略或价格有问题。
- 平均延迟 — 从收到请求到发送响应的时间。如果延迟接近超时，响应会被丢弃，降低有效响应率。
常见的仪表盘误读
竞价请求量的突然飙升常被庆祝为“更多供应”。但如果飙升来自低质量库存（例如MFA网站、无效流量），DSP会浪费计算周期而无法赢得有价值的展示。务必按库存层级进行细分。
所以呢： 将竞价请求量视为健康信号，而非成功指标。真正的问题是：这些请求中有多少能带来盈利的胜出？
通常影响此指标的因素
竞价请求量主要由交易连接和流量质量过滤器控制。DSP 无法增加发布商供应，但可以影响其接收和处理的请求数量。
增加竞价请求量的杠杆
- 连接更多交易平台 — 每次新增交易平台集成都会增加请求流。
- 启用更多供应类型 — 公开交易、PMP 交易和直接库存都会产生不同的请求流。
- 减少限流 — 如果 DSP 设定了每秒查询数（QPS）上限，提高上限可让更多请求进入。
- 扩大定向范围 — 移除地理位置、设备或类别限制，允许更多请求通过预竞价过滤器。
减少竞价请求量的杠杆
- 流量质量过滤器 — 屏蔽 MFA（专为广告制作）、广告专用或低可见度域名会减少请求数量，但提高平均质量。
- 供应路径优化（SPO） — 优先选择直接 SSP 连接而非转售商，可减少重复请求。
- 用户同意限制 — GDPR/CCPA 选择退出会减少可寻址请求的池子。
权衡
- 更多请求 ≠ 更多收入。 用低质量库存淹没竞价器会增加计算成本，并可能降低模型准确性。
- 激进限流 保护基础设施，但可能错过有价值的展示。在 QPS 限制与预期获胜价值之间取得平衡。
- 过早过滤（在竞价模型运行之前）可能会屏蔽那些看似廉价但价值高的展示。使用分层过滤：先进行廉价的预竞价检查，再进行昂贵的模型评估。
结论： 优化有价值的请求量，而非原始量。处理 50 万高质量请求的 DSP 通常优于淹没在 500 万低质量请求中的 DSP。
公式
多Imp请求计为1个出价请求。请检查您的交易平台对过滤或错误请求的定义。
适用场景
超时陷阱
某DSP发现竞价请求量稳定在200万/天，但竞价响应率从85%降至60%。
发生了什么： 交易平台将超时时间从150ms收紧至80ms。DSP的模型响应速度过慢。
修复方法： 分析模型推理延迟。将繁重处理（用户分群、创意选择）移至预计算层。在竞价器中添加超时保护，跳过无法及时处理的请求。
要点： 响应率下降通常指向延迟问题，而非供应流失。
重复请求洪流
某DSP集成新SSP后，竞价请求量一夜激增40%。胜率持平，但计算成本飙升。
发生了什么： 新SSP将同一曝光发送给多个竞价方（多路复用）。DSP实际供应量不变，但请求量增加1.4倍。
修复方法： 利用交易平台的
request_id或imp.id+seat组合实现请求去重。或应用SPO规则优先选择直连。要点： 并非所有请求增长都代表真实供应增长。扩展基础设施前需先去重。
质量过滤过度矫正
某家居服务广告主的DSP屏蔽了所有可见率低于50%的域名。竞价请求量下降70%，但胜率几乎未提升。
发生了什么： 可见率阈值对该广告主细分领域过于严苛。许多合法本地新闻网站未达标，导致广告活动供应枯竭。
修复方法： 使用更柔和的过滤方式（如降低权重而非屏蔽），或仅在竞价模型评分后应用过滤。通过对照组进行测试。
要点： 过度过滤供应会扼杀广告活动投放。需根据实际胜率数据验证质量阈值。
常见误区
将出价请求量视为成功指标
更多的出价请求并不意味着更多收入。一个吹嘘“每秒处理1000万次请求”的DSP可能在垃圾库存上浪费计算资源。
替代方案： 同时追踪出价响应率和胜出率与请求量。按库存层级（优质、标准、长尾）细分请求，以了解价值来源。
忽略多广告位乘数效应
一个包含5个广告位对象的出价请求仍然是1个请求。如果通过统计请求数来估算广告位数量，您将低估5倍。
替代方案： 在广告位层级分析时统计
Imp对象。仅将出价请求数用于基础设施扩展和超时监控。假设所有交易平台统计请求的方式相同
有些交易平台将过滤后的请求（例如无效用户代理）计为出价请求，而其他平台则不计入。有些平台统计重试次数，而其他平台则不统计。
替代方案： 阅读每个交易平台的文档。在跨平台比较时，通过使用一致的定义（例如，仅统计到达竞价者模型的请求）进行标准化。
总结
出价请求是驱动每次程序化拍卖的原始信号。其数量重要，但只有与响应率、胜率和质量细分相结合时才有意义。
- 统计请求，但评估展示价值。 高数量而无质量只是噪音。
- 关注延迟。 一个快速但错过超时的模型毫无用处。
- 按来源细分。 并非所有交易平台或库存类型都相同——应分别衡量。
快速检查
确认您已理解本文内容。
single
一个竞价请求包含3个广告位对象。这相当于多少个竞价请求？
请选择答案
参考来源
- IAB Tech Lab OpenRTB 规范 — 概念参考 (https://iabtechlab.com/standards/openrtb/)
- OpenRTB 2.6 PDF — 出价请求和展示对象定义 — 概念参考
- Google Ad Manager 帮助 — 出价请求概述 — 概念参考
仅供学习，不构成投放建议。