Desarrollo

de plataformas AdTech

Una demand-side platform es un software que permite a los anunciantes comprar inventario publicitario digital de forma automática en miles de sitios web y apps en tiempo real. Cuando un usuario carga una página, la DSP recibe una solicitud de puja de un ad exchange, evalúa si la impresión encaja con los criterios de segmentación del anunciante (audiencia, geografía, dispositivo, contexto) y coloca una puja, todo dentro de 100 milisegundos. La DSP que gana la subasta muestra su anuncio. Este proceso, llamado real-time bidding (RTB), ocurre miles de millones de veces al día en el ecosistema de la publicidad programática.

Una DSP (demand-side platform) atiende a los anunciantes: los compradores de espacio publicitario. Una SSP (supply-side platform) atiende a los publishers: los vendedores de espacio publicitario. La DSP decide por qué impresiones pujar y cuánto pagar. La SSP gestiona el inventario publicitario de un publisher, fija precios mínimos y se conecta a múltiples ad exchanges para maximizar el ingreso por impresión. Están en lados opuestos de la misma transacción: la DSP compra lo que la SSP vende, y el ad exchange las conecta. Muchas empresas de ad tech construyen ambas para controlar toda la cadena de suministro programática.

El real-time bidding es el mecanismo de subasta que impulsa la publicidad programática. Cuando un usuario visita una página web, el SSP del publisher envía una solicitud de puja con datos anonimizados del usuario (tipo de dispositivo, ubicación, contexto de navegación) a los ad exchanges conectados. Esos exchanges reenvían la solicitud a los DSP, que la evalúan frente a las campañas activas y devuelven un precio de puja - todo dentro de 50-100ms. Gana el mejor postor y su anuncio se sirve al instante. El RTB permite a los anunciantes comprar impresiones individuales a partir de datos de audiencia en lugar de comprar espacio publicitario al por mayor, lo que hace más eficiente cada dólar.

Un ad exchange es el mercado donde los DSP y los SSP realizan sus transacciones. Recibe inventario publicitario de los SSP (editores), difunde solicitudes de puja a los DSP (anunciantes), ejecuta la subasta y devuelve el creativo ganador a la página del editor. Piénsalo como una bolsa de valores para la publicidad: la oferta se encuentra con la demanda en tiempo real y el precio lo determina la competencia. Los principales ad exchanges procesan millones de transacciones por segundo. Algunas empresas construyen ad exchanges privados para tener control total sobre la lógica de subasta, la estructura de comisiones y el flujo de datos entre las plataformas del lado comprador y del lado vendedor.

El header bidding es una técnica que permite a los editores ofrecer su inventario publicitario a varios SSP y ad exchanges de forma simultánea, antes de llamar a su ad server principal. Sin header bidding, las impresiones pasan por una cascada secuencial: cada fuente de demanda tiene su turno y gana la primera que alcanza el precio mínimo. Así se deja dinero sobre la mesa. El header bidding ejecuta una subasta paralela entre todas las fuentes de demanda a la vez, de modo que la puja más alta siempre gana con independencia del orden. El resultado: los editores suelen ver CPM entre un 20-40% más altos. Existen implementaciones tanto del lado del cliente (JavaScript en el navegador) como del lado del servidor (servidor a servidor).

Las plataformas programáticas evalúan docenas de señales por impresión para decidir si pujar: datos first-party (tus propias listas de clientes y visitantes del sitio web), segmentos de datos de terceros (demografía, intereses, intención de compra), señales contextuales (contenido de la página, palabras clave), datos de dispositivo y ubicación, y patrones de comportamiento (historial de navegación, uso de apps). Los DSP avanzados combinan múltiples criterios de segmentación; por ejemplo, llegar a usuarios que visitaron la página de precios de un competidor, se encuentran en un área metropolitana concreta y navegan desde un dispositivo móvil en horario laboral. Después, modelos de machine learning predicen qué combinaciones generan las tasas de conversión más altas.