行业观察｜旺季将至，SSP如何做好请求分配与收益评估？

随着第四季度临近，品牌开始为黑五及年末购物季安排广告投放。预算覆盖哪些地区、采用哪些广告形式、集中在哪些时段，都会影响买方接下来需要哪些媒体资源，SSP原有的请求发送安排也需要随之检查。

面对一次媒体曝光机会，供应侧平台（SSP）可以向多个需求侧平台（DSP）发送竞价请求，由各买方决定是否出价。旺季前，SSP需要先排查供应路径与接入情况，再结合买方当前需求和历史表现形成初步发送范围；随后根据实际出价表现细化方案，并通过媒体收入验证调整是否值得扩大。

01：先确认买方需求与接入情况

^{BidSwitch在9月发布的第四季度业务建议中指出，同一次曝光经多个SSP、交易平台或转售方传递，可能形成重复请求。冗余请求会增加处理负担，也可能使DSP更难在规定时限内返回出价。[1]}

因此，看到某个DSP出价响应率偏低时，不能直接判断其缺少需求。调整发送范围前，SSP可以先检查供应路径是否存在重复转发，并核对接口运行、响应时限及超时情况，避免将接入问题误判为需求不匹配。

排查接入问题后，还要确认原有发送范围是否符合买方当前需求。SSP可以结合历史出价记录和买方当前投放安排，判断哪些请求继续发送、哪些可以减少。

^{除历史记录和日常沟通外，买方提供的筛选依据也可以参与发送前的判断。Dynamic Traffic Engine（DTE）为这种做法提供了开源框架。2026年4月，IAB Tech Lab宣布接收Amazon Ads捐赠的DTE项目。［2］在这一框架下，DSP提供筛选依据与相应设置；SSP侧组件定期获取这些信息，在准备向该DSP发送请求时，评估相关广告机会是否符合其筛选条件，再由SSP执行过滤或转发。［3］}

这样，买方信息可以更早参与SSP的发送判断；DSP收到请求后，仍自行决定是否出价。发送前的评估针对特定DSP的接收条件，并非对媒体资源整体质量的判断；SSP仍需根据其他买方的需求分别决定是否向其发送请求，保留其参与竞价的机会。

虚线表示买方信息定期更新，实线表示广告机会处理。

02：根据买方表现调整请求分配

旺季前重新安排请求时，不能只凭买方整体出价响应率决定发送范围。以假设情况为例：向同一DSP发送100次请求、收到10次出价，出价响应率为10%；若发送50次、仍收到10次出价，响应率便升至20%。出价数量并未增加，媒体是否受益，还要继续观察这些出价能否参与后续竞争，并最终形成曝光和收益。

2026年8月发表于arXiv的一篇论文，为这类请求分配提供了实验参考。研究团队在一个日均处理超过200亿次请求的平台上开展了四轮在线实验，其中一轮涉及同时调整多个DSP的请求发送策略。^[4]

研究团队没有按照DSP的整体响应率，统一筛选请求，而是结合当前曝光机会、DSP返回出价的可能性、预期出价水平及同场竞争情况，分别判断一次请求对不同DSP的参与价值，再动态调整发送概率。由此，请求分配的判断对象从“某个DSP整体表现如何”，进一步细化到“这类资源是否值得发送给这个DSP”。

在多DSP实验中，平台通过固定分流形成策略组与对照组：策略组采用新的请求分配方式，对照组沿用原有生产方案。研究使用Ratio-DID（比率双重差分）进行评估，即先计算两组在策略实施前后的指标比值，再比较两个时期的比值变化，以估计新策略带来的相对影响，减少组间原有差异和同期市场波动对结果的干扰。

按照这一方法估计，在初始适应期后的14天观察窗口内，DSP请求量下降34.2%，DSP响应量仅下降6.7%，DSP响应占请求的比例提高41.8%。这意味着请求规模明显减少后，大部分买方响应仍得到保留，平台报告的整体变现结果也有所改善。

论文在结论中强调，相比单纯扩大请求发送量，更应关注买方参与的质量。在其研究的平台上，优先向预期能对竞价结果产生贡献的DSP发送请求，实现了请求量下降与平台变现表现改善并存。

论文表6呈现了多DSP实验的总体结果；表8、9进一步显示，不同资源层级和DSP的变化并不一致：有的DSP在请求减少后返回了更多响应，有的则主要体现在出价水平和后续计费表现变化。整体数据背后，可能对应不同的需求结构和竞争路径。

前文提到的DTE，展示了SSP如何将买方需求信号用于发送前筛选；这项研究则进一步说明，平台还需结合实际交易表现形成具体的分配判断。对于整体响应率偏低的DSP，SSP可以继续检查它在哪些地区、广告形式或资源层级上仍能提供有效响应和有竞争力的出价，保留具有交易价值的请求组合，再逐步调整其他部分。

来源：Shianifar等，arXiv:2608.03705v1，Table 6。

数据为策略实施后近期14天窗口的Ratio-DID估计结果。

上：不同流量层级的策略效果（Table 8）。百分比为Ratio-DID估计值，表示策略组相对对照组的指标比值，在策略实施前后的相对变化。

下：Mid-RPM流量中，DSP-A与DSP-B在请求、响应和交易指标上的变化（Table 9）。

两表标题中的“近期7天”均指策略实施后的观察窗口。

来源：Shianifar等，arXiv:2608.03705v1。

Bidnex SSP｜需求匹配与请求分配

Bidnex SSP 实时分析流量与广告需求特征，优化匹配策略，并通过智能送量算法，优先将流量分配给出价更高或填充率更稳定的买方。平台通过预测需求方响应率，自动切换备选买方，减少流量浪费。

03：验证收益，再确定调整范围

论文提供了请求分配的实验参考；落到SSP自身业务，还要确认减少向特定DSP发送请求，是否会影响媒体整体收益。促销期间，买方需求和媒体流量也在变化，如果只比较调整前后的收入，很难判断变化来自发送方案还是同期市场。因此，可以选取部分DSP和媒体资源，将可比流量分为测试组和同期对照组，并在同一时期分别运行新方案和原方案。分组时，应尽量保证两组的地区、广告形式等资源构成相近。

测试前，应明确观察周期、评估要求和观察项目，包括媒体收入、填充情况、买方出价情况、请求量、超时表现，以及流量真实性和广告素材质量。请求量和超时用于观察请求处理表现；成本变化则需结合实际计算资源与费用数据另行核算。

如果发送方案使用买方提供的筛选依据，还应提前明确这些信息如何更新、何时失效，以及异常时如何恢复原有发送安排。

收益评估应覆盖全部参与测试的媒体曝光机会。减少向某个DSP发送请求后，对应机会仍可能由其他买方承接，因此，其他买方形成的媒体收入也要计入；未填充机会虽然没有产生收入，也仍属于测试范围。如果只统计仍被发送或最终填充的机会，可能高估调整后的表现。

确定统计范围后，还要检查地区、广告形式等资源构成是否可比，以及这些构成在观察期内是否发生明显变化。例如，假设测试组以视频资源为主、对照组以横幅资源为主，即使两组收入不同，也不能立即将差异归因于请求发送方案。

比较时，应先观察同类资源在相同数量曝光机会下带来的收入；需要汇总总体表现时，再按相同的地区和广告形式占比合并结果。统一占比只用于统计比较，不会改变实际流量分配。

资源构成比较示意；图中比例为假设示例。

即使资源构成可比，两组包含的曝光机会数量也可能不同。此时，实际媒体收入总额反映各组在真实流量下的业务结果，但直接比较两组总额仍会受到流量规模影响；还需要观察相同数量曝光机会能够带来多少媒体收入。

统计收入时，两组应采用媒体与平台事先约定、并与实际业务一致的收入定义和扣除项目，不能混用预估收入与结算收入。收入还应归入产生它的测试机会；延迟回传的数据及后续调整，也要按一致规则处理，避免错配测试组或观察范围。

不同机会数量下的收入比较示意

在此基础上，可以将媒体收入折算到每千次曝光机会：每千次曝光机会对应的媒体收入＝本组媒体收入÷本组全部曝光机会数×1000。统一折算后，即使两组曝光机会数量不同，也可以比较相同数量机会带来的媒体收入。实际总收入与折算后的指标应结合起来看，而不是相互替代。

测试结束后，应按照预先设定的评估要求统一判断。如果完整测试范围内的媒体收入达到要求，请求量、超时等处理表现符合预期，且质量检查未发现异常，可以逐步扩大调整。若媒体收入下降、处理表现未达预期或出现质量异常，则应缩小调整范围，必要时恢复原有分配。

Bidnex SSP｜交易观察与质量监测

Bidnex SSP 通过透明报表呈现交易表现，便于合作方了解相关数据。平台结合自研实时监测系统与HUMAN、Pixalate等第三方反欺诈验证服务，核验流量真实性；同时，依托自研AI视觉引擎，自动识别并拦截欺诈或恶意广告素材。

04：尾声

黑五及年末购物季临近，品牌投放安排的变化，也会重新影响买方对不同媒体资源的需求。SSP需要据此检查请求发送范围，减少不必要的请求，同时保留其他买方参与的机会。调整是否值得扩大，最终仍要看完整测试范围内的媒体收入表现。

Bidnex SSP 围绕媒体变现，开展需求匹配、请求分配与交易质量管理。欢迎联系 Bidnex 团队，结合您的媒体资源、买方需求与收益表现，探讨适合当前业务的合作与优化方向，为旺季做好准备。

参考文献

[1] BIDSWITCH. Tune-up your bidstream pipes: The Q4 checklist for buyers and sellers[EB/OL]. (2026-09-16)[2026-09-18].

[2] IAB TECH LAB. IAB Tech Lab announces Dynamic Traffic Engine donation from Amazon Ads to improve bidstream efficiency[EB/OL]. (2026-04-15)[2026-09-18].

[3] IAB TECH LAB. Dynamic Traffic Engine: Get started[EB/OL]. Version 2.4, 2026-06-01[2026-09-20].

[4] SHIANIFAR J, MRAMOR B, ZOU F, et al. Less traffic, better outcomes: competition-aware request dispatch in real-time ad exchanges[EB/OL]. arXiv:2608.03705v1 (2026-08-04)[2026-09-20]. DOI:10.48550/arXiv.2608.03705.