1、在22年以前，该行业头部客户认为云迁移是在影响他们赚钱，22年年底开始，这部分观念在逐渐改变。部分ADX公司，由于该部分月不赚钱甚至亏损，逐渐关闭或者缩减该部分业务规模。2、头部商流入ADX的需求逐渐收缩。例如腾讯在23年双11未向第三方ADX平台放量。

大致流程： 1、媒体在一次曝光产生前会把这次产生曝光的流量送到ADX进行公开拍卖 2、ADX对每一次曝光的请求发送到多个DSP平台，将流量给到DSP，包含用户的信息和上下文信息（信息流）/搜索关键词（搜索广告）等 3、DSP根据Cookie Mapping或设备信息将媒体的用户映射到DSP能识别的用户，然后根据用户的历史行为数据进行流量筛选、点击率/转化率的预估等提升广告主的ROI，来决定是否对这次曝光进行竞价。 4、DSP从广告库中筛选出合适的广告创意集返回给ADX平台。 5、ADX根据所有DSP平台返回的候选集，按照ECPM排序，选择最高的广告创意进行曝光；

部分客户对于三线线路SLA有更高要求，此时可以配置备份解析组，借助IGTM实现单线线路故障时的流量快速切换

DSP 系统目前采用 Lambda 架构，以离线数据为准，保证数据的稳定性，历史数据可追溯。标签体系主要是基于业务线构建的，上层支持 DSP、ADX、创意、落地页动态路径等应用。

前面的实时数据采集一般就是Nginx转发，后面可以用flume，但必须得用kafka进行分发，一边走实时，一边走离线。这里因为涉及到钱，可能要回溯很久的数据，所以建议Lambda架构，因为kappa回溯老数据的时候非常费劲。实时这边建议直接走flink+kafka，缓存用redis，持久用Hbase，算完之后数据建议直接扔实时数仓里。离线那边就随便了，用Hive + Spark就行；实时数仓可以用CK、Doris、Druid等；展示用BI、Raydata等。

广告主往往希望自己的产品素材图片按照投放时间、投放地区、投 放语言、媒体版位、广告尺寸、受众性别、受众年龄等指标制作个性化的广告素材，实现“千人前面”的广告投放。特别对于跨境电商广告主， 其商品种类繁多、推广地域广泛、受众偏好各异，创意自动化服务显著地优化 了其广告投放流程，同时实现了广告素材与广告受众的精准匹配。

线索智能出价是以广告投放平台RTA技术为基础，结合客户一方数据，构建专属定制化分层出价模型，实现对广告线索流量的实时分层出价。