RTA（realtime API）产品是近些年兴起的广告直投与ADX相结合的一种投放模式，具体指为了满足广告主“拉新”“促活”等精细化运营需求、规避敏感数据泄漏违规，在媒体广告平台追求更高变现效率、实现利益最大化目标背景下，通过扩展接口的方式，实现广告定向作用的实时问询接口和技术通道。
这一种接口技术和策略导向的投放能力，充分发挥了媒体与广告主双方的数据、模型优势，更高效的实现了实时广告优选，提升了广告主投放的效果，消除了数据资产安全隐患，一定程度方便了媒体广告平台的数据闭环，也为媒体的广告效果优化赋能强化。
RTA产品同传统广告投放方式的区别
定义部分我们提到，RTA是广告直投与ADX相结合的一种投放模式，广义上讲，传统的广告投放渠道，主要就是两种：广告直投、ADX（主要使用RTB形式）。
广告直投：通过媒体广告平台直接进行投放，广告的预估和优化主要依托于媒体侧的海量用户数据和广告模型，优点在于能够利用媒体侧丰富的用户画像特征圈选，数据从投放到转化闭环相对完善（广告流程的点击率预估等相关数据均在广告系统完成）；缺点在于严重依托媒体侧数据，缺乏广告主全局数据，无法应用于精细化运营和个性化投放。比如在微博广告通和腾讯广告平台可以利用该渠道海量的用户信息精准投放用户，但无法匹配广告主本身用户数据的个性化需求，无法完成“活跃用户”“转化用户”等更深层次区分。
ADX：即程序化模式，媒体将海量数据通过平台接口对接广告主，广告主在需求端平台（DSP）完成广告价值的计算，一般也叫做RTB实时竞价模式。优点在于广告主可以利用自身的数据优势和投放模式，但缺点也很明显，完全依赖自身数据，会忽略媒体侧用户数据的重要性，用户行为和兴趣特征不够精准。
RTA模式是以上二者的结合，解决直投广告无法满足个性化定向的需求，也将广告的出价和竞价预估交由在广告平台完成，广告主只需要决策是否参竞，作用是用户筛选。
RTB模型中，整体广告的投放预估还依托于广告主的DSP平台，数据来源和算法均依托于广告主，其本身是一种流量的购买模式，作用在广告竞价和落实，在功能上包含RTA的个性化能力。
完成一次RTA模型的广告投放，需求熟知以下的产品流程
（1）广告创建与信息同步：广告主需要首先创建RTA广告，并将广告相关的物料（广告素材）同步至媒体广告平台；
（2）信息反馈：媒体广告平台通过接口向广告主发送请求并返回数据，询问是否参竞（参与竞价）；
（3）决策判断：广告主针对广告平台的请求判断决策是否参与竞价并返回信息，平台基本上会缓存广告主的决策信息（出于性能和数据更新频率，避免过大请求压力）且预留响应时间一般为50ms-100ms；
（4）排期下发：广告平台依据广告主的决策安排不同的指令流程，广告主决策不参竞则过滤该广告，否则将安排粗排、精排等后续流程。
目前RTA广告请求中，广告主的所有参竞广告无法实现个性化决策，只能批量过滤或者保留，这也将是进一步的优化空间。
RTA解决的行业问题和突出优势
刚才我们了解到传统的广告投放方式，由此也归纳出行业痛点：广告主的精准投放需求无法得到充分满足、媒体广告平台的用户数据优势不能充分发挥，数据合规以及数据回传高昂的操作成本问题。借助RTA模型，以上问题便不再是问题。
（1）精准实现标签化人群定向，RTA模型综合了广告主的数据和海量的广告平台用户数据，通过每次请求判定用户价值，决策是否参与竞价，既降低了广告主数据保密的担忧，也避免广告直投模式无法匹配自身精准用户数据的难题，更重要在于能够实现精细化运营目的（用户新增、安装卸载、付费转化等）；
（2）实时筛选用户更新定向，投放的目标人群实时变动，通过RTA模型可以通过实时请求，实现定向更新；
（3）降低了人工调整DMP定向人群的操作成本，尽管事先圈定人群再通过DMP人群定向进行投放，也可以实现一定的精准定向需求，但频繁操作带来的成本也非常大。
使用RTA模型进行广告优化，也要额外注意：提高用户价值的识别准确度（广告主数据和大型广告平台数据的匹配）、广告效果预估优化（一般的广告平台预估能力不高可以交由广告平台来做）、广告素材优化（广告主比广告平台更了解目标用户，但广告平台更清楚渠道呈现方式）。
RTA模型的发展前景
RTA概念兴起其实没有多久，是这两年随较新的广告技术能力。随着流量巨头逐渐封闭化和体系内循环，广告平台为了提高对预算的控制权和数据算法的把控能力，让外部数据和能力接入，使得投放决策由媒体完成，广告主仅做数据问询和决策，进一步提高了买量的效率。
借助广告系统平台的出价预估能力，再结合广告主给出的目标结果价格 * 预估的点击率（PCTR）*预估的转化率（PCVR），就可以比较准确的计算出投放曝光的ECPM。这样的广告主和广告平台双方发挥所长，从而使得双方效率最大化。
