Ngulik Techstack Google AdWords 2025: Mesin Iklan Paling Gokil di Dunia!

← Kembali ke Blogs

Ngulik Techstack Google AdWords 2025: Mesin Iklan Paling Gokil di Dunia!

Ditulis olehkukuhtw·
0 unik hari ini 1 unik 7 hari 4 unik 30 hari 145 total unik
Ngulik Techstack Google AdWords 2025: Mesin Iklan Paling Gokil di Dunia!
Iklan

Yo, sobat digital! Siapa sih yang nggak kenal Google AdWords alias Google Ads? Mesin iklan raksasa ini udah jadi andalan para pebisnis online buat ngiklanin produk dan jasa mereka ke seluruh dunia. Tapi, pernah nggak sih kamu kepo gimana sih cara kerja Google AdWords itu? Yuk, kita kulik bareng sambil santuy!


Gimana Sih Cara Kerja Google AdWords?

Jadi, Google AdWords itu kerja kayak jembatan penghubung antara pengiklan dan pengunjung internet yang lagi cari sesuatu. Ketika kamu pasang iklan, Google bakal nampilin iklan itu ke orang-orang yang relevan berdasarkan kata kunci, lokasi, dan berbagai parameter lain. Sistem ini pakai real-time bidding, alias lelang waktu nyata, dimana pengiklan bersaing untuk dapat spot iklan terbaik dengan harga terbaik juga. Prosesnya cepet banget, cuma beberapa milidetik aja, dan yang menang iklan tampil di posisi strategis. Gokil, kan?


Tech Stack Google Ads (“AdWords”) 2025 — Apa Saja di Balik Mesin Iklan Terbesar di Dunia?

Kita bakal bongkar rahasia dapur teknologi yang bikin Google Ads bisa jalan mulus dan super cepat. Cekidot!


  • Fondasi Infrastruktur & Orkestrasi
  • Maglev — https://research.google/pubs/maglev-a-fast-and-reliable-software-network-load-balancer/ — Ini adalah load-balancer L4 yang super reliable berbasis consistent hash. Tugasnya nerima hampir semua traffic iklan sebelum masuk ke cluster service, sambil jaga agar session tetap nempel walaupun ada gangguan jaringan. Keren banget buat ngatur traffic iklan yang seabrek!
  • Borg (internal) + Kubernetes (buat micro-service baru) — Mereka yang ngatur ribuan pod bidding, logging, dan pipeline machine learning berjalan di ribuan node secara efisien.
  • Runtime: C++, Go, Java, Rust — C++ dipake buat jalur kritis latency (auction worker beroperasi kurang dari 5 ms), Go buat service API, dan Java buat pipeline big-data. Jadi, setiap bahasa punya tugas masing-masing sesuai kehebatan mereka.

  • Penyimpanan & Database
  • Google Cloud Spanner — https://cloud.google.com/spanner — Database SQL global ini menggantikan MySQL di AdWords dan sekarang melayani lebih dari 3 miliar read/write request per detik. Teknologi TrueTime bikin data tetap konsisten di seluruh dunia.
  • Bigtable — https://cloud.google.com/bigtable — Dipakai sebagai hot key-value store buat click-log selama 7 hari, counter impresi, dan fitur "aggregate cells" buat throughput counter yang lebih tinggi.
  • Colossus (Google FS-2) — Penyimpanan blok terenkripsi buat snapshot dataset dan model.
  • GCS Cold Storage — Arsip log dan backup kreatif iklan.

  • Layer API & Integrasi Klien
  • Google Ads API — gRPC + Protocol Buffers — https://developers.google.com/google-ads/api/docs/client-libs/dotnet/working-with-protobuf — Semua request dan response diserialisasi dengan ProtoBuf, mendukung lebih dari 17 bahasa pemrograman.
  • Client Library Contoh: https://github.com/googleads/google-ads-php — Kode otomatis di-generate dari file .proto, lengkap dengan fitur OAuth2, retry, dan streaming report.
  • Reporting lewat BigQuery export dan Ads Data Hub — Bisa query event granular secara privasi-safe pake SQL Standard.

  • Mesin Lelang (Real-Time Bidding / RTB)
  • 1. Call-out: Publisher mengirim request ke Authorized Buyers endpoint dalam sekitar 120 ms.
  • 2. Auction Worker: Proses di cluster pakai C++/Go, nge-parse bid-request, jalankan model prediksi value (pakai TensorFlow Serving), dan keluarin CPM terbaik.
  • 3. Settlement: Hasil pemenang disimpan di Spanner untuk billing yang konsisten.
  • Dokumen resmi RTB: https://support.google.com/authorizedbuyers/answer/6136272
  • Compute Engine untuk bidder self-host — https://cloud.google.com/compute/doubleclick — Panduan resmi buat DSP yang mau jalankan logic RTB di VM Google Cloud.

  • Machine Learning & Generative AI
  • Bidding & Smart Pricing: TensorFlow (offline) + TF-Serving (online) — Prediksi value konversi dan user intent buat fitur Smart Bidding macam tROAS dan Max Conv.
  • Creative Gen-AI: Imagen 3 — https://blog.google/technology/ai/google-generative-ai-veo-imagen-3/ dan Veo 2 — https://blog.google/technology/google-labs/video-image-generation-update-december-2024/ — Otomatis bikin gambar dan video buat Performance Max campaigns.
  • LLM Assist: Gemini 2.5 Pro — https://blog.google/technology/google-deepmind/google-gemini-updates-io-2025/ — Bantu nulis headline dan copy iklan, plus integrasi ke IDE kreatif di Ads UI.
  • Auto-Creative Pipeline 2025 — Update Google Marketing Live: https://blog.google/products/ads-commerce/google-marketing-live-2025/ — Iklan bisa muncul di AI Overviews & AI Mode, pembuatan aset langsung dari dashboard pakai Veo/Imagen.

  • Privasi & Regulasi (Post-Cookie Era)
  • Privacy Sandbox — Protected Audience API (FLEDGE) udah diintegrasi ke GA4 & Google Ads buat retargeting tanpa 3rd-party cookie. Cek di https://blog.google/products/marketingplatform/analytics/evolving-google-analytics-for-more-insightful-measurement/
  • Topics API & PAAPI signal langsung dipakai oleh bidding-models tanpa nyimpen PII (Personally Identifiable Information) di luar device.

  • Open Bidding & First-Price Auction
  • Open Bidding (EBDA): Server-side unified auction di Google Ad Manager, ngasih kesempatan SSP lain bersaing dengan AdX. Info lengkap di https://setupad.com/blog/guide-to-google-open-bidding/
  • Sejak 2024, Google Ads pakai sistem first-price auction buat transparansi dan kesederhanaan. Baca di https://www.topsort.com/post/googles-transition-from-a-fixed-price-model-to-auctions

  • Observability & Reliability
  • Stackdriver yang sekarang jadi Cloud Operations buat logging, tracing, dan metrics.
  • Dapper distributed-tracing buat tracking path impression sampai billing dengan latensi rendah (≤ 100 ms P95).
  • Site Reliability Engineering pakai pola error-budget dan load-test rutin pakai StormDR tiap kuartal.


Ringkasan Alur End-to-End Google Ads

  • Impresi muncul di situs atau aplikasi, lalu dikirim call-out RTB ke Authorized Buyers.
  • Auction workers pakai model ML dan aturan bisnis buat pilih pemenang dalam waktu kurang dari 5 ms.
  • Creative iklan disajikan lewat Google Front-End (GFE) yang berjalan di atas Maglev ke browser pengguna.
  • Event seperti impression, click, dan conversion di-stream ke Pub/Sub lalu diproses Dataflow dan disimpan di Spanner atau BigQuery.
  • Report tersedia di Ads UI dan API, juga dipakai ulang oleh ML untuk optimasi berikutnya.


Dengan gabungan teknologi canggih seperti Spanner global-SQL, Bigtable KV store, load-balancer Maglev, pipeline TensorFlow-Gemini-Imagen, dan integrasi Privacy Sandbox, Google Ads tetap jago dalam memproses ratusan miliar impresi setiap hari. Plus, tetap patuh sama regulasi privasi dan tren Generative AI terbaru, sehingga performa iklan tetap rendah latency, relevan, dan aman buat data pengguna di tahun 2025. Gokil banget, kan?


Jadi, buat kamu yang pengen ngiklan atau pengembang yang penasaran sama infrastruktur raksasa ini, sekarang udah dapat gambaran lengkapnya. Jangan lupa cek link-link keren yang gue kasih buat daleman teknisnya ya!

Summary Interaktif

Jawaban:
Google AdWords bekerja sebagai jembatan penghubung antara pengiklan dan pengunjung internet yang mencari sesuatu. Ketika pengiklan memasang iklan, Google akan menampilkan iklan tersebut kepada orang-orang yang relevan berdasarkan kata kunci, lokasi, dan parameter lainnya. Sistem ini menggunakan mekanisme real-time bidding (lelang waktu nyata) di mana pengiklan bersaing untuk mendapatkan spot iklan terbaik dengan harga terbaik dalam waktu hanya beberapa milidetik. Pemenang lelang iklan tampil di posisi strategis untuk menjangkau target audiens.

Jawaban:
Komponen utama dalam fondasi infrastruktur dan orkestrasi Google Ads meliputi Maglev, Borg, dan Kubernetes. Maglev adalah load-balancer L4 yang sangat andal berbasis consistent hash untuk mengelola traffic iklan dan menjaga session tetap stabil meskipun ada gangguan jaringan. Borg adalah sistem internal yang mengatur ribuan pod bidding, logging, dan pipeline machine learning yang berjalan di ribuan node secara efisien, sementara Kubernetes digunakan untuk mengelola micro-service baru.

Jawaban:
Bahasa pemrograman yang digunakan dalam runtime Google Ads adalah C++, Go, Java, dan Rust. C++ digunakan untuk jalur kritis yang membutuhkan latency rendah, seperti auction worker yang beroperasi kurang dari 5 ms. Go digunakan untuk service API karena efisiensinya dalam membangun layanan backend. Java dipakai untuk pipeline big-data yang menangani volume data besar. Setiap bahasa dipilih sesuai keunggulan dan fungsinya masing-masing dalam sistem.

Jawaban:
Google Cloud Spanner adalah database SQL global yang menggantikan MySQL di Google Ads. Spanner melayani lebih dari 3 miliar permintaan baca/tulis per detik dengan teknologi TrueTime yang menjaga konsistensi data di seluruh dunia. Fungsi utamanya adalah menyimpan data penting seperti hasil pemenang lelang iklan untuk proses billing yang konsisten dan andal.

Jawaban:
Google Ads menggunakan machine learning dan generative AI untuk berbagai fungsi seperti bidding dan smart pricing dengan TensorFlow (offline) dan TensorFlow Serving (online) untuk memprediksi nilai konversi dan intensi pengguna. Untuk pembuatan konten kreatif iklan, digunakan generative AI seperti Imagen 3 dan Veo 2 yang otomatis membuat gambar dan video untuk kampanye Performance Max. Selain itu, LLM Assist Gemini 2.5 Pro membantu menulis headline dan copy iklan serta terintegrasi dengan IDE kreatif di Ads UI. Auto-Creative Pipeline 2025 memungkinkan pembuatan aset iklan langsung dari dashboard.

Jawaban:
Privacy Sandbox dan Protected Audience API (FLEDGE) berperan dalam menyediakan solusi retargeting dan pengukuran iklan tanpa menggunakan cookie pihak ketiga. API ini sudah terintegrasi ke GA4 dan Google Ads, memungkinkan bidding-model menggunakan sinyal Topics API dan PAAPI secara langsung tanpa menyimpan informasi identitas pribadi (PII) di luar perangkat pengguna. Hal ini membantu menjaga privasi pengguna sekaligus mendukung efektivitas iklan.

Jawaban:
Proses real-time bidding (RTB) di Google Ads dimulai dengan call-out dari publisher yang mengirimkan request ke Authorized Buyers endpoint dalam waktu sekitar 120 ms. Auction worker kemudian memproses request tersebut di cluster menggunakan bahasa C++ dan Go, mem-parse bid-request, menjalankan model prediksi nilai menggunakan TensorFlow Serving, dan menentukan CPM terbaik sebagai pemenang lelang. Hasil pemenang disimpan di Google Cloud Spanner untuk memastikan billing yang konsisten.

Jawaban:
Observability dan reliability Google Ads dijaga melalui penggunaan Stackdriver (sekarang Cloud Operations) untuk logging, tracing, dan metrics. Dapper distributed-tracing digunakan untuk melacak jalur impresi hingga billing dengan latensi rendah (≤ 100 ms P95). Selain itu, tim Site Reliability Engineering menerapkan pola error-budget dan rutin melakukan load-test menggunakan StormDR setiap kuartal untuk memastikan sistem tetap stabil dan handal.

Jawaban:
Sejak tahun 2024, Google Ads mengadopsi sistem first-price auction yang memberikan transparansi dan kesederhanaan dalam proses lelang iklan. Selain itu, Open Bidding (EBDA) diperkenalkan sebagai server-side unified auction di Google Ad Manager yang memungkinkan SSP lain bersaing dengan AdX, memperluas kesempatan penawaran iklan dan meningkatkan efisiensi pasar iklan digital.

Jawaban:
Alur end-to-end Google Ads dimulai dari impresi yang muncul di situs atau aplikasi, lalu dikirimkan call-out RTB ke Authorized Buyers. Auction workers menggunakan model machine learning dan aturan bisnis untuk memilih pemenang dalam waktu kurang dari 5 ms. Creative iklan disajikan melalui Google Front-End yang berjalan di atas Maglev ke browser pengguna. Event seperti impresi, klik, dan konversi di-stream ke Pub/Sub, diproses dengan Dataflow, dan disimpan di Spanner atau BigQuery. Laporan tersedia di Ads UI dan API, dan data tersebut juga dipakai ulang oleh machine learning untuk optimasi kampanye berikutnya.
Artikel lain dari penulis ini
Iklan