掀起“红盖头”:揭开真正意义的DSP神秘面纱

转载:http://www.ipinyou.com.cn/UI/technicalnews/201203/dsp_0.html


当前,你要问中国网络广告领域里最热门的话题是什么?一定会有人告诉你,DSP绝对属于热点之一。DSP在中国掀起的热潮似乎正愈演愈烈,国内许多广告公司都宣称自己拥有先进的DSP,整个互联网广告领域也都在争相谈论DSP,DSP一词俨然已成为中国网络广告业最受热捧的词汇。然而DSP到底是什么?什么才是真正意义的DSP呢? 

        2012年初,作为中国最有效的的数字广告平台,品友互动正式推出了自己的DSP,成为了中国第一家真正意义上的DSP。据品友互动CTO沈学华博士介绍,中国的DSP才刚刚起步,严格意义上符合DSP两大核心特征的公司,更是非常之少,整个国内网络展示广告领域对于DSP的理解都远远没有达到普及的程度。 

        其实,DSP是Demand-Side Platform的缩写,即需求方平台。这一概念起源于网络广告发达的欧美,是伴随着互联网和广告业的飞速发展新兴起的网络广告领域。在互联网广告产业中,DSP是一个系统,也是一种在线广告平台。它服务于广告主,帮助广告主在互联网或者移动互联网上进行广告投放,DSP可以使广告主更简单便捷地遵循统一的竞价和反馈方式,对位于多家广告交易平台的在线广告,以合理的价格实时购买高质量的广告库存。 

        在DSP这个系统或平台之上,与其有着最直接关联的就是Ad Exchange。Ad Exchange即广告交易平台,是针对每次展示进行实时竞价的推广交换市场,主要包括广告交流与广告交换,它能帮助广告联盟、代理机构和第三方技术提供商通过实时竞价的方式购买众多互联网站点的广告资源。 

        区别于传统的广告网络(Ad Network),DSP不是从网络媒体那里包买广告位,也不是采用CPD(Cost Per Day)的方式获得广告位;而是从广告交易平台(Ad Exchange)来通过实时竞价的方式获得对广告进行曝光的机会,DSP通过广告交易平台对每个曝光单独购买,即采用CPM(Cost Per Impression)的方式获得广告位。DSP让广告主可以通过一个统一的接口来管理一个或者多个Ad Exchange账号,甚至DSP可以帮助广告主来管理Ad Exchange的账号,提供全方位的服务。 

        一个真正意义的DSP,必须拥有两个核心特征,一是拥有强大的RTB(Real-Time Bidding)的基础设施和能力,二是拥有先进的用户定向(Audience Targeting)技术。 

        首先,DSP对其数据运算技术和速度要求非常之高。从普通用户在浏览器中地址栏输入网站的网址,到用户看到页面上的内容和广告这短短几百毫秒之内,就需要发生了好几个网络往返 (Round Trip)的信息交换。即使在Ad Exchange和DSP之间,也会有2到3次信息的传递。因为Ad Exchange首先要向DSP发竞价(bidding)请求,告知DSP这次曝光的属性,比如物料的尺寸、广告位出现的URL和类别、以及用户的Cookie ID等;DSP接到竞价请求后,也必须在几十毫秒之内决定是否竞价这次曝光, 如果决定竞价,出什么样的价格,然后把竞价的响应发回到Ad Exchange。如果Ad Exchange判定该DSP赢得了该次竞价,要在极短时间内把DSP所代表的广告主的广告迅速送到用户的浏览器上。 

        整个过程对Ad Exchange和DSP双方技术上都是非常大的挑战,如果速度稍慢,Ad Exchange就会认为DSP超时而不接受DSP的竞价响应,那么其服务于广告主的广告投放就不可能实现。因此,拥有强大的RTB(Real-Time Bidding)的基础设施和能力是DSP必须具备的一个核心特征。 

        其次,基于数据的用户定向(Audience Targeting)技术,则是DSP另一个重要的核心特征。随着网络广告的飞速发展,现在广告主购买广告的理念也有了很大改变,正在从批量的媒购买转变为到对每个独立受众的购买转变。因为从网络广告的实质上来说,广告主最终不是为了购买媒体,而是希望通过媒体与他们的潜在客户进行沟通。比如Mini汽车的广告主希望自己的广告能够呈现给潜在的典型买家都市白领女性,而福特F150皮卡车的广告主则希望能对农场主或者中小型企业主打广告,广告主会越来越选择自己的目标人群进行广告投放。 

        而服务于广告主或者广告主代理的DSP,则需要对Ad Exchange每一次传过来的曝光机会,根据关于这次曝光的相关数据来决定竞价策略。这些数据包括本次曝光所在网站、页面的信息,以及更为关键本次曝光的受众人群属性。受众的人群属性可以来自于DSP自有的人群分析,也可以来自于Ad Exchange传递过来的关于该受众的人群分析。人群定向的分析直接决定DSP是否竞价以及出什么样的价格。DSP在整个过程中,通过运用自己人群定向技术来分析,所得出的分析结果将直接影响广告主的广告投放效果。 品友互动一向致力于推动中国互联网广告行业的颠覆式创新,通过数据和技术帮助广告主更有效地直接按照人群来投放广告。品友互动推出国内第一家真正意义上的DSP,再次为互联网广告RTB市场的早日形成做出了重大的创新贡献!

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值