计算广告学
广告的基础知识
-
广告(advertising)的定义:
《现代广告学》:广告是由已确定的出资人通过各种媒介进行的有关产品的,通常是有偿的,有组织的,综合的,劝服的非人员的信息传播活动
-
广告的主体:广告主,媒介,受众
-
广告的本质:借助媒介,完成较低成本的用户接触
-
品牌广告:品牌形象,提高长期转化率
-
效果广告:短期用户转换
-
广告有效性模型:
- 选择:曝光(广告位),关注(兴趣,不要打断用户任务等)
- 解释:理解(匹配),信息接受(认同,认可)
- 态度:保持(艺术性),购买(价格敏感,杀熟)
-
传统广告策略,在线广告创意原则
-
广告与销售的区别:潜在用户,明确需求
-
在线广告的独特性
- 技术与计算导向
- 可测量性
- 标准化
-
在线广告市场
-
在线广告的核心计算问题:max (a),to ROI(u,a,c),find the best match between a given context c,and a suitable ad a.
- 优化角度:
- 特征提取,特征工程,机器学习,从众定向
- 微观优化:CTR预测
- 宏观优化:竞价市场机制
- 受限优化:在线分配
- 强化学习:探索利用
- 个性化重定向:推荐技术
- 从系统角度
- 候选查询:实时索引
- 特征存储:No-SQL技术
- 离线学习:hadoop
- 在线学习:流计算
- 交易市场:实时竞价
- 优化角度:
-
在线广告计算的主要挑战
- 大规模,高并发
- 动态性
- 丰富的查询信息
- 探索与发现
-
搜索(相关性),广告(投资回报率)与推荐(用户兴趣)的区别
-
投资回报(ROI)分析
- 点击率(CTR)
- 点击价值
- eCPM
- CPM:固定eCPM
- ,CPC:动态CTR,固定点击价值
- CPA,CPS,ROI市场:动态CTR,点击价值
-
在线广告系统
- 受众定向平台:海量数据挖掘平台,机器学习平台,分布式架构
- 高并发投送系统
- 数据高吞吐量,高带宽
- 流计算平台:实时日志,挖掘,反作弊,计价
广告合约系统
- 用开源工具搭建广告系统。如hadoop,hbase,hive ,pig,storm,
- 跨语言服务搭建工具:C++,java,python…
- 合约广告系统
- 广告排期系统
- 代理商
- 代表
- 担保式投送(GD):量优先,CPM(千次展示付费)
- 广告投放机(CPM方式,受众定向,GD合约)
- 在线分配问题,在线随机分配算法
- hadoop:分布式文件系统,一个海量数据处理的编程框架
- HDFS架构,
- mapreduce,分布式计算编程框架,用调度计算替换调度数据,计算流程类似UNIX PIPE。,多样编程接口
- 常用统计模型
- 指数族分布:最大似然ML估计可以通过充分统计量连接到数据,内存计算
- 指数族混合分布,EM,迭代
受众定向
-
中国互联网生态:粗犷
-
受众售卖VS广告位售卖
-
受众定向:为AUC打标签
-
常见受众定向方式,重定位,上下文,行为
-
主题模型
-
数据加工与交易
竞价广告系统
-
位置拍卖
-
广告网络
-
广告检索
-
流量预测
-
点击率预测,逻辑回归,动态特征
-
搜索广告与广告网络
- 探索与利用
- 搜索广告
- 流计算平台
- 广告购买平台
广告交易市场
- 实时竞价
- 流量交易
- 流量预测
- 点击价值估计