计算广告：互联网商业变现的市场与技术

If you cannot measure it, you cannot manage it.
量化的方法使计算广告学成为计算机科学与工程的一个崭新和重要的方向。

---

前言

所有能够传播信息的商品，其售价都会趋向其边际成本。

1. 商业模式探索
   1. 电影的信息传播量很大，边际成本很低，与其售价不符，因此必定存在新的商业模式有待挖掘。
2. 流量变现
   1. 除了硬件销售和软件销售之外，考虑流量变现。
3. 数据变现
   1. 免费的方式运营，除了流量变现之外，还可以得到有价值的数据资产。
4. 商业产品建设和运营
   1. 新的推广模式：团购，游戏联运，返利购买，积分墙。

---

一、市场与背景

---

1. 综述

背景

广告不同于搜索和推荐，是一项商业活动，然后才是一项技术。在这一商业活动中，广告主、媒体和用户的利益都需要被认真考虑和满足。
​
无论是软件的免费，还是硬件的低价销售，都可以称为免费模式。

• 免费模式的本质是将那些能够规模化、个性化传播信息的商品，以边际成本的价格出售。

免费模式的背后是在传播信息的过程中，获得了3项可变现的核心资产：

1. 流量
   1. 产品本身功能之外夹带的付费内容，即广告，将流量变成了收入。
2. 数据
   1. 在产品使用过程中留下的行为和属性，可以调整投放付费内容的策略以提高效率。
3. 影响力
   1. 具备影响力的产品或内容在投放广告时可以获得品牌溢价。

计算广告作为典型的大数据应用，有3个关键点：

1. 行为数据
   1. 传统的交易数据往往规模并不太大，但是对一致性和实时性的要求非常高。
   2. 行为数据的规模巨大，而且对一致性的要求低得多。
2. 全量加工
   1. 一些问题通过数据采样能够显著降低数据处理的复杂度，同时解决问题的效果没有太大的下降。例如，统计报表，报告。
   2. 大数据问题无法通过采样来降低处理的复杂程度，随着数据采样率的降低，解决问题的收益快速下降。例如，个性化推荐，计算广告。
3. 自动化应用
   1. 传统的洞察应用，由决策者根据对数据进行统计分析后得到的整体结果报表进行决策。例如，商业智能，监控报表。
   2. 自动化应用，将数据处理的结果直接送给对业务进行自动决策的引擎，从用户行为数据收集，到受众定向，再到线上根据用户标签的自动决策，整个过程都是自动进行的，人的作用只是建立流程和调整策略。

内涵：定义与目的

• 主动参与方：
  • 需求方（DSP）：广告主，代表广告主利益的代理商，采买方。
  • 供给方（SSP）：媒体，变现平台。
• 被动参与方**：受众**。
  传统广告：

1. 品牌广告：快速接触大量用户，已达到宣传品牌形象，提升中长期购买率与利润空间的目的。
2. 效果广告：利用广告手段马上带来大量的购买或者其他转化行为。

数字媒体：

1. 变现流量：低成本地投送个性化广告。
2. 变现数据：搜索、电子商务等在线服务，可以更清楚地了解用户的意图，使广告效果的优化更加容易。

一切付费的信息、产品或服务的传播渠道，都是广告。
广告的根本目的是广告主通过媒体达到低成本的用户接触。

外延：关键产品形态

表现形式：

1. 横幅广告
2. 文字链广告
3. 富媒体广告
4. 视频广告
5. 交互式广告
6. 社交广告
   1. 信息流广告
   2. 原生广告
7. 移动广告
   1. 横幅
   2. 开屏
   3. 插屏
   4. 积分墙
   5. 推荐墙
8. 邮件营销广告
9. 激励广告
10. 团购
11. 游戏联运
12. 固定位导航

计算广告的表现形式：

1. 合约广告：某一广告位在某一时间段为特定广告主所独占。
2. 定向广告：将数据变现附着在流量变现的基础上，用更低的成本获得了与原来通投广告位一样的有效受众。
   1. 受众定向：通过技术手段标定某个用户的性别、年龄或其他标签。
   2. 广告投放：广告投送实时响应前端请求，并动态决策和返回合适的广告创意。
   3. 合约进行：担保式投送（GD）
3. 竞价广告：随着标签的越来越精准，和广告主的数量越来越多，担保式投放带来的量的约束带来了麻烦。竞价模式下，供给方只向广告主保证单位流量的成本，对于每一次展示按照收益最高的原则来决策。
   1. 广义第二高价（GSP）
4. 搜索广告：定向广告，用户即时兴趣的标签就是关键词。
5. 上下文广告：页面中的关键词作为搜索词。
6. 广告网络（ADN）：批量地运营媒体的广告位，按照人群或上下文标签售卖给需求方，并用竞价的方式分配流量。
7. 交易终端（TD）：面向多个 ADN 或媒体按人群一站式采买广告。
8. 实时竞价广告（RTB）：每次展示实时出价。
9. 广告交易平台（ADX）：实时竞价的广告网络。
10. 程序化交易：通过实时竞价，按照定制化人群标签采买广告。

---

2. 基础

千次展示期望收入（eCPM）：点击率 X 点击价值

广告有效性原理

1. 选择
   1. 曝光：物理上接触。广告位的位置。
   2. 关注：意识上关注。
      1. 不要打断用户的任务，上下文定向。
      2. 明确传达推送此广告的原因。
      3. 内容符合用户的兴趣或需求。
2. 解释
   1. 理解：理解广告传达的信息。
      1. 在用户能理解的具体兴趣范围内。
      2. 设定与关注程度相匹配的理解门槛。互联网广告用户的关注程度非常低，应该集中强调一个主要诉求以吸引用户的注意力。
   2. 接受：认可信息。广告的上下文环境对广告的接收程度有着很大的影响，让合适的广告出现在合适的媒体上。
3. 态度
   1. 保持：给用户留下鲜明的记忆，以长时间影响用户的选择。
   2. 决策：带来用户的转化行为。

计算广告的技术特点

1. 技术和计算导向
   1. 精细的受众定向。
   2. 低成本的规模化。
2. 效果的可衡量性
   1. 不只是点击率
3. 创意和投放方式的标准化
   1. 既然需求关心的是人群而非广告位，创意尺寸的统一化与一些关键接口的标准化非常关键。
4. 媒体概念的多样化
   1. 根据媒体功能不同，与转化行为的距离也不同。
   2. 门户网站、垂直网站、搜索引擎、电商网站、返利网站，距离转化行为的距离依次递减。
   3. 距离转化行为越近，ROI 越高；距离转化行为越远，潜在用户越多。
5. 数据驱动的投放决策
   1. 作为一个大数据处理平台，对数据处理的规模和响应速度的要求都相当高。

广告收入的分解

1. 点击率（CTR）：点击行为
2. 到达率：成功打开落地页（landing page）
3. 转化率（CVR）：完成下单操作
4. eCPM：点击率 X 点击价值
   1. 点击价值：到达率 X 转化率 X 客单价
   2. 搜索内容按照 CTR 排序
   3. 广告按照 eCPM 排序

广告计费模式

1. CPT（Cost Per Time）：独占式售卖，下降趋势。
2. CPM（Cost Per Mile）：需求方估计点击率，需求方根据其市场策略与预算控制流量单价。品牌广告主流。
3. CPC（Cost Per Click）：供给方估计点击率，需求方估计点击价值，通过出价的方式反映估价。效果广告主流。
4. CPS/CPA（Cost Per Sale/Action）：供给方估计点击率，和点击价值。
5. oCPM（optimize CPM）：CPM 到 CPA 的过渡。（Facebook）

---

二、产品逻辑

---

3. 产品概览

发展历程

1. 合约广告产品
2. 竞价广告产品
3. 程序化交易广告产品
4. 原生广告产品

每种广告产品都有3个基本组成部分：

1. 面向需求方的接口
2. 面向供给方的接口
3. 中间的投放系统及匹配策略

广告系统的产品接口

广告主层级组织：

1. 广告主：广告主的通用信息。
2. 广告推广计划：一次投放合同。包括预算、时间范围等基本信息。
   1. 投放的广告产品。
   2. 预算的分配策略。
3. 广告推广组：具体的广告投放策略。设定受众定向条件和出价。
   1. 用户定向。
   2. 媒体定向。
   3. 出价。同时给出当前出价做出的流量预估，使广告主对于出价与能获得流量的规模和质量的关系有直觉上的认识。
4. 广告创意：最终展示出来的素材。不同尺寸。
   1. 展示检测地址。
   2. 点击检测地址。

供给方管理接口：

1. 设定广告位尺寸
2. 获取广告投放代码
3. 设定该广告位对广告类型的要求

供需之间的接口形式：

1. Web JavaScript
2. IOS/Android SDK
3. API
   1. 离线：预先请求并缓存广告，在每次广告展示时自行排序和决策
   2. 在线：每次展示都会请求广告

---

4. 合约广告

合约广告的售卖对象由广告位，进化到了广告位+人群。其复杂度来源于如何满足多个合约对投放系统量的要求，即合约广告的在线分配问题。

广告位合约

1. 传统 CPT 售卖，通过高溢价的流量实现橱窗效应。
2. 针对不同受众定向投放同一广告主的不同创意。
3. 针对同一用户利用频次控制递进式地展示一系列创意以达到更好的效果。
4. 广告位的轮播售卖。

受众定向

1. 定向的效果：符合该定向方式的流量高出平均效果的水平。

2. 定向的规模：这部分流量占整体广告库存流量的比例。
   受众定向方法：

3. 地域定向

4. 人口属性定向

   1. 构造分类器对人口属性进行自动标注的必要性不大，因为都是根据用户其他行为特征得到的，并不能提供额外的信息量。

5. 上下文定向

6. 行为定向

7. 精确位置定向

8. 重定向

9. 新客推荐定向

10. 动态定价

11. 场景定向

标签体系的设计要分行业进行，而其中的关键思路是深入研究该行业的用户决策过程，就是用户决定买什么、不买什么的原因和逻辑。

展示量合约

CPM 广告，担保式投送（GD）

广告主按广告位采买时，比较容易预估自己拿到的流量，可是按照人群定向的方式采买，流量却有诸多不确定的因素。因此，需求方希望在合约中加入对量的保证，才能放心地采买。
​
流量预测：

1. 售前指导：预测各人群标签的流量。防止资源售卖量不足或合约不能达成。
2. 在线流量分配：同一个曝光在多个合约中进行分配以达到整体满足所有合约的目的，依赖流量预估的结果。
3. 出价指导：广告主需要根据自己预计的出价先了解一下可能获得多少流量，以判断自己的出价是否合理。

流量塑性：主动地影响流量，以利于合约的达成。例如，门户网站各子频道的流量严重依赖于首页关键位置链接导流。
​
在线分配：二部图

1. 在线分配需要根据历史数据和某种策略，离线得到一个分配方案，线上则照此方案执行。
2. 借鉴离线方法做在线分配，根据流量预测的结果代替实际流量，再解分配问题，得到每个供给节点应该分配多少比例的流量给某个需求节点。
3. 随着标签数量的增加，供给节点的数量会以指数速度上升，而每一个供给节点的流量当然也就迅速收缩，相对准确的预测就变得相当困难。因此，展示量合约广告产品在人群标签非常丰富和精准时，是无法有效地运作的，而这正式竞价广告产品的原动力之一。

---

5. 搜索广告与竞价广告

在搜索广告和竞价广告中都出现了竞价这种交易模式，竞价交易模式的本质是将量的约束从交易过程中去除，使用价高者得的简单决策方案来投放广告。竞价顺应了定向广告向精细化发展的趋势要求，也为无法用合约售卖的剩余流量找到了可能的变现渠道。
​
广告网络中的竞价标的：

1. 上下文页面中的关键词：搜索广告衍生
2. 根据用户行为加工的兴趣标签：展示广告的定向逻辑衍生

搜索广告

• 搜索引擎广告
• 垂直搜索引擎广告：淘宝直通车

与合约广告的不同：

1. 不保证量，广告主自行调整效果与量的平衡。
2. 没有价格约定，广告主可以动态调整每个关键词上的出价。

搜索广告的技术特点：

1. 用户主动输入的查询直接反映了用户的意图，因此变现能力较高。
2. 可以进行非常精准的定向，而又不打断用户明确意图的任务。
3. 展示形式与自然结果的展示形式非常接近，有原生广告的意味，但是也要求其相关性更高，需要更精细的策略和技术。
4. 发展出了竞价交易模式。

搜索广告的决策过程：

1. 查询扩展：广告主自动扩展相关的关键词
   1. 精确匹配
   2. 短语匹配
   3. 广泛匹配
   4. 否定匹配
2. 检索
3. 排序
4. 放置：根据用户对广告的接受程度不同，设置不同的北区广告数目。
5. 定价
   从 CPC 定价到 eCPM 定价：CPC 模式的缺陷在于出价最高的广告赢得了曝光，但是如果点击率很低，平台还是没有收入。因此，eCPM = 出价 X 点击率，是一个对广告主，用户和平台都有利的生态。

• 广告主选择关键词来定向目标受众，并通过改善广告创意，提高相关性等方法，提高点击率从而降低出价。
• 平台通过给用户投放点击率和出价高的广告来提高收益。

机制设计

机制设计问题：将前 S 个高出价的广告依次放到排序好的 S 个广告位上（位置拍卖），假设点击率仅与位置有关，点击价值仅与广告有关，如何设计机制对整个竞价市场的收益、稳定性和公平性有着巨大的影响。
​
市场保留价（Market Reserve Price，MRP）：

• 一个特定关键词的最优起价仅与竞价和质量度的分布有关，通过拟合其被保留价截断的分布为核心，可以通过理论上的计算公式来解出最优起价。

定价：

• 广义第二高价（GSP）
• VCG 定价
• Myerson 最优拍卖
  • 对那些期望收益比较高的玩家，通过虚拟出价的变换对其进行一定程度的惩罚，以刺激其出更高的价格。

价格挤压：

• eCPM = 点击率 ^k X 出价。
• k 为价格挤压因子，k->oo，只根据点击率排序；k->0，只根据出价排序。
• 如果发现市场上存在大量出价较高但品质不高的广告主，则可以调高 k 来强调质量和用户反馈的影响。
• 如果发现市场的竞价激烈程度不够，则可以通过降低 k 来鼓励竞争。

竞价广告

竞价广告的关键产品特点：

1. 不向广告主做量的约定，不需要为了保证合约而设计复杂的在线分配算法，精力集中在对 eCPM 的估计。
2. 按人群售卖，淡化媒体和广告位的概念，不适合品牌溢价较高的广告位。
3. 多个品牌对同一人群的竞价，提高了市场流动性。
4. 广告主事先充值，并根据实际消耗来结算，改善了广告网络运营方的现金流状况。

适合 CPC 结算，由广告网络估计点击率，需求方根据对点击价值的估计来出价。
​
产品策略：

1. 广告检索：相关性检索问题。
2. 广告排序：预估点击率（CTR），按 eCPM 排序。
   需求方优化（Efficient Frontier）：通过计算的方法确定一个投资组合中各个品种的投资比例，已达到期望收益最优情况下风险最小的理论。

---

6. 程序化交易广告

市场的发展方向是向需求方彻底开放，广告主按照已经定义好的用户划分来购买，还可以自行选择流量，并在每一次展示上独立出价。要求询价、出价、竞价在展示时进行，就产生了以实时竞价为核心的程序化交易市场。
​
四方主体：

1. ADX：开放的广告交易平台，用RTB的方式实时得到广告候选，并按竞价逻辑完成投放决策。
2. DSP：广告交易平台的采买方，点击率预测，点击价值估计，流量预测，站外推荐。
3. SSP：优化媒体利益，媒体的广告变现选择：合约售卖，自营竞价广告网络，集成其他广告网络，RTB 市场变现。
4. DMP：数据加工和交易市场。

实时竞价

定制化用户标签：即在做人群选择的时候，需要利用广告主自有的数据。
​
由定制化标签指导广告投放，是实时竞价的关键产品目标。
​
实时竞价的流程：

1. 用户标识映射：IDFA，Android ID，cookie 映射。
2. 广告请求：
   1. 媒体网站向 ADX 发起广告请求；
   2. ADX 向各 DSP 发送媒体 URL 和用户标识，等待一个固定的时间片，选择出价最高的 DSP；
   3. 媒体网站从 DSP 中获取广告创意并展示。

程序化交易模式

1. PDB：程序化直接购买交易模式，Programmatic Direct Buying

PDB是媒体所有广告资源中最优质的资源，这种广告资源通常是紧俏的、供不应求的，被广告主争抢的。因此为了获得这些优质的广告资源，广告主通常会事先与媒体达成协议商量好一个价格，将这些优质资源预留出来不能卖给别人，这就是PDB模式。

PDB与传统的广告购买模式非常类似，不太一样的也是升级的一点是PDB可以做到定向人群，但这种定向是非常有局限性的，只能在几个大的基础属性维度内进行定向。

购买PDB的通常是大的品牌广告主，比如保洁、联合利华、宝马、奔驰等，一方面可以满足他们购买优质资源的需求，另一方面简单的定向可以保证一定的广告投放效果。

PDB模式的广告资源位和价格都是事前定好的，因此可以保价保量，而且一般媒体会承诺返量。PDB通常是1v1的模式，是一个媒体对应一个广告主，大部分情况下按照CPT售卖。

2. PD：优先交易购买模式，Preferred Deals

在被大的品牌主承包了最优质的资源后，媒体侧仍有一些相对优质的资源，这些资源的展示量是不确定的，广告主若与媒体以商量好的价格购买这些量不确定的资源，这种购买模式就是PD模式。

PD的不足之处在于资源的不确定性，但好处却是广告主不用向媒体承诺投放量，且可以选择自己需要的目标人群进行投放，避免了广告资源的浪费。它相比PD最大的好处就是可以灵活定向选择目标用户TA。

由于资源位是不确定的，但价格可以事前商定好，因此PD保价不保量。PD通常也是1v1的模式，大部分情况下按CPM售卖。

3. PA：私有市场交易模式，Private Auction

PA交易模式的资源都是私有的，媒体将一些广告资源开放给几个大型的广告主，只允许这几个广告主进行竞价购买这些广告资源，因为这是一个私有的一对多的竞价市场，因此它既不保价也不保量。

私有的关键在于只有几个广告主竞价购买，这些广告主都是需要准入的，都有一定的准入条件，只有满足这些条件的广告主才有资格购买PA模式的资源。PA通常是1v多的模式，一个媒体对应多个广告主，大部分情况下按CPC或CPM售卖。

4. RTB：实时竞价交易模式，Real Time Bidding

优质资源被购买后，媒体侧总会剩下一些不好的资源，这些资源也不是广告主非常青睐的资源，但媒体端又不想浪费了这些长尾和劣质的资源。因此媒体会把这些资源放到公开市场上让一些小的广告主进行竞价购买，这就是RTB模式。

RTB是最早出现的程序化广告模式，它的资源位是不确定的，价格也是实时竞价不确定的。
但对于一些小的尤其是预算比较紧凑的广告主，这些资源因为价格相对较低且准入门槛较低，再加上资源的多样性和灵活性，因此一些小的广告主还是有购买需求的。但是大的品牌广告主一般不会购买这类资源，因为大的品牌主对品牌形象要求较高，而RTB资源的低质量有可能损害品牌广告主的形象。

媒体通常会将RTB放到公开的市场上进行售卖，在这个市场几乎所有的广告主都有资格购买这些资源，因此RTB通常是多V多的模式，多个媒体对应多个广告主，大部分情况下按CPC模式售卖。

广告交易平台 ADX

虽然各个广告位的点击率差别很大，但是 DSP 可以自行精细估计点击率，并实时计算出当前展示的合理 eCPM。因此，按照 CPM 结算，将 eCPM 整体的估计都交给需求方是比较合适的市场分工。

广告需求平台 DSP

1. RTB、优选（PD）等程序化的流量购买方式。
2. 支持需求方定制化用户划分的能力。

需求方平台产品策略：

1. 检索
2. 排序
3. 定价：面向广告主定价，使用 eCPM
4. 出价：面向 ADX 出价，使用 CPM

出价策略：利润为 eCPM - GSP，希望获得的是 eCPM 与市价的比例较大的流量。
​
重定向：

1. 品牌广告：曾经购买过产品，刷新购买决策的正确性；
2. 效果广告：曾经考虑过产品，但没有完成最终转化。
3. 分类：
   1. 网站重定向：将在一段时间内到达过广告主网站或应用的用户作为重定向集合。
   2. 个性化重定向：对重定向流量进行深入加工，按照品类和购买阶段进行创意上的深度个性化。
      1. 动态创意
      2. 站外推荐：站内推荐关注上下文；站外推荐关注用户信息和用户的购买阶段。
      3. 广告主商品库存实时接口
   3. 搜索重定向：搜索过相关关键词的用户群作为重定向集合。

新客推荐：由广告主根据自己的第一方数据提供一部分种子用户，再由拥有更丰富数据的第二方数据的广告平台分析这些用户网络行为的特征，并根据这些特征找到具有相似特征的拓展人群。

广告供给平台 SSP

动态分配：

1. 有无优先销售的订单：CPT 和 CPM 合约
2. 比较自营广告库中 eCPM 的最高值和广告网络的 eCPM

供给方平台产品策略：

1. 估算被聚合 ADN 和内部广告的 eCPM，排序选出最优
2. 以此最优的价格作为底价，向 DSP 发出询价请求

Header Bidding：Bidder 和媒体直连绕过 ADX，在 中通过 JavaScript 访问约定好的 Bidder，和 RTB 出价结果一起排序。增加了广告时延，是一种成功的商业博弈，而不是一种技术进步。

---

7. 数据加工与交易

数据来源

1. 用户标识：稳定精确的用户身份
   1. cookie
   2. email，SNS
   3. IDFA，IMEI
2. 用户行为
   1. 主动行为：
      1. 广告点击
      2. 搜索，搜索点击
   2. 半主动行为：
      1. 分享
      2. 网页浏览
   3. 被动行为
      1. 广告浏览
3. 人口属性
   1. 性别
4. 地理位置
   1. IP 映射
   2. GPS
   3. 蜂窝
5. 社交关系：联系人之间兴趣相似的合理推测，用于用户兴趣的平滑
6. 设备信息：应用安装列表，机型，年龄，陀螺仪，电池电量

行为数据对广告效果的基本规律：

1. 随着用户主动意图的提升，相应的行为数据价值也随之增大；
2. 越接近转换的行为，对效果广告的精确指导作用越强。

广告的根本目的是低成本地接触潜在用户，如果仅仅从转化效果上判断行为数据的作用，会发现靠近转化的行为更精确，实际上是因为这部分人群已经更加接近于决策的最终阶段，也就是越发不是潜在用户。因此，在行为定向上，不能单纯追求 ROI 或者转化效果，而是要根据广告主的具体的人群接触目标来平衡效果和覆盖率。

数据管理

1. 第一方数据：广告主数据
2. 第二方数据：广告平台数据
3. 第三方数据：其他来源数据

第一方数据管理平台：为广告主的网站提供用户标签加工服务，用来指导 DSP 进行广告投放。

第三方数据管理平台：聚合各种来源的在线的用户行为数据，将这些数据加工成有价值的用户标签，然后在广告市场上通过售卖标签来变现。
​

BlueKai 标签体系：

1. Intent：最近输入词表现出某种产品或服务需求的用户
2. B2B：职业上接近某种需求的用户
3. Past Purchase：根据以往消费习惯判断可能购买某产品的用户
4. Geo/Demo：地理上或人口属性上接近某标签的用户
5. Interest/LifeStyle：可能喜欢某种商品或某种生活方式的用户
6. Qualified Demo：多数据源上达成共识验证一致的人口属性
7. Estimated Financial：根据对用户财务状况的估计做的分类

数据交易

传统交易模式：通过 ADX 中转，售卖给 DSP，按照 CPM 计价。
​
数据的重复售卖会引起数据价格向流量价格的转移。

数据安全

隐私保护基本原则：

1. 要严格避免使用个人可辨识信息
2. 用户有权要求系统停止跟踪和使用自己的行为数据
3. 不应长期保留和使用用户行为数据

准标识符与 K 匿名：将准标识符泛化，使数据集里的每一组准标识符的实例都能找到 K 条与其相同的。
​
稀疏行为数据：通过稀疏的行为数据，可以比较容易定位自己熟悉的人。

差分隐私：对数据集进行一定程度的修改，在尽可能少损失查询准确率的情况下，使隐私泄露的风险最低。

程序化交易中的数据安全：

1. 供给方：ADX 向 DSP 广播每次展示的 URL 和 cookie，使得 DSP 在理论上存在规模化监听媒体用户行为的可能。
2. 需求方：ADX 和 DSP 都有可能获取广告主的访客集合。
   《通用数据保护条例》（GDPR）：

• 敏感数据：
  • 种族或民族
  • 政治观点
  • 宗教或哲学信仰
  • 工会成员身份
  • 涉及健康、性生活或性取向的数据
  • 基因数据
  • 经处理可识别特定个人的生物识别数据
• 消费者权利：
  • 数据访问权，了解企业对其数据的具体使用情况
  • 被遗忘权，要求企业删除已收集的个人数据
  • 限制处理权，禁止企业将信息用户特定用途
  • 数据携带权：用户离开平台时可以带走其在该平台产生的个人数据

---

8. 信息流与原生广告

移动广告

移动广告的特点：

1. 场景广告的可能性
2. 大量潜在的本地化广告主

移动广告的挑战：

1. 应用生态造成的行为数据割裂
2. PC 时代广告主移动化程度不够

信息流广告

定义：首先，广告以与内容联动的方式进行交互；其次，被广告区隔开的各部分内容之间没有直接的关联。

信息流广告产品关键：

1. 广告位适配问题：表现原生问题
2. 广告竞价与放置：在平均广告条数的约束下，通过调整每个用户的S与K，优化总体广告的点击率
   1. S：首条广告出现在第几条内容之后
   2. K：两条广告之间间隔几条内容

其他原生广告相关产品

1. 搜索广告：明确考虑用户当前的任务和意图，并直接根据这些来触发广告。
2. 软文广告：在内容的生产过程中，应该同时考虑到商业化的可能。
3. 联盟：由媒体从广告库中自由选择要推广的对象，并按照自己控制的方式来进行推广。只有给媒体一定的选择广告的权限，才能比较容易地做到广告与内容在主题上的和谐。

原生广告平台的产品特征

1. 表现原生与场景原生
   1. 表现原生：将广告的展示风格和样式变得与内容相一致。
   2. 场景原生：将广告的投放决策逻辑与内容生产相一致。（广告搜索引擎和搜索引擎同步？）
2. 场景感知与应用
   1. 上下文：当前用户关注的互联网内容
   2. 场景：用户本身的环境和任务
3. 植入式原生广告
   1. 判断用户当前的场景及意图
   2. 确定根据用户的意图提供什么样的信息

---