刘鹏计算广告学2：广告的基本知识（二）

计算广告学是一门由信息科学、统计学、计算机科学以及微观经济学等学科交叉融合的新兴分支学科。前MediaV首席科学家、前Yahoo！高级科学家刘鹏开设计算广告学（Computational Advertising）公开课。课程地址： http://study.163.com/course/introduction.htm?courseId=321007#/courseDetail

第一章：广告的基本知识

第六节：计算广告核心问题的挑战

sponsor即ad a，受众即user u，媒体即context c，所优化的是给定user和context，选择一组a，使得ROI最高。

从优化角度看：特征提取就是把u和c打成标签的形式；微观优化就是CTR预测；受限优化就是不同的广告有不同要求，效果广告会考虑量和质，品牌广告的量比质更重要，受限优化就是在给定量的限制下优化质的问题；强化学习就是新的广告主和新用户，到底新的广告适不适合这类人，需要有个探索的过程，但这个过程会有损收入，在慢慢探索的过程又是优化收入的过程即利用。

从系统角度看：（候选查询，实时索引），（特征存储，no-sql技术），（离线学习，hadoop分布式学习），（在线学习，流计算实时学习），（交易市场，实时竞价）

latency严格要求：ad exchange与DSP的通信必须在100ms内返回，否则就不能等了；广告请求到展示的时间必须很短。

动态性：比如兴趣建模能否适应快速变化学习。

第七节：广告，搜索与推荐的区别

第八节：投资回报(ROI)分析

投资Investment和回报Return。点击率CTR是广告a，用户u，上下文c的函数，点击价值由广告a和用户u决定的。相乘起来得eCPM，即expected CPM（一千次展示多少钱），优化ROI就是主要优化回报率。

对品牌广告来说，CPM的方式很合适。

CPC市场：由广告网络比如google系统估计CTR，由需求方的公司来估计点击价值。

第八节：在线广告系统结构

在线广告系统概要结构：

Ad Server：高并发投放系统，当请求来了决定展示哪个广告的系统。特点是高并发，在线。接受的请求有两种：用户请求和广告交易市场的请求。

受众定向平台hadoop：数据挖掘平台，分布式hadoop平台；

数据高速公路：用来联系Ad Server与其他平台。可用一些开源工具做到，作用是将线上的日志准实时的推送到其他的平台，方便快速反馈到线上系统和快速的看结果。

流式计算平台storm：准实时的数据挖掘平台，用于反作弊和计价。
在线广告系统概要结构的主要模块如下：

1. Ad serving    2. Ad retrieval    3. Ad Ranking    4. Stream Computing    5. Data highway    

6. Session log generation    7. Data warehouse    8. Customized audience segmentation

9. Page attributes system    10. Audience targeting    11. Ad management system