计算广告（2）----定向广告和搜索广告

一、定向广告

一、场景：

例子1：浏览一个做菜的网站，旁边有一个相关的图片广告-------上下文定向

例子2：浏览一个小说网站，旁边又有一个做菜的图片广告-------行为定向

 

二、上下文定向：

根据投放页面的内容，推送相关的广告。

1、内容提供商自定义：

　　DSP预先人工定义一些网页的类型标签（“科技”、“文学”）。

　　SSP自己从中选择自己网页属于的类型。

　　投放时，根据这些人工选定的类型标签推送广告。

　　广告库中的广告则按照竞价词进行索引。

　　因此，需要通过建立类型标签与竞价词的相似度联系，才能在检索到广告。

2、页面关键字提取：

　　需要爬虫抽取网页中的内容，进行一定的内容分析，从中抽取可以精确匹配（模糊匹配）上的竞价词，然后再到广告库中检索广告。

3、网页聚类：

　　同样需要使用爬虫抽取网页中的内容，然后对网页库进行文本聚类。然后汇总同一聚簇下的网页内容，匹配竞价词。

 

三、受众定向：

1、概念：

给当前的用户流量打标签的过程。标签的形式可以是“体育——NBA”，“连衣裙——雪纺连衣裙”等，用于区分用户的兴趣点。

展示广告中，会显式或隐式的使用到这些用户标签。

显式应用标签：按照标签售卖流量，广告主可以按照人群的标签进行加价。例如，广告主的产品主要是女装，就可以对女性用户进行加价，在这一人群上争取更多的流量。

隐式应用标签：并不按照用户标签显式售卖流量，但是在系统会按照用户标签和广告的匹配程度，动态的分配流量，提高广告系统的点击率。

2、受众定向的方法：用户背景资料调查和行为定向。

（1）用户背景资料调查：

用户使用系统时，系统让用户提供的各种自身信息，如性别、年龄、学历等，

可以单独用来作为显式流量售卖，

也可以用来后续的CTR预估模型中，作为重要特征提高精度。

但这种背景信息难以定位用户对于某一类广告的偏好。如，26岁的女性是否喜欢体育。

（2）行为定向：

根据用户的历史行为，给其打上兴趣点标签。

涉及的行为包括搜索的关键字，在特定类目内容上的点击、浏览行为等。

行为定向的方法可以分为：监督的行为定向算法和非监督的算法。

①监督的行为定向：

　　使用预先定义好的兴趣点，这些兴趣点的定义跟系统中已有的广告类型有关。

　　用户对于某个兴趣点的兴趣值可通过用户对该类型的预估CTR来表达。【CTR = click/show】

②非监督的行为定向：

将用户进行向量化表示，比较常见的表达方式：

基于item的向量表达法【多用于电子商务的广告系统】，根据用户的历史浏览、点击、购买等行为日志，将用户表示成item的向量。

基于query的向量表示法【多用于搜索引擎的广告系统】，根据用户的历史query进行分词，同义词归一化等操作后，将用户表示成词的向量。

向量化后，可以将用户按照其历史行为进行聚类。

聚类完成后，就可以汇总统计同类用户对广告的CTR，选择CTR高的广告投放给用户。

 

 二、搜索广告整体逻辑：

http://www.jinciwei.cn/f775883.html

1、搜索广告背景：

搜索广告也就是我们常常在百度搜索时，见到的广告。
对于用户：在搜索场景下，用户在搜索栏上搜query，更多是短时的强烈的意图，所以及时满足用户的需求，对用户体验来说十分重要。

对于广告主：而搜索广告系统通过获取用户具有商业价值意图的query，展现相关广告，从而服务于广告主拉新，转化目标。

站在搜索系统平台角度来说，需要满足三方的利益，分别是广告主、用户和媒体。
用户：用户通过query来表达查询诉求，所以展示内容满足要用户的意图，展示给用户想要的，对于用户体验是很重要的。
广告主：广告主通过购买关键词，创意标题图片来表达投放诉求，广告主需要花费实打实的rmb，所以对广告主来说，满足广告主的获客量、获客成本以及收益（ROI）是十分重要的。
站在媒体平台角度，需要平衡用户和广告主2者的利益，我们可以通过两个指标来指导用户和广告主之间的平衡。分别是点击率和转化率。
点击率（CTR）：即点击/展现，点击率是衡量用户query与广告相关性以及用户体验的一个重要指标。如果点击率不好，可以认为用户对此广告不感兴趣，query与广告主的相关性较低，所以，点击率可以从侧面反映用户的兴趣。如果对一个用户来说，长期以往展示不感兴趣的内容，用户会感到反感，会去其他体验较好的媒体，从而造成平台用户数目减少，从而日活、月活会不断下降，造成流量的下降。这对媒体和广告主来说都不是好的选择。
转化率（cvr）：转化率是衡量广告主的投入产出比（流水/消耗）一个重要指标，广告主通过花钱付费把自家的广告展示在用户面前，希望通过用户点击广告，从而达到拉新，转化的目的。如果广告主长期入不敷出，谁还愿意花钱呢，所以它标志着广告主是否继续在此平台消耗预算的指标。

2、搜索广告步骤：

作为平台，那么如何识别用户的意图，召回和排序用户感兴趣的广告呈现在用户面前呢？
在搜索广告系统上，一共经过6个步骤，分别是召回、粗排、精排、竞价、截断、展示。
召回：简单来说就是从广告库中粗选就几百个和用户query相关的广告。那么如何取召回广告与query是否相关呢？
这就搜索广告平台比较重要事情了，和算法有关。算法一共经历3个步骤：切词算法、匹配算法、相关性算法。

切词算法：把query和关键词切成一个一个的term。
匹配算法：目前有4种匹配方法，分别是精确匹配、短语匹配、前缀匹配。其中精确匹配是query=关键词，短语匹配是query组成的term是否包含关键词组成的term。
相关性算法：计算query和关键词的相关性。通过抽取广告主上传物料、用户query等一系列特征去计算相关性。
相关性算法会抽取以下几个特征：

• • 用户属性特征：年龄、性别、兴趣、职业等
  • 用户历史行为：点击日志
  • query特征：一段时间的query，session分析
  • 广告主特征：行业属性
  • 落地页特征
  • 商品特征

　　通过这几个特征计算相关性达到一个粗排过程。

精排：

对于一个query，可能有多个广告主去竞争，那么我们要取哪个广告展示在用户面前呢？这就是设计到精排了。
这个时候就引入一个叫点击率预估的算法，简单来说，就是把粗排的广告找到一个既满足用户意图、满足广告主和平台变现价值的最好的广告展示在用户面前。
这就是整个搜索广告系统整体逻辑了。

 

 

 

 

 

转载于:https://www.cnblogs.com/Lee-yl/p/11058374.html