目录
第八章 计算广告
计算广告是伴随着互联网产生的广告形式，因而很多时候也被称为互联网广告或在线广告。互联网等数字媒体为用户提供优质的免费内容，用户将其注意力投放到媒体内容中去；广告主向媒体付费购买广告位，进而获得用户的注意力；用户接触广告，建立对产品的认知并可能产生购买行为。媒体平台通过向广告主出售用户的注意力（即流量变现）实现盈利。因而，计算广告涉及广告主、媒体平台和用户三方的利益。在广告投放的过程当中，广告主、媒体平台和用户三方存在激烈的利益争夺，因而计算广告是一个博弈的过程。
计算广告的核心挑战在于找到寻找一个特定的媒体情景下一个特定的用户和一个适合的广告之间的最佳匹配。理想的广告投放应该找到合适的的受众，捕捉到受众的需求信息，考虑受众所处的情景，以令受众束缚的方式传播产品信息。对于计算广告的机制设计而言，希望能够找到一种方式实现社会利益的最大化。计算广告是一种匹配，需要匹配广告主、媒体平台和受众三方的利益。作为一种匹配，计算广告的匹配效果可以从匹配的范围、速度、精度等维度进行衡量。计算广告致力于采用计算的方式尽可能地实现完美匹配。为了高效率地实现社会最优的利益分配，往往采用拍卖作为计算广告的主要形式。因而，博弈论、匹配理论和拍卖理论构成了计算广告机制设计的基础。
第一节 引言
从产业革命的浪潮而言，产业的发展会首先经历技术驱动阶段，然后逐渐过渡到产品驱动阶段，等到产品成熟之后会进入运营驱动阶段，最后还会经历新一轮技术浪潮的冲击。但是广告不同于搜索或者推荐技术，它首先是一种商业活动，优先考虑的是广告主、媒体和受众三方的利益分配。广告主投放广告的行为只是表面，数据背后所反映的业务动机和意图才是本质。从经典的企业营销4P模型的角度来讲，企业的营销战略分为四个部分：产品（Product）、价格（Price）、渠道（Place）、促销（Promotion）。虽然广告仅仅是促销策略中的一部分，但不管是建立长期的品牌效应，还是实现短期的产品销售广告，都需要服务于整个企业营销的战略布局。
计算广告是在互联网环境下产生的一种新型的广告方式。互联网的本质是一种数字媒体，能够为用户提供信息服务。然而，不同于传统媒体，互联网尤其是其背后的隐藏的社会关系和社会计算，重构了人类的传播行为。作为一种数字技术支撑的信息平台，互联网经历着迅速的发展和演化。互联网平台将无数的个体和海量的网站紧紧地连接在一起，在群体注意力的冲刷下，互联网本身似乎具有了生命，它不断生长，产生了各种不同的形式，并开始深刻地改变人类社会的生活。计算广告与互联网之间互相影响。互联网通过提供新闻门户、搜索、社交网络、在线购物、音乐视频等免费服务吸引了大量的注意力，积累了大量的受众行为数据，为流量和数据变现奠定了基础，孕育了计算广告市场；而计算广告反过来推动了互联网的发展，互联网广告收入使得我们可以免费地使用很多优秀的互联网产品和服务。
人类在互联网上的行为都会留下行为痕迹。比如，当人们使用搜索引擎的时候会主动地输入想要检索内容的关键词，这些搜索关键词表明了受众的需求。与之类似，我们浏览网页、发微博、看网络视频等行为都展现了用户的特征。互联网为理解受众的特征和需求提供了海量的数据。基于这些数据，可以使用数据挖掘的方法、机器学习的方法进行受众细分，实现广告的精准投放和定量测量，实现中小广告主和中小媒体对计算广告的长尾价值。
计算广告仍然处于技术驱动的阶段，其背后是飞速发展的软件和硬件技术，包括云计算架构和人工智能算法。以搜索广告为例，搜索引擎需要具备海量数据的存储和检索技术，以实现对大规模的广告物料的存储和实时筛选；搜索引擎需要具备自然语言理解、信息检索、机器学习技术，以实现广告的精准触发和投放；搜索引擎需要具备分布式调度算法以保证广告的时效性，保证广告信息与产品信息的一致性；搜索引擎需要日志流式处理技术，以实现广告主对广告效果的实时查询；搜索引擎需要具备相关推荐技术，以实现广告呈现的多样化。
计算广告越来越朝着数据驱动、计算导向的方向前进。计算广告是非常典型的大数据应用，它的关键不再仅仅是创意，而开始取代人工服务。互联网广告的投放过程包括四步：一是建立离线模型；二是实时监控；三是精准的广告投放；四是等待受众点击广告，然后获利。
产品驱动的趋势在计算广告当中开始越来越强。
第二节 发展历程
计算广告的类型演变展现了互联网广告的整个发展历程。从产品的视角可以将计算机广告分为四种基本的类型：合约广告、竞价广告、程序化交易广告、原生广告。
合约广告可以分为按照时间段出售的包段广告和按照约定展示量出售的担保交付广告。
竞价广告由合约广告进一步演化而来，是一种采用竞价方式拍卖广告的形式。
搜索广告作为一种竞价广告，也没有完全解决整个互联网广告的市场出清问题，因为搜索引擎建立的基于自身流量的“直销式集贸市场”无法解决大量中小媒体的广告位闲置的问题。但竞价交易模式为长尾流量变现提供了可能性，可以基于长尾媒体的广告位建立一个“转卖贸易市场”，也就是广告网络。广告网络聚合了中小媒体广告位库存，广告主可以直接通过广告网络购买长尾媒体的广告位，降低了交易成本，促进了市场出清的实现，提升了计算广告市场的效率。
程序化交易广告是一种进一步提高广告市场效率的方式，程序化交易广告建立在实时竞价的基础上，要求询价、出价、竞价和展示同步进行，允许广告主自主选择流量、对每次广告展示独立出价。
原生广告是让计算广告重新回归媒体内容的一种计算广告形式。起源于社交网络广告的信息流广告是一种主要的原生广告产品。信息流广告自然地出现在受众的信息流当中，广告与信息无论在呈现形式还是内容上都非常接近，广告与内容有机融合，可以提升广告的用户体验。
第三节 优化目标
广告市场的一个最基本的特征在于存在广告需求和广告位的供给两个方面。因而可以采用经济学的方法进行理解。需求方包括广告主、代表广告主利益的代理商等；供给方主要是媒体。此外，还有一个被动的参与方，也就是受众。广告主通过媒体来实现低成本的用户接触。计算广告的核心目标就在于找到合适的广告投放策略，以最大化广告的收入r和成本q之差。
计算广告的收入认识广告主和媒体一起产生的价值。一方面，它与发生在媒体上的点击率有关；另一方面，它和发生在广告主网站上的点积价值有关。点击率是指广告点击次数与广告展现次数之间的比值；点击价值是指单词点击为广告主带来的收益。
计算广告的核心挑战在于找到一个特定的媒体情境（c）下一个特定用户（u）和一个适合广告（a）之间的最佳匹配。
计算广告的核心优化目标进一步可以表达为：
第四节 计算广告市场的博弈、拍卖与匹配
一、博弈
广告是市场竞争的主要方式。对于一类产品，一个广告主的广告投放行为将会对其他广告主产生影响。因而，对于广告主而言，在做出广告投放决策的时候，需要预估竞争对手的反应。因而可以采用博弈论的框架来进行理解。博弈的是哪个基本要素，包括参与人、策略和收益。
纳什均衡使得博弈参与人的策略互为最佳应对，因此在给定对方策略的前提下实现了个体最优。但是纳什均衡中的个体最优并不意味着群体最优，例如，囚徒困境博弈就远远偏离群体层面的最优状况。社会最优或社会福利最大化是指在博弈中选择一组策略使参与者的回报之和最大。但是在这种情况下，未必每一个参与者都满意。除了纳什均衡和社会最优外，衡量博弈的结果还可以从帕累托最优的角度进行思考。帕累托最优是指找不到一组博弈策略，在不使任何人收益下降的情况下使得至少一个人的收益变得更好。在不伤害他人利益的同时改进自身的利益，可以实现资源配置方面的帕累托改进，提高市场的效率，同时兼顾公平。需要注意的是，社会最优一定是帕累托最优，但帕累托最优未必是社会最优。
二、拍卖
对于广告市场而言，不同广告主对于同一个广告位的估值差异较大，卖方难以确定一个买卖双方都认可的交易价格。广告位也属于易过期的商品，如果一个广告位在一段时间里没有销售出去，它在这段时间的广告价值就是零。此外，互联网上的广告位数量也非常庞大，同样需要建立一种拍卖机制实现广告位的快速、高效交易。
三、匹配
计算广告的核心挑战在于广告本身是一种匹配，广告市场也是一个匹配市场，如何让媒体的多个广告位和众多的广告主之间实现匹配就成为一个重要的问题。
from munkres import Munkres, make_cost_matrix, print_matrix
matrix = [[12, 4, 2],
[8, 7, 6],
[7, 5, 2]]
print_matrix(matrix, msg='Profit Matrix')
cost_matrix = make_cost_matrix(matrix)
print_matrix(cost_matrix, msg='Cost Matrix')
m = Munkres()
indexes = m.compute(cost_matrix)
total = 0
for row, column in indexes:
value = matrix[row][column]
total += value
print('(%d, %d)->%d' % (row, column, value))
print('Total profit=%d' % total)以上是匈牙利算法在Python中的具体实现逻辑。
综上，在本节当中我们介绍了将广告投放和广告市场看成一个博弈的过程的基本思路。为了提高广告市场交易的效率，可以采用拍卖的方式。我们介绍了四种基本的单品拍卖方式，包括增加拍卖（英式拍卖）、降价拍卖（荷兰式拍卖）、首价密封拍卖、次价密封拍卖。其中，拍卖机制设计中的信息披露是一个关键的问题。但是单品拍卖的形式不适用于多个广告位同时拍卖的场景，对此可以引入匹配市场的逻辑，将提升广告市场的交易效率、实现社会福利最优看成广告主和广告位之间的完美匹配。通过增价格的形式和匈牙利算法，采用市场价格这样一个“无形的手”可以调节广告主的预期收益，最终找到市场清仓价格和完美匹配。这种增价的过程恰好对应增加拍卖（英式拍卖）的场景，事实上匹配市场的清仓价格作为一种自动化的拍卖形式的确可以看成英式拍卖的推广。
第五节 计算广告市场的拍卖机制设计
计算广告市场需要找到一种鼓励真实报价的拍卖机制。互联网广告作为一个匹配市场，除了需要有广告主和广告位之外，还需要有广告主对广告位的估价。
对于广告位而言，我们有每一个广告位的点击率的历史信息。可以建立点击率的预测模型，并把广告位按照优劣进行排列。与之类似，每个广告主还可以按照点击价值进行排序。这样，无须复杂的匹配过程，只需要按照广告位和广告主的优劣排序，就可以实现完美匹配。
一、广义次价拍卖
在广义次价拍卖中，真实报价不一定构成纳什均衡。这是因为，广义次价拍卖并不是真正鼓励真实报价。对于采用广义次价拍卖的媒体而言，他们期待将好的广告位卖给出价高的广告主。但是，对于广告主而言，追求的是收益的最大化，而不一定是最好的广告位。因而，可能出现田忌赛马的情况，降低报价获得一个中等的广告位，有可能扩大这个广告主的利益。
搜索引擎关注的是最大限度提高自身收入。因为可能存在多重纳什均衡，这些纳什均衡的出价有一些可以最大化媒体的利益，有的不能。如何最大化媒体的利益取决于是哪一个广义次价拍卖的纳什均衡。换言之，我们并不清楚广义次价拍卖的正确性，但采用它未必是一种错误。
二、维克瑞-克拉克-格罗夫拍卖
单品次价拍卖的核心在于权利与义务的对等。具体而言，一个人的行为给别人造成多少影响，就需要支付多少钱来弥补这个损失。
与GSP拍卖机制相比，VCG拍卖机制鼓励“讲真话”，按照真实估值出价是每个竞拍者的占优策略。无论别人如何出价，出价多少，每个竞拍者没有理由故意让出价偏离其心理估值。换言之，大家都按照估值报价就是一个纳什均衡。VCG拍卖可以实现社会最优，让买方估值总和最大。按照机制执行的定义，当大家都“讲真话”时，所得到的广告位分配就是估值总和最大的。
本章小结
计算广告是计算传播学在广告产业中的重要应用。本章将从发展历程、优化目标、理论基础、机制设计等几个方面介绍计算广告的基本内容。需要强调的是，本章中我们没有过多讨论计算广告相关的技术。实际上，计算技术构成了计算广告发展的基础。
但是，计算广告这种技术驱动的逻辑背后或许隐藏着强烈的资本垄断的危险。不断涌现的计算技术支撑了计算广告的发展。google等大型网络广告的平台在掌控网络流量之后，开始扮演广告寡头的角色。正因为寡头平台的强势地位，Broder等人所设想的广告主、媒体平台和用户三方利益的匹配有可能会受到威胁。例如，虽然VCG拍卖除了实现最佳匹配的方法简单、鼓励广告主说真话这两个优点外，VCG价格与匹配市场清空等具有等价性，可以是实现社会最优。事实上，VCG价格同样是市场清仓价格，并且是唯一一个总价之和最低的市场清仓价格。但对于占垄断地位的搜索引擎公司而言，最关心的是如何最大化广告位的总售价，将总估价转化为媒体的收入。大广告主很多时候需要做的是品牌展示类型的广告，在和媒体平台谈判的时候具有更强的话语权（相对于小广告主而言）；位于长尾位置的小广告主，目前而言仍然只能接受媒体平台选择的拍卖方式。
另外，新的数字媒体形式使得用户的隐私变得网络化，媒体平台可以更精确地刻画用户的基本特征，进而帮助广告主有针对性地投放广告，正在创造一个前所未有的强大媒体效果时代。但是，当商业广告与政治劝服结合的时候，计算广告本身的合法性就需要进一步讨论。以上所有这些讨论都不断说明计算广告市场本身面临的巨大问题，比如上面提到的计算广告机制设计中的用户缺位问题、投放场景中的受众操纵问题、投放过程中的侵犯用户隐私问题等。这些问题的解决单纯依赖计算机科学家和经济学研究者是远远不够的。社会科学家，包括传播学研究者，需要在计算广告市场的机制设计方面发挥更大的作用。
516
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
