計算廣告
標簽（空格分隔）： 讀書筆記
第一章 在線廣告綜述
在線廣告：以人群為投放目標、產品為導向。開啟了大規模、自動化利用數據改善產品和提高收入的先河。
計算廣告是大數據應用中最成熟、市場規模最大的行業。
- 內涵
廣告首先是一項商業活動，在互聯網環境下需要技術優化的商業活動。三方考量在于廣告主 媒體 用戶三方利益的考量。
1.1大數據與廣告的關系
C類問題通過較低的采樣率能夠降低數據處理的復雜程度同時目標函數（解決問題的效果）沒有太大的下降 比如：統計報表、報告
A類問題（產生了Hadoop等基礎設施和NoSQL數據存儲等技術）隨著數據采樣率下降解決問題的收益會快速下降為典型的大數據問題比如：個性化推薦、計算廣告
B類問題（產生了Spark這樣的計算框架）處理效果隨著數據量的上升有一定的提高，但當數據達到一定規模后，再增加數據量價值不大。比如：文本主題模型。
1.計算廣告位規模化地講用戶行為數據轉化為可衡量的商業價值提供了完整產品線和解決方案，并且實際上創造了互聯網行業大部分的營收。
2.在線廣告孕育和孵化了較為成熟的數據加工和交易產業鏈，并對其中的用戶隱私邊界有深入探討。
3.加上了商業上的限制條件，計算廣告的技術和產品邏輯比單純的個性化系統更復雜周密
1.2廣告的定義與目的
廣告是由已確定的出資人通過各種媒體進行的相關產品（商品、服務、觀點），通常是有償的、有組合的、綜合的、勸服性的非人員的信息傳播活動
兩個參與方：需求方Demand和供給方Supply+被動參與方受眾audience
傳統媒體時代：
- 廣告的目的是希望借助媒體的力量來快速接觸大量用戶，已達到宣傳品牌形象、提升中長期購買率與利潤空間的目的。這種目的廣告稱為品牌廣告
- 利用廣告手段馬上帶來大量的購買和其他轉化行為稱為直接效果廣告
廣告根本目的：廣告主通過媒體達到低成本的用戶接觸（按某種市場意圖接觸相應的人群，進而影響其中的潛在用戶，使他們選擇廣告主產品的幾率增加，或者對產品性價比的苛求程度降低）
投入產出比ROI（return on investment）
1.3在線廣告創意類型
1.橫幅廣告（Banner ad）
2.文字鏈接廣告（textual ad）
3.富媒體廣告（rich media ad） 彈窗、對聯、全屏
4.視頻廣告（video ad）
視頻流播放間隙插入廣告 還可分為前插片、后插片、暫停等類型。常計算點擊率、用戶觀看時長等指標。
5.社交廣告（social ad）
在社交網絡的環境下嵌入的廣告可以統稱為社交廣告。最早見于Twitter，產品成為“Promoted Tweets”。這種方式力求在用戶自然關注的交互過程中盡可能自然的插入廣告，也被歸于原生廣告的范疇。
6.移動廣告（mobile ad）
應用中插入廣告的SDK和相應的廣告網絡。典型形式有：橫幅、開屏、插屏、積分墻、推薦墻
7.郵件定向營銷廣告
1.4在線廣告簡史
1、RTB——real-time biddng，重點在于bidding。精準營銷之前在ad network時代已經實現，不過在購買方式上是包斷的（比如CPM，或者CPT）。而RTB打破了提前包斷的概念，將購買方式變成實時的、可調整的、競價的，也就是real-time和bidding的真正意思。
2、DSP——是為買方服務的，但最主要的功能是能接入程序化購買，即智能化地出價與競價。
3、SSP——是為賣方服務的，也可以讓媒體接入程序化購買，讓流量加入不同的exchange平臺，獲得最大化競價的廣告展現
4、Ad exchange——程序化交易的中樞。可以是RTB購買，也可以是PPB（程序化優先購買）等方式
2.1廣告有效性原理
影響因素
折扣所付出的成本變高
互聯網廣告技術特點
- 技術和計算導向
受眾定向成本低、競價交易方式 - 效果的可衡量性
通過日志紀錄廣告效果并利用日志優化廣告效果 - 創意和投放方式的標準化
由于受眾定向、程序購買，創意尺寸統一化且關鍵借口標準化 - 媒體概念的多樣性
廣告的目的是潛在用戶而非ROI - 數據驅動的投放決策
2.3廣告收入的分解
eCPM＝r（a,u,c）=U(a,u,c)＊V（a,u,c） U為點擊率 V為點擊價值
在線廣告市場
計算廣告核心計算問題
對品牌廣告而言 量重要性大于質
對于效果廣告 質的重要性大于量
受限分配：質與量受限情況下的優化
強化學習：新廣告的探索 根據探索制定的優化
計算廣告存在的問題：
搜索、廣告、推薦的異同：
關于ROI
在線廣告系統平臺：
1.在線的高并發投送系統
2.離線的受眾定向平臺
3.通過數據高速公路聯系上述兩部分
4.比hadoop快的流式計算平臺 反作弊 計價
1.Ad server 投放平臺 用戶訪問產生AD code 到ADserver 通過交換得來 把符合的找出
2.Ranking過程 根據eCPM準則 選出10條更具eCPM選最好的投出
3.Session log gengration根據用戶數據、行為做targeting 整理成一個用戶做了什么事情 日志
4.BI系統 ——數據與人的系統，對過去日志分析后根據人的需求提供查詢報表
受眾定向——根據用戶行為打標簽
點擊率預測的模型
5.使用爬蟲爬有廣告投放的頁面
6.DSP自定義需求
合約廣告系統
廣告位合約
作為典型的線下廣告投放模式，其結算方式為CPT（按時長付費）
優勢：
在一些強曝光屬性的廣告位上采用獨占式的廣告投放可以有效的給用戶帶來品牌沖擊；而在一些橫幅位置上長期占有有利于形成“櫥窗效應”，塑造不斷攀升的品牌價值和轉化效果.
變化：
受眾定向的出現使得一個廣告商可以根據自己產品按照人群分別投放廣告以取得更好的效果；即使受眾無法區分也可以離喲過頻次控制的方式向統一用戶遞進式展示一系列創意以達到更好效果。
受眾定向方法概覽：
- 地域定向
- 人口屬性定向（包括年齡、性別、教育程度、收入水平等，是可監測的數據）
- 頻道定向
- 上下文定向（根據網頁內容匹配相關廣告，粒度可以是關鍵詞、主題；其覆蓋率高是優點）
- 行為定向（根據歷史訪問了解用戶投放廣告）
- 精準位置定位（使得大量區域性強的小廣告主有機會投放）
- 重定向（根據廣告主過去的訪客投放廣告）
- 新客推薦定向（根據廣告主提供的種子訪客信息找到行為相似的潛在客戶）
- 團購
流量預測：
展示量合約售賣的是特定人群的廣告曝光次數，因此合約中必然約定投放的量。在產品策略上產生了流量預測。
主要包括：售前指導、在線流量分配、出價指導
而流量預測的重要性也使得主動影響流量的策略流量塑形的產生
廣告產品標簽體系的過于復雜會導致精準標簽在合約量的束縛下無法售賣，因此標簽的人群規模更具有說服力
在線分配（在量的限制下優化質）
上邊是廣告庫存 下面是在線到達頁面和用戶
Adwords problem b下標ia impression分給廣告產生的收益
x下標ia impression分給廣告商沒
Dispaly problem 優化每一個CPM的效果具體而言就是收獲到的點擊量——點擊率＊x下標ia
- 外延
