Computational Advertising 笔记（一）

demonstrate 的 blog
daily blog
Computational Advertising 笔记（一） [/color]


[color=gray]这部分内容来自 Stanford 大学的这门课程。

计算广告学（computational advertising）的基本问题是为给定的用户在给定的环境下找到最合适的广告，这么简单的一个说法涉及到了三种角色：用户（user），出版商（publisher）与广告商（advertiser）。所谓的 publisher 就是为用户提供“环境”的人，这些环境里面一般以 publisher 自己的“内容（content）”为主，这是吸引用户到这里访问的核心，而 advertiser 希望利用用户访问的机会对自己负责的产品进行有效的推广。常见的场景如

publisher 为搜索引擎提供商，通过自己的搜索服务吸引用户流量，广告商针对某些 query 进行广告投放，这就是前面提到过的 sponsored search；
publisher 为某些 blog、news 提供商，一般通过提供与内容相关的广告信息进行广告投放；
deals、团购信息也可以认为是某种广告信息，很多时候通过用户订阅相关的邮件进行投放；但是团购网也可以看成是某种 publisher 因为这些信息本身也会吸引用户，造成直接的访问。
传统的广告投放途径如杂志、报纸里面都含有广告信息，现在移动设备正在对这些传统的媒体进行转变，新闻等等已经开始通过手机、平板设备进行传递，如 flipboard 又或者 Yahoo! 一直致力于开发的 livestand、苹果的 newstand，这是对这些广告模型的数字化重新实现。所谓的 computational advertising 就像个“皮条客”，将这三者 hookup 起来。这个领域里面非常核心的技术包括 IR（如何检索相关的信息）、microenconomics（如何对 user 的 information need 进行建模）、game theory（如何让不同的 advertiser 进行竞价）、recommender（主动的为用户推递信息）等等。

既然讨论的是广告，我们就得对不同的广告目的进行划分：

brand advertising，这是针对“品牌（brand）”的销售，品牌而不是产品的意思是让用户记住“牌子”，类似于买个脸熟，目的就是在用户心里建立一个“（与其他品牌）可区分的正面的形象”；
直接市场营销（direct marketing），这一般是针对特定商品的，类似于提供给用户购买的渠道（如电视营销），购买的 incentive（马路上发传单，deals 等），目的就是获得用户的直接反应；
那么“computational”主要就是为传统的广告学注入“计算能力”之后如何利用“算法”解决经典问题，其好处有 personalization、适合定量化等。因此 computational advertising 的核心问题是如何建立一个 user、publisher 和 advertiser 的市场能够最大化三者的收益，以及建立这个市场需要的 infrastructure。那么解决这些问题我们需要 representation、definition 和 solution：

representation，如何表示 user、publisher 和 advertiser；
definition，我们需要优化的目标、约束分别是什么
solution，如何快速有效的求解这个（些）优化问题
首先要有市场导向、然后才是 computational advertising，最后是支撑整个 idea 的系统。我们多数 technical 人员对 system 比较有 sense，但是对前面两个可能就不那么有感觉了。广告投放上来看：search、display（细分为 banner、rich media、digital video 和 sponsorship）、分类广告、lead generation 以及 email，似乎 email 上的正在萎缩，分类广告基本停止增长。投放广告的形式主要根据 user 在每个可能情况下的花费时间，如传统媒体现在可能每天平均花费 20-30min，但 mobile 上有 50min，而 Internet 上有 2.5h，最多的一般是 TV 有 4.5h，据此 advertiser 会选择合适的媒体进行广告投递。

从这里我们不难理解，为什么无论是 apple、google 还是 Yahoo! 都希望进入 TV 市场，internet 布局基本已成定局，除了 facebook 现在通过社交网络网罗了 display 类型广告的大量收益以外，各家尚未有新的手段压制彼此；mobile 上 apple、google 可以利用系统上的优势笼络 advertiser。这里浮现出来的更多的商机自然就是数字化后的电视，这是新的大蛋糕，自然每个经营此类业务的公司都不容错过。

那么整个市场可以认为 publisher 为 user 提供了“免费”的服务，而 advertiser 支付着这些 publisher 提供服务的费用以此将自己的广告投放给合适的用户，用户的购买造就广告的成功使得投放广告的业务实现盈利，从而能够进一步支持广告的投递，用户在享受 publisher 提供的服务以外还能够获得一些需要满足的 commercial intents。那么 advertiser 有些什么样的支付形式呢？

CPM（cost per thousand impression），对于 GD（guaranteed delivery）广告常用的方式，这一般是 brand advertising 里面常见的类型，多数广告以 banner 出现；
CPC（cost per click），对于文本广告比较常用；
CPT/CPA（cost per transaction/action），对 shopping、travel 类型比较常用，现在文本广告也有使用（用于减少风险）；
OK，下面我们讨论两种常见的 graphical ads。一种 GD 是 publisher 与 advertiser 签订合同保证这类广告能够对特定年龄、位置、收入的人群展示足够多的次数或者足够长的时间，那么主要的问题主要是定价、给定时期内的流量预测以及有效合同对应广告的排位分配等（每个都可以写出来自己的 objective function）。另一种根据 performance 论定的图形广告对应称为 NGD（non-guaranteed display），这时前面这些支付形式 CPM、CPC 或者 CPA 就有用武之地了。简单来说这类型的目标就是优化 CTR（click through rate），一般认为需要两个角度来处理这类问题：

reactive，我们需要有机会探索将各种广告放在不同位置后能够收获多少 CTR，一旦 CTR 已知了我们就可以在每个位置选择 CTR 最高的广告；
predictive，从广告或者相关广告、landing URL 等信息抽取 feature 用来预测如果将此广告放置于某些 page （当然也会抽取 page 侧的 features）上的收益 performance。
我们往往会结合这两部分来建立一个 hybrid system。事实上，如果作为一个 matcher，从这个过程中获取利润，那么它可能会对自己的收益进行优化，此时优化的目标就不单纯是 CTR，而是 click 给自己带来的收益。从某种角度来说广告造成的直接收益还是偏低的，如何将一个用户的 attention 转换成为最终的购买行为（conversion rate 的提高）才是最重要的。

文本广告与 graphical 广告的目的是有所区别的，一般有两种 monetization 的模式：对搜索中某些 query 进行销售（类似于 google adword）；或者对 publisher 的内容提供相关的广告投放（类似 google 的 adsense）。直观上来看，什么样的 query 值得销售、如何定义文本的相关性进行 IR 是这两种方式的核心问题。通常 advertiser 会根据某些“事件”创建需要的 campaign，每个 campaign 下都有若干个 ads group，其中又包含了几个 ads：用户可见的有 title、creative 和 URL，不可见的一般包括 advertiser 的 bidding phrase、出价和 landing URL。当某些 query 包含了 bidding phrase 的时候就会导致广告的出现。

如果我们希望作为 match maker 为 user、publisher 和 advertiser、ads network 提供很好的匹配，那么我们的选择必须均衡这四个参与者各自的效用函数：相关性、搜索或展示的收益、ROI（return on investment）以及收益及增长。这个问题里面涉及到海量级的数据、毫秒级别的响应以及提供服务成本必须低于收益。这在 conversion rate 非常低的情况下将会造成很大的 challenge。

那么处理文本广告一些自然的策略如使用 DB （SELECT something FROM somewhere WHERE keywords is like query）或者搜索（对 query 最相关的广告）是最自然不过的策略了。[size=medium][/size]