【读书笔记】计算广告学 Mooc

作者:LogM

本文原载于 https://segmentfault.com/u/logm/articles,不允许转载~

本文是 计算广告学Mooc 的读书笔记,Mooc讲得比较宏观,没涉及太多具体技术


1. 广告的基本知识

1.1 广告的目的

  • 品牌广告:记忆
  • 效果广告:转化

1.2 广告的有效性模型

  • 选择:

    • 曝光:广告位好不好
    • 关注:不打断用户任务、明确揭示推荐原因、符合用户兴趣和需求
  • 解释:

    • 理解:用户能理解、与关注程度相关的理解门槛(电视购物理解时间长,互联网购物理解时间短)
    • 信息接受:广告商的认可度、广告位(媒介)的认可度
  • 态度:

    • 保持:艺术性带来的记忆效果
    • 购买:在用户的价格敏感接受范围内

1.3 广告与营销的区别

  • 广告目标是接触到潜在用户,销售目标是接触到有明确需求的用户

1.4 在线广告的独特性

  • 技术和计算导向
  • 可衡量性:点击可衡量广告效果,但不是完全正确
  • 标准化:不同人群有不同广告,所以广告的尺寸等都得标准化
  • "媒体"概念差异化:门户、搜索引擎、淘宝网属于不同的"媒体",处于supply到demand的不同阶段

1.5 在线广告市场

1.6 计算广告核心问题和挑战

  • 大规模:百万量级的页面,十亿量级的用户;高并发;延迟要求
  • 动态性:用户兴趣的变化
  • 丰富的查询信息
  • 探索与发现:主动投放一些探索广告以获取数据

1.7 广告、搜索与推荐的比较

  • 搜索:相关性;垂直领域;十亿级;较少个性化需求;检索信号较集中
  • 搜索广告:ROI;质量、安全性;百万~千万级;较少个性化需求;检索信号较集中
  • 展示广告:ROI;质量、安全性;百万级;亿级用户的个性化;检索信号较丰富
  • 推荐:用户兴趣;多样性、新鲜度;百万~亿级;亿级用户的个性化;检索信号较丰富;有downstream优化(针对一整套点击的优化,而非只关注一次点击)

1.8 投资回报率(ROI)分析

  • 投入 = 采买价格
  • 回报 = 点击率(CTR, click-through-rate)*点击价值 = eCPM(预期的CPM,每千次展示付费)
  • CPM市场:eCPM固定,常见于品牌广告
  • CPC(每次点击付费)市场:动态CTR,固定点击价值
  • CPA(每次行为付费)/CPS(每次销售付费)/ROI市场:动态CTR,动态点击价值;只适用特殊场景

1.9 在线广告系统结构

  • query -> 召回 -> 排序
  • 受众定向平台(离线):数据挖掘
  • ad server(在线): 高并发;十毫米实时决策;百亿次/天
  • 数据高速公路:内部及外部TB级数据实时收集处理,收集在线端输给离线端
  • 流式计算平台:日志的准实时挖掘和反馈,反作弊和计价

2. 合约广告系统

2.1 常用广告系统开源工具

2.2 合约广告简介

媒介(supply)为广告的展示量或者转化量做担保
  • 直接媒体购买:比如向报纸买一个专栏广告;讲这个是为了引出下面两个合约广告
  • 担保式投送(GD):基于合约,没达到展示量要赔偿;量优先于质;CPM方式计费
  • 广告投放机(ad server):受众定向、CTR预测、流量预测

2.3 在线分配问题

  • adwords problem -> display problem

2.4 Hadoop介绍

3. 受众定向

3.1 受众定向概念

  • 为A(广告)U(用户)C(上下文)打标签

    • 重定向:如果用户以前访问过某广告主的网站,则打标签
    • 地域/人口属性(男女、收入)
    • 上下文
    • 行为定向:包括站内站外
    • 网站/频道:财经、汽车等
    • Hyper-Local:非常细的地域定向,细到一个建筑物(咖啡馆等)
    • Look-alike:挖掘与历史消费用户相似的潜在用户

3.2 行为定向

  • 重要性排序:transaction(直接的交易行为)、pre-transaction(如商品浏览)、paid search click(搜索广告的点击)、ad click(普通广告的点击)、search click、search、share、page view、ad view

3.3 上下文定向

  • 半在线打标签

3.4 主题模型

  • PLSI
  • LDA
  • GaP

3.5 数据加工和交易

4. 竞价广告系统

4.1 位置拍卖理论

  • VCG理论:某对象的收费应等于给他人带来的价值损害;实际中很难算
  • 广义第二高价:比下一位出更高的价;与VCG机制相比,会收取广告主更多的费用;在线广告广泛采用

4.2 广告网络概念

4.3 广告检索(召回)

  • 布尔表示式检索:二层倒排
  • 长query:WAND检索算法

4.4 流量预测

  • 将a视为query,召回(u, c);预估某个广告主的流量

4.5 zookeeper介绍

  • 分布式同步服务

4.6 点击率预测与逻辑回归

  • 回归比ranking合适,因为要估计CTR
  • 冷启动
  • 动态特征:快速调整特征;在线学习:快速调整模型

4.7 逻辑回归方法介绍

  • BFGS
  • ADMM

4.8 动态特征

5. 搜索广告与广告网络

5.1 探索与利用

  • 针对长尾的广告,创造展示机会
  • 基本方法:小流量随机探索

    • UCB:通过以往观测值计算每个广告的期望收益,选择期望收益最大的广告进行投放,观测结果用于调整下次计算;随着观测次数的增多,会逐渐收敛

5.2 搜索广告

  • 特点:用户定向特征弱,上下文特征强(短时用户行为)
  • 查询词扩展:基于推荐(向量相似度)、基于语义(主题模型)、基于历史数据统计

5.3 流式计算平台

5.4 广告购买平台

  • 帮助广告主采买媒介,并优化ROI

6. 广告交易市场

6.1 广告交易市场

6.2 实时竞价

  • Adx(ad exchange)实时向DSP询价

6.3 Cookie Mapping

6.4 SSP

  • Supply side platform

6.5 DSP

  • Demand side platform

6.6 DSP流量预测

  • 只能利用历史竞价信息,很重要,但暂无较好的解决方案

6.7 DSP点击价值估计

  • 比较难:数据很稀疏,不同类型广告的点击价值差别很大(电商、游戏)

6.8 DSP重定向(Retargeting)

  • 比如:在淘宝购买或者浏览了某商品,之后其它网站会出现淘宝广告

6.9 需求端推荐方法

6.10 广告流量交易方式

你可能感兴趣的:(搜索&推荐&广告)