计算广告学1

计算广告

标签（空格分隔）： 读书笔记

---

第一章 在线广告综述

在线广告：以人群为投放目标、产品为导向。开启了大规模、自动化利用数据改善产品和提高收入的先河。
计算广告是大数据应用中最成熟、市场规模最大的行业。

• 内涵

广告首先是一项商业活动，在互联网环境下需要技术优化的商业活动。三方考量在于广告主 媒体 用户三方利益的考量。

1.1大数据与广告的关系

C类问题通过较低的采样率能够降低数据处理的复杂程度同时目标函数（解决问题的效果）没有太大的下降 比如：统计报表、报告
A类问题（产生了Hadoop等基础设施和NoSQL数据存储等技术）随着数据采样率下降解决问题的收益会快速下降为典型的大数据问题比如：个性化推荐、计算广告
B类问题（产生了Spark这样的计算框架）处理效果随着数据量的上升有一定的提高，但当数据达到一定规模后，再增加数据量价值不大。比如：文本主题模型。

1.计算广告位规模化地讲用户行为数据转化为可衡量的商业价值提供了完整产品线和解决方案，并且实际上创造了互联网行业大部分的营收。
2.在线广告孕育和孵化了较为成熟的数据加工和交易产业链，并对其中的用户隐私边界有深入探讨。
3.加上了商业上的限制条件，计算广告的技术和产品逻辑比单纯的个性化系统更复杂周密

1.2广告的定义与目的

广告是由已确定的出资人通过各种媒体进行的相关产品（商品、服务、观点），通常是有偿的、有组合的、综合的、劝服性的非人员的信息传播活动
两个参与方：需求方Demand和供给方Supply+被动参与方受众audience

传统媒体时代：

• 广告的目的是希望借助媒体的力量来快速接触大量用户，已达到宣传品牌形象、提升中长期购买率与利润空间的目的。这种目的广告称为品牌广告
• 利用广告手段马上带来大量的购买和其他转化行为称为直接效果广告

广告根本目的：广告主通过媒体达到低成本的用户接触（按某种市场意图接触相应的人群，进而影响其中的潜在用户，使他们选择广告主产品的几率增加，或者对产品性价比的苛求程度降低）

投入产出比ROI（return on investment）

1.3在线广告创意类型

1.横幅广告（Banner ad）

2.文字链接广告（textual ad）

3.富媒体广告（rich media ad） 弹窗、对联、全屏

4.视频广告（video ad）
视频流播放间隙插入广告 还可分为前插片、后插片、暂停等类型。常计算点击率、用户观看时长等指标。

5.社交广告（social ad）
在社交网络的环境下嵌入的广告可以统称为社交广告。最早见于Twitter，产品成为“Promoted Tweets”。这种方式力求在用户自然关注的交互过程中尽可能自然的插入广告，也被归于原生广告的范畴。

6.移动广告（mobile ad）
应用中插入广告的SDK和相应的广告网络。典型形式有：横幅、开屏、插屏、积分墙、推荐墙

7.邮件定向营销广告

1.4在线广告简史

1、RTB——real-time biddng，重点在于bidding。精准营销之前在ad network时代已经实现，不过在购买方式上是包断的（比如CPM，或者CPT）。而RTB打破了提前包断的概念，将购买方式变成实时的、可调整的、竞价的，也就是real-time和bidding的真正意思。
2、DSP——是为买方服务的，但最主要的功能是能接入程序化购买，即智能化地出价与竞价。
3、SSP——是为卖方服务的，也可以让媒体接入程序化购买，让流量加入不同的exchange平台，获得最大化竞价的广告展现
4、Ad exchange——程序化交易的中枢。可以是RTB购买，也可以是PPB（程序化优先购买）等方式

2.1广告有效性原理

Paste_Image.png

影响因素

折扣所付出的成本变高

互联网广告技术特点

• 技术和计算导向
  受众定向成本低、竞价交易方式
• 效果的可衡量性
  通过日志纪录广告效果并利用日志优化广告效果
• 创意和投放方式的标准化
  由于受众定向、程序购买，创意尺寸统一化且关键借口标准化
• 媒体概念的多样性
  广告的目的是潜在用户而非ROI
• 数据驱动的投放决策

2.3广告收入的分解

eCPM＝r（a,u,c）=U(a,u,c)＊V（a,u,c） U为点击率 V为点击价值

Paste_Image.png

在线广告市场

Paste_Image.png

Paste_Image.png

计算广告核心计算问题

Paste_Image.png

对品牌广告而言 量重要性大于质
对于效果广告 质的重要性大于量
受限分配：质与量受限情况下的优化
强化学习：新广告的探索 根据探索制定的优化

计算广告存在的问题：

Paste_Image.png

搜索、广告、推荐的异同：

Paste_Image.png

关于ROI

Paste_Image.png

在线广告系统平台：

Paste_Image.png

1.在线的高并发投送系统
2.离线的受众定向平台
3.通过数据高速公路联系上述两部分
4.比hadoop快的流式计算平台 反作弊 计价

Paste_Image.png

1.Ad server 投放平台 用户访问产生AD code 到ADserver 通过交换得来 把符合的找出
2.Ranking过程 根据eCPM准则 选出10条更具eCPM选最好的投出
3.Session log gengration根据用户数据、行为做targeting 整理成一个用户做了什么事情 日志
4.BI系统 ——数据与人的系统，对过去日志分析后根据人的需求提供查询报表
受众定向——根据用户行为打标签
点击率预测的模型
5.使用爬虫爬有广告投放的页面
6.DSP自定义需求

合约广告系统

广告位合约

作为典型的线下广告投放模式，其结算方式为CPT（按时长付费）

优势：

在一些强曝光属性的广告位上采用独占式的广告投放可以有效的给用户带来品牌冲击；而在一些横幅位置上长期占有有利于形成“橱窗效应”，塑造不断攀升的品牌价值和转化效果.

变化：

受众定向的出现使得一个广告商可以根据自己产品按照人群分别投放广告以取得更好的效果；即使受众无法区分也可以离哟过频次控制的方式向统一用户递进式展示一系列创意以达到更好效果。

Paste_Image.png

Paste_Image.png

受众定向方法概览：

• 地域定向
• 人口属性定向（包括年龄、性别、教育程度、收入水平等，是可监测的数据）
• 频道定向
• 上下文定向（根据网页内容匹配相关广告，粒度可以是关键词、主题；其覆盖率高是优点）
• 行为定向（根据历史访问了解用户投放广告）
• 精准位置定位（使得大量区域性强的小广告主有机会投放）
• 重定向（根据广告主过去的访客投放广告）
• 新客推荐定向（根据广告主提供的种子访客信息找到行为相似的潜在客户）
• 团购

流量预测：

展示量合约售卖的是特定人群的广告曝光次数，因此合约中必然约定投放的量。在产品策略上产生了流量预测。
主要包括：售前指导、在线流量分配、出价指导
而流量预测的重要性也使得主动影响流量的策略流量塑形的产生

广告产品标签体系的过于复杂会导致精准标签在合约量的束缚下无法售卖，因此标签的人群规模更具有说服力

在线分配（在量的限制下优化质）

Paste_Image.png

上边是广告库存 下面是在线到达页面和用户

Adwords problem b下标ia impression分给广告产生的收益
x下标ia impression分给广告商没
Dispaly problem 优化每一个CPM的效果具体而言就是收获到的点击量——点击率＊x下标ia

• 外延