【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