计算广告

计算广告

互联网商业变现的市场与技术

8.7840 评价豆瓣读书
免费试读

作品简介

计算广告是一项新兴的研究课题,它涉及大规模搜索和文本分析、信息获取、统计模型、机器学习、分类、优化以及微观经济学等诸多领域的知识。本书从实践出发,系统地介绍计算广告的产品、问题、系统和算法,并且从工业界的视角对这一领域具体技术的深入剖析。本书立足于广告市场的根本问题,从计算广告各个阶段所遇到的市场挑战出发,以广告系统业务形态的需求和变化为主线,依次介绍合约广告系统、竞价广告系统、程序化交易市场等重要课题,并对计算广告涉及的关键技术和算法做深入的探讨。无论是互联网公司商业化部门的产品技术人员,还是对个性化系统、大数据变现或交易有兴趣的产品技术人员,传统企业互联网化进程的决策者,传统广告业务的从业者,互联网创业者,计算机相关专业研究生,都会从阅读本书中受益匪浅。

刘鹏(@北冥乘海生),现任奇虎360高级总监、商业产品首席架构师,负责360的变现产品及工程。刘鹏在清华大学获得博士学位后,加入微软亚洲研究院,从事人工智能领域的研究,后曾参与创建雅虎北京研究院,出任高级科学家。刘鹏还曾经担任MediaV首席科学家等职。

刘鹏一直致力于计算广告和数据变现产品技术的普及工作,他讲授的《计算广告学》在网易云课堂和师徒网共有12000多名学生参与,已经成为业界相关公司进行相关培训的基础教程之一。此课还作为北京大学计算机系、北京航空航天软件学院的研究生课程和清华大学公开课讲授。

王超(@德川),于北京大学获得硕士学位后,曾就职于百度、微博、搜狐集团的广告变现部门,现任汽车之家广告算法经理。王超多年来专注于计算广告中机器学习算法的研究和实践,曾参加Criteo举办的广告CTR预估比赛,在718个参赛队中排名第7,同时是开源模型xgboost的代码贡献者。

作品目录

  1. 对本书的点评
  2. 序一
  3. 序二
  4. 序三
  5. 前言
  6. 第一部分 计算广告关键技术
  7. 第1章 在线广告综述
  8. 1.1 大数据与广告的关系
  9. 1.2 广告的定义与目的
  10. 1.3 在线广告创意类型
  11. 1.4 在线广告简史
  12. 1.5 泛广告商业产品
  13. 1.6 延伸思考
  14. 第2章 计算广告基础
  15. 2.1 广告有效性原理
  16. 2.2 互联网广告的技术特点
  17. 2.3 计算广告的核心问题
  18. 2.3.1 广告收入的分解
  19. 2.3.2 结算方式与 eCPM 估计的关系
  20. 2.4 在线广告相关行业协会
  21. 2.4.1 交互广告局
  22. 2.4.2 美国广告代理协会
  23. 2.4.3 美国国家广告商协会
  24. 2.5 延伸思考
  25. 第二部分 在线广告产品逻辑
  26. 第3章 在线广告产品概览
  27. 3.1 商业产品的设计原则
  28. 3.2 需求方层级组织与接口
  29. 3.3 供给方管理接口
  30. 3.4 延伸思考
  31. 第4章 合约广告
  32. 4.1 广告位合约
  33. 4.2 受众定向
  34. 4.2.1 受众定向方法概览
  35. 4.2.2 受众定向标签体系
  36. 4.3 展示量合约
  37. 4.3.1 流量预测
  38. 4.3.2 流量塑形
  39. 4.3.3 在线分配
  40. 4.3.4 产品案例
  41. 4.4 延伸思考
  42. 第5章 搜索与竞价广告
  43. 5.1 搜索广告
  44. 5.1.1 搜索广告产品形态
  45. 5.1.2 搜索广告产品新形式
  46. 5.1.3 搜索广告产品策略
  47. 5.1.4 产品案例
  48. 5.2 位置拍卖与机制设计
  49. 5.2.1 定价问题
  50. 5.2.2 市场保留价
  51. 5.2.3 价格挤压
  52. 5.2.4 定价结果示例
  53. 5.3 广告网络
  54. 5.3.1 广告网络产品形态
  55. 5.3.2 广告网络产品策略
  56. 5.3.3 产品案例
  57. 5.4 竞价广告需求方产品
  58. 5.4.1 搜索引擎营销
  59. 5.4.2 媒体购买平台
  60. 5.4.3 产品案例
  61. 5.5 竞价广告与合约广告的比较
  62. 5.6 延伸思考
  63. 第6章 程序化交易广告
  64. 6.1 实时竞价
  65. 6.2 其他程序化交易方式
  66. 6.2.1 优选
  67. 6.2.2 私有市场
  68. 6.2.3 广告交易方式谱系
  69. 6.3 广告交易平台
  70. 6.4 需求方平台
  71. 6.4.1 需求方平台产品策略
  72. 6.4.2 出价策略
  73. 6.4.3 重定向
  74. 6.4.4 新客推荐
  75. 6.4.5 产品案例
  76. 6.5 供给方平台
  77. 6.5.1 供给方平台产品策略
  78. 6.5.2 产品案例
  79. 6.6 数据加工与交易
  80. 6.6.1 有价值的数据来源
  81. 6.6.2 三方数据划分
  82. 6.6.3 数据管理平台
  83. 6.6.4 数据交易平台
  84. 6.6.5 产品案例
  85. 6.7 在线广告产品交互关系
  86. 6.8 延伸思考
  87. 第7章 移动互联与原生广告
  88. 7.1 原生广告相关产品
  89. 7.1.1 信息流广告
  90. 7.1.2 搜索广告
  91. 7.1.3 软文广告
  92. 7.1.4 联盟
  93. 7.2 移动广告的现状与挑战
  94. 7.2.1 移动广告的特点
  95. 7.2.2 移动广告的创意形式
  96. 7.2.3 移动广告的挑战
  97. 7.3 原生广告平台
  98. 7.3.1 表现原生与意图原生
  99. 7.3.2 植入式原生广告
  100. 7.3.3 产品案例
  101. 7.4 原生广告与程序化交易
  102. 7.5 延伸思考
  103. 第8章 在线广告产品实践
  104. 8.1 媒体实战
  105. 8.1.1 变现方式和产品决策
  106. 8.1.2 数据支持方案决策
  107. 8.2 广告主实战
  108. 8.3 数据提供方实战
  109. 8.4 延伸思考
  110. 第三部分 计算广告关键技术
  111. 第9章 计算广告技术概览
  112. 9.1 个性化系统框架
  113. 9.2 各类广告系统优化目标
  114. 9.3 计算广告系统架构
  115. 9.3.1 广告投放引擎
  116. 9.3.2 数据高速公路
  117. 9.3.3 离线数据处理
  118. 9.3.4 在线数据处理
  119. 9.4 计算广告系统主要技术
  120. 9.5 用开源工具搭建计算广告系统
  121. 9.5.1 Web 服务器 Nginx
  122. 9.5.2 分布式配置和集群管理工具 ZooKeeper
  123. 9.5.3 全文检索引擎 Lucene
  124. 9.5.4 跨语言通信接口 Thrift
  125. 9.5.5 数据高速公路 Flume
  126. 9.5.6 分布式数据处理平台 Hadoop
  127. 9.5.7 特征在线缓存 Redis
  128. 9.5.8 流计算平台 Storm
  129. 9.5.9 高效的迭代计算框架 Spark
  130. 9.6 延伸思考
  131. 第10章 基础知识准备
  132. 10.1 信息检索
  133. 10.1.1 倒排索引
  134. 10.1.2 向量空间模型
  135. 10.2 最优化方法
  136. 10.2.1 拉格朗日法与凸优化
  137. 10.2.2 下降单纯形法
  138. 10.2.3 梯度下降法
  139. 10.2.4 拟牛顿法
  140. 10.2.5 Trust-Region 法
  141. 10.3 统计机器学习
  142. 10.3.1 最大熵与指数族分布
  143. 10.3.2 混合模型和 EM 算法
  144. 10.3.3 贝叶斯学习
  145. 10.4 统计模型分布式优化框架
  146. 第11章 合约广告核心技术
  147. 11.1 广告排期系统
  148. 11.2 担保式投送系统
  149. 11.2.1 流量预测
  150. 11.2.2 频次控制
  151. 11.3 在线分配
  152. 11.3.1 在线分配问题
  153. 11.3.2 在线分配问题举例
  154. 11.3.3 极限性能研究
  155. 11.3.4 实用优化算法
  156. 11.4 延伸思考
  157. 第12章 受众定向核心技术
  158. 12.1 受众定向技术分类
  159. 12.2 上下文定向
  160. 12.2.1 半在线抓取系统
  161. 12.2.2 文本主题挖掘
  162. 12.3 行为定向
  163. 12.3.1 行为定向建模问题
  164. 12.3.2 行为定向特征生成
  165. 12.3.3 行为定向决策过程
  166. 12.3.4 行为定向的评测
  167. 12.4 人口属性预测
  168. 12.5 数据管理平台
  169. 12.6 延伸思考
  170. 第13章 竞价广告核心技术
  171. 13.1 竞价广告计价算法
  172. 13.2 搜索广告系统
  173. 13.2.1 查询扩展
  174. 13.2.2 广告放置
  175. 13.3 广告网络
  176. 13.4 广告检索
  177. 13.4.1 布尔表达式的检索
  178. 13.4.2 相关性检索
  179. 13.5 点击率预测
  180. 13.5.1 点击率预测模型
  181. 13.5.2 优化算法
  182. 13.5.3 点击率模型的校正
  183. 13.5.4 点击率模型的特征
  184. 13.5.5 点击率模型评测
  185. 13.5.6 智能频次控制
  186. 13.6 探索与利用
  187. 13.6.1 UCB 方法
  188. 13.6.2 考虑上下文的 bandit
  189. 13.7 延伸思考
  190. 第14章 程序化交易核心技术
  191. 14.1 广告交易平台
  192. 14.1.1 cookie 映射
  193. 14.1.2 询价优化
  194. 14.2 需求方平台
  195. 14.2.1 定制化用户标签
  196. 14.2.2 DSP 中的点击率预测
  197. 14.2.3 点击价值估计
  198. 14.2.4 出价策略
  199. 14.3 供给方平台
  200. 14.4 延伸思考
  201. 第15章 其他广告相关技术
  202. 15.1 创意优化
  203. 15.1.1 程序化创意
  204. 15.1.2 点击热力图
  205. 15.2 实验框架
  206. 15.3 流量保护和效果监测
  207. 15.3.1 反作弊
  208. 15.3.2 广告监测
  209. 15.3.3 广告安全
  210. 15.4 隐私保护和数据安全
  211. 15.4.1 隐私保护问题
  212. 15.4.2 程序化交易中的数据安全
  213. 15.5 延伸思考
  214. 第四部分 附录
  215. 附录A 主要术语及缩写索引
  216. 参考文献
载入中

热门划线

喜欢这本书的人也喜欢