计算广告学概述
计算广告学4
重定向 (Retargeting)示意
.
重定向分类
• 网站重定向(Site retargeting)
– 根据用户在广告主网站上的行为进行重定向
• 搜索重定向(Search retargeting)
– 根据用户与广告主相关的搜索行为进行重定向
• 个性化重定向(Personalized retargeting)
.
Cookie Mapping
• 三个问题：谁发起？在哪里发起？谁保存映射表？ • 两域名：
• 三域名：
.
询价优化(Call Out Optimization)
• 问题：
• 在带宽和服务成本的约束下获得更高的eCPM
• 在线分配框架：
DSP a以出价k赢得供给i的展示的概率 可以给予DSP a的流量的上限 DSP a为供给i的一次展示出价k的概率
• 在需求方之间保留了竞价了关系，有利于提升媒体的变现能力
• 交易接口的形式与一般RTB一致
.
在线广告交易方式
.
广告交易平台
• 关键特征:
– 用实时竞价(RTB)方式连接广告和 (上下文，用户) – 按照展示上的竞价收取广告主费用
• 类比:
– 实时竞价股票实时交易 – 广告交易市场证券交易所 – 需求方平台券商
– 根据用户在广告主网站上关注的具体产品和购买阶段，推送 商品粒度的广告，可以视为一个站外推荐引擎
.
• 核心业务：
– 提供媒体网络和广告主网络之间的交易平台 – 提供托管和RTB两种交易模式
• 其他点评：
– 在很长一短时间以私有交易为主，并没有开放RTB模式，与 Doubleclick的公开市场模式有一些不同
– 目前是北美最大的广告交易平台之一，每天100亿次展示，有相当 部分流量来自yahoo的剩余流量
计算广告学实践资料
f(x) = 1 – exp(-x)
完成比例
Adwords模型
贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比
例) --> 最差情况
Adwords模型
贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比
实际情况：
不是最差 不是随机
目录
展示广告发展现状
生态系统演化 展示广告分类
媒体端技术概览
品牌广告的计划与投放 上下文广告的投放 混合投放 点击率估计
混合投放
A 1k B 1k C 1k D 1k E 1k
2k 1.5k
品牌广告
1k cpc 上下文广告
混合投放
A 1k B 1k C 1k D 1k E 1k
2020/11/20
DSP的出现
Source: Online Advertising Landscape, Siemer & Associates, LLC., 2013.
2020/11/20
实际的生态结构
Source: Ad Exchanges, Targetiing & Optiimiizatiion, Gridley & Company, LLC., 2010.
上下文广告特点
效果导向（点击率/收益估计） 流量需求无法离线预测
急功近利法
广告1 广告2
预算
1
1
图书 音乐
1% 0.99%
1%
0%
表示10次图书页面请求 表示10次音乐页面请求
页面请求到达顺序
急功近利法
广告1 广告2
预算
计算广告学第三单元课件
@北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 • 核心业务： @北冥乘海生 @北冥乘海生 @北冥乘海生 – 主要提供面向publisher的数据加工服务 @北冥乘海生 network，并帮助广告主进行 – 直接运营ad @北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 campaign管理和优化 • 其他点评： @北冥乘海生 @北冥乘海生 @北冥乘海生 – 较早提出受众定向(audience targeting)的概念 @北冥乘海生 @北冥乘海生 @北冥乘海生 – 数据标签不像bluekai那样在市场上公开出售, 仅供 @北冥乘海生 @北冥乘海生 @北冥乘海生 委托他们优化campaign的广告商使用 @北冥乘海生 @北冥乘海生 @北冥乘海生 – 使用标签impression创造的营收按照一定比例跟 @北冥乘海生 @北冥乘海生 @北冥乘海生 publisher分成 @北冥乘海生 @北冥乘海生 @北冥乘海生
@北冥乘海生 @北冥乘海生 @北冥乘海生 页面主题分析 - Topic Model @北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 @北冥乘海生 • 问题: 发现一组文档中抽象的主题(topics) @北冥乘海生 @北冥乘海生 @北冥乘海生 • 常用模型图表示 – PLSI @北冥乘海生 @北冥乘海生 @北冥乘海生 p(w|•),p(z|•): w z π θ Multinomial N @北冥乘海生 @北冥乘海生 K @北冥乘海生 p(π|•), p(θ|•): – LDA(Latent Dirichlet allocation) @北冥乘海生 @北冥乘海生 @北冥乘海生 Dirichlet @北冥乘海生 @北冥乘海生 @北冥乘海生 w α z π β θ K N D @北冥乘海生 @北冥乘海生 @北冥乘海生 – GaP (Gamma-Poisson) @北冥乘海生 @北冥乘海生 @北冥乘海生 p(z|•): Gamma a @北冥乘海生 @北冥乘海生 @北冥乘海生 w x Λ p(w|•): Poisson N b @北冥乘海生 @北冥乘海生 @北冥乘海生
“互联网+”时代的计算广告学_产生过程_概念界定与关键问题_刘庆振
本刊特稿NEWS RESEARCH广告有着悠久的历史，但广告学却是在20世纪随着新闻传播学和市场营销学的逐步发展而分化出来的一门学科。
在它产生后的相当一段时期内，广告学都很难称得上是一门科学。
直到近二十年来，随着信息技术革命以及互联网广告市场的快速发展，技术和数据在广告传播过程中被广泛应用才赋予了广告学明显的量化色彩，使之向科学的方向迈出了关键性一步，并催生出一门全新的交叉型分支学科——计算广告学。
一、互联网广告的演进产生了计算需求（一）广告是互联网产业典型的变现模式在互联网之前，广告就是大众传媒产业收入和利润的主要来源，传播媒介首先将生产出来的内容产品通过第一次售卖给受众获得了广泛的注意力，然后再将获得的注意力第二次售卖给广告主，这种媒介经营方法通常被称为“二次售卖理论”。
互联网产生之后，广告也快速成为互联网企业最直接、最容易、最典型的变现的方式，只是除了用户注意力之外，大量用户浏览网站所形成的流量和数据也成为互联网可以用来变现的资源，虽然互联网向用户开启了免费模式，但其变现手法与二次售卖的商业逻“互联网+”时代的计算广告学：产生过程、概念界定与关键问题□ 刘庆振【摘 要】互联网广告市场规模在最近的十余年里保持着爆炸式的增长，伴随着这种快速发展的过程，对越来越精准化和定向化的广告投放模式的追求，导致了广告领域对计算技术和数据分析的强烈需求。
这样，计算广告首先在互联网广告领域出现，其理念和方法迅速影响了整个互联网广告市场并进一步向传统广告市场蔓延。
虽然学术界和产业界涌现出了大量介绍计算广告的文章，但是尚未形成对计算广告全貌的完整梳理。
在这种情况下，建立一门全新的研究计算广告的学科显得尤为必要。
这篇文章对计算广告产生和发展的脉络进行了高度概括性的归纳，并详细分析了国内外对计算广告的大量研究和探讨。
在此基础上，文章分别对计算广告和计算广告学下了明确的定义，指出了计算广告学作为一门新兴学科所应该肩负的重要责任。
计算广告学的基本概念(pdf 39页)
Advertiser Agency DSP
Ad Exchange
收
益
管
理
平
台
Ad Network
规模集中， 商业价值高 的流量： • 门户 • 搜索
碎片化严重， 商业价值低 的流量： • 中小网站 • 大型网站 的低价值流 量
消费者
单元小结
在线广告的特点
计算导向，产品驱劢 媒体的泛化和碎片化
在线广告的市场演变
复制传统传播模式：Agency 供给面市场产生细分: Ad Network Ad Network催生供给面精细化管理的需求：Yield Mgt. 碎片化催生需求面精细化投放需求: Ad Exchange & DSP
目录
广告的基本知识及发展历史 在线广告的特点及市场分析 计算广告的定义及研究范围
s.t.
M i 1
Pr
ice(a,
u,
c)
B
j
,
UE j UE j0
• 对媒体来说，希望收益最大化：
max N T CTR(a,u, c) Price(a,u, c) j1 i1
s.t. max
N j 1
Ti1UEij (a, u, c) UE0
• 对社会来说，希望社会效率最优：
计算广告的定义及研究范围
计算广告的定义
Andrei Broder and Dr. Vanja(2011)
Find the "best match" between a given user u in a given context c and a suitable advertisement a.
工业化时期
工业时期
后工业时期
计算广告刘鹏资料.
广义第二价格扣费
点击扣费时，目前普遍采用的是Google发明的广义第二价格扣费GSP(General Second Price)，有两种策略：
竞价排序：根据广告的出价倒序排列，位于第i个的广告支付第i+1个广告的竞价 根据广告平台的收益排序：根据期望最大收益ecpm来排序 ecpm=bidprice*ctr 被点击的广告主i付的费用为 price=bidprice(i+1)*(ctr(i+1)/ctr(i)) 由于bidprice(i)*ctr(i)>bidprice(i+1)*ctr(i+1),可以从上述公式看到广告主实际扣费
课时5 在线广告市场 14:40
课时27 探索与利用 15:51
课时7 广告、搜索与推荐的比较 05:32 课时28 搜索广告 21:17
课时8 投资回报(ROI)分析 11:16
课时29 流式计算平台 04:52
章节 3 受众定向
课时30 广告购买平台(Trading Desk) 16:34
根据不同的产品形式分为
搜索广告(文广告[Contexual Ads]，例如Google Adsense 展示广告[Display ads]，例如淘宝钻展业务线 定向广告[Targeting Ads]，例如Google Adsense 在互联网中，搜索广告是最主要的文本广告的形式。
课时14 受众定向概念 33:24
章节 6 广告交易市场
课时15 行为定向 28:46
课时31 广告交易市场 05:42
课时16 上下文定向 05:42
课时32 实时竞价 19:30
课时17 Topic Model 35:40
计算广告：互联网商业变现的市场与技术
计算⼴告：互联⽹商业变现的市场与技术If you cannot measure it, you cannot manage it.量化的⽅法使计算⼴告学成为计算机科学与⼯程的⼀个崭新和重要的⽅向。
前⾔所有能够传播信息的商品，其售价都会趋向其边际成本。
1. 商业模式探索1. 电影的信息传播量很⼤，边际成本很低，与其售价不符，因此必定存在新的商业模式有待挖掘。
2. 流量变现1. 除了硬件销售和软件销售之外，考虑流量变现。
3. 数据变现1. 免费的⽅式运营，除了流量变现之外，还可以得到有价值的数据资产。
4. 商业产品建设和运营1. 新的推⼴模式：团购，游戏联运，返利购买，积分墙。
⼀、市场与背景1. 综述背景⼴告不同于搜索和推荐，是⼀项商业活动，然后才是⼀项技术。
在这⼀商业活动中，⼴告主、媒体和⽤户的利益都需要被认真考虑和满⾜。
⽆论是软件的免费，还是硬件的低价销售，都可以称为免费模式。
免费模式的本质是将那些能够规模化、个性化传播信息的商品，以边际成本的价格出售。
免费模式的背后是在传播信息的过程中，获得了3项可变现的核⼼资产：1. 流量1. 产品本⾝功能之外夹带的付费内容，即⼴告，将流量变成了收⼊。
2. 数据1. 在产品使⽤过程中留下的⾏为和属性，可以调整投放付费内容的策略以提⾼效率。
3. 影响⼒1. 具备影响⼒的产品或内容在投放⼴告时可以获得品牌溢价。
计算⼴告作为典型的⼤数据应⽤，有3个关键点：1. 传统的交易数据往往规模并不太⼤，但是对⼀致性和实时性的要求⾮常⾼。
2. ⾏为数据的规模巨⼤，⽽且对⼀致性的要求低得多。
2. 全量加⼯1. ⼀些问题通过数据采样能够显著降低数据处理的复杂度，同时解决问题的效果没有太⼤的下降。
例如，统计报表，报告。
2. ⼤数据问题⽆法通过采样来降低处理的复杂程度，随着数据采样率的降低，解决问题的收益快速下降。
例如，个性化推荐，计算⼴告。
3. ⾃动化应⽤1. 传统的洞察应⽤，由决策者根据对数据进⾏统计分析后得到的整体结果报表进⾏决策。
计算广告_刘鹏
搜索、广告与推荐的比较
搜索
首要准则 相关性 (relevence) 各垂直领域 独立定义 ~十亿级
搜索广告
显示广告
推荐
用户兴趣 多样性(diversity), 新鲜度(freshness) ~百万级--亿级
投资回报率(ROI)
其他需求
索引规模
质量，安全性(Safety)
~百万级--千万级 ~百万级
• 从系统角度来看
– – – – – – 整体框架：广告服务器 候选查询：实时索引 特征存储：No-sql技术 离线学习：Hadoop 在线学习：流计算 交易市场：实时竞价
在线广告技术课题
• 大规模 (Scale)
– 百万量级的页面，十亿量级的用户，需要被分析处理 – 高并发在线投放系统 (例: Rightmedia每天处理百亿次广告交易) – Latency的严格要求 (例: ad exchange要求竞价在100ms内返回)
互联网广告 产品与市场
概念：变现、广告与销售
变现
Monetization
• 目的：通过引入付费方(sponsor)指定的 的内容，为媒体带来收入 • 效果：单位流量的收益(RPM)
媒体价值
广告
Advertising
• 目的：通过媒介传播某种企业形象或产品 信息 • 效果：某特定人群的有效到达(reach), 多 渠道综合的ROI
• 广告中的计算问题
– 给定用户 u, 上下文环境 c, 找到最合适的广告创意 a.
max a1,,T
T i 1
r (ai , ui , ci )
T i 1
pi
• 从优化角度来看
– – – – – – 特征提取：受众定向 微观优化：eCPM估计 宏观优化：竞价市场机制 受限优化：在线分配 强化学习：探索与利用 个性化重定向：推荐技术
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
周星
1 2 3 4
互联网广告概述 广告拍卖机制 计算广告技术 广告交易市场
互联网广告概述
如何看待互联网广告？ 挣钱是光荣的！
互联网广告概述
门户的时代：
互联网广告概述
搜索的时代：
互联网广告概述
社交的时代：
互联网广告概述
移动的时代：
互联网广告概述
互联网广告的商业模式：
互联网广告概述
主题模型系统 Peacock
Look-Alike Modeling
并行 LR 训练系统
属性类数据
行为类数据
内容类数据
关系链
计算广告技术
广告检索技术：
网页检索：主动方是用户来检索需要的信息文档
社交广告：主动方是广告主来找合适场景下的合适人群
计算广告技术
广告排序策略：
广告主每次点击出价 代表广告主获取流量愿 意付出的成本
效果广告的目标：精准定向，让广告成为用户的有益信息！
互联网广告概述
效果广告的新贵：广点通
广点通是由腾讯公司推出的效果广告系统。它是国内领先的效果广告营 销平台，依托于腾讯海量优质流量资源，给广告主提供跨平台、跨终端 的网络推广方案，并利用腾讯大数据处理算法实现成本可控、效果客观、 智能投放的互联网效果广告平台。
广告拍卖机制
纳什均衡： 纳什均衡是一种策略组合，使得每个参与人的策略是对其 他参与人策略的最优反应。
假设有N个代理人参与博弈，如果某情况下无一参与者可以 独自行动而增加收益（即为了自身利益的最大化，没有任 何单独的一方愿意改变其策略的 ），则此策略组合被称为 纳什均衡。所有局中人策略构成一个策略组合（Strategy Profile）。纳什均衡，从实质上说，是一种非合作博弈状态。
Half the money I spend on advertising is wasted; the trouble is I don't know which half.
——John Wanamaker
计算广告技术
广告播放流程： 系统难点： 复杂的定向规则
不同类型定向，以及同类型定向条件下不同定向 规则进行实时动态组合计算；
广告拍卖机制
博弈： •博弈：代理人的游戏 •机制：委托人指定的游戏规则 •均衡：代理人的策略组合
广告拍卖机制
智猪博弈： 假设猪圈里有一头大猪、一头小猪。猪圈的一头有猪食槽， 另一头安装着控制猪食供应的按钮，按一下按钮会有10个单 位的猪食进槽，但是谁按按钮就会首先付出2个单位的成本， 若大猪先到槽边，大小猪吃到食物的收益比是9∶1；同时到 槽边，收益比是7∶3；小猪先到槽边，收益比是6∶4。小猪 如果有智慧，如何选择？ 智猪博弈的均衡是？ 一个好的制度可以约束坏人， 一个坏的制度呢可以使好人变坏 ——邓小平
（采用二阶拍卖机制）
预估点击率 代表用户点击 广告的意愿
用户
＋
广告
广告信息、图像特征、 广告类目、广告主..
＋
广告位
＋ 上下文 ＝ 是否点击
LBS,时间， 节假日，天气... 1,0
用户基本属性，行为属性、 兴趣标签..
广告位特征信息...
计算广告技术
转化跟踪技术：
Ad 点击
广告平台 设置cookie
广告拍卖定义： 为广告分配流量（受众）并确定广告费用
核心规则：
•分配规则 •支付规则 常见拍卖机制：
• Generalized First Price （GFP） • Generalized Second Price（GSP） • Vickery-Clark-Groves （VCG）
广告拍卖机制
如果广告主按真实价值出价， GFP、GSP、VCG下的分配和支付结果是？
重定向
购买 记录转化
触发像素
广告平台 பைடு நூலகம்取cookie
1 2 3 4
互联网广告概述 广告拍卖机制 计算广告技术 广告交易平台
广告交易平台
全球RTB市场规模：预计到2016年139亿美元
广告交易平台
广告交易平台
Q&A
谢 谢！
广点通：
技术博客：/（火光摇曳）
目标：
互联网广告概述
广点通生态圈及核心价值定位：
1 2 3 4
互联网广告概述 广告拍卖机制 计算广告技术 广告交易平台
广告拍卖机制
世界上最大规模的拍卖？
广告拍卖机制
广告拍卖常见方式：
•英式拍卖（公开增加拍卖） •荷兰式拍卖（公开减价拍卖） •第一价格密封拍卖 •第二价格密封拍卖
广告拍卖机制
用户画像
抽取广告
海量用户数据
百万级广告，十亿级的用户，千亿的关系链
竞价排序
百亿级请求
高并发的在线广告播放请求（百亿级曝光）;
广告展现
低延迟
后台处理整体流程延迟控制在十毫秒级别；
转化跟踪
计算广告技术
用户挖掘技术：
人口基础属性定向 用户商业兴趣定向 关键词定向 相似人群定向 消费能力定向
文本分析平台 TextMiner
广告拍卖机制
为什么广告拍卖机制采用GSP，不是GFP？
广告主A的报价策略？
广告拍卖机制
广告拍卖机制设计： •稳定，避免出现价格战； •鼓励广告主“讲真话”； •可表达性强；
•最大化社会总效用；
•理解简单；
1 2 3 4
互联网广告概述 广告拍卖机制 计算广告技术 广告交易平台
计算广告技术
广告界的哥德巴赫猜想：