计算广告 互联网商业变现的市场与技术 第2版PDF电子书下载

第一部分 在线广告市场与背景 3

第1章 在线广告综述 3

1.1免费模式与互联网核心资产 4

1.2大数据与广告的关系 5

1.3广告的定义与目的 7

1.4在线广告表现形式 9

1.5在线广告简史 15

第2章 计算广告基础 20

2.1广告有效性原理 21

2.2互联网广告的技术特点 23

2.3计算广告的核心问题 24

2.3.1广告收入的分解 25

2.3.2结算方式与eCPM估计的关系 26

2.4在线广告相关行业协会 29

2.4.1交互广告局 29

2.4.2美国广告代理协会 30

2.4.3美国国家广告商协会 30

第二部分 在线广告产品逻辑 33

第3章 在线广告产品概览 33

3.1商业产品的设计原则 34

3.2广告系统的产品接口 35

3.2.1广告主层级组织与投放管理 35

3.2.2供给方管理接口 38

3.2.3供需之间多种接口形式 39

第4章 合约广告 41

4.1广告位合约 42

4.2受众定向 43

4.2.1受众定向方法概览 43

4.2.2受众定向标签体系 46

4.2.3标签体系的设计思路 47

4.3展示量合约 48

4.3.1流量预测 49

4.3.2流量塑形 50

4.3.3在线分配 50

4.3.4产品案例 51

第5章 搜索广告与竞价广告 53

5.1搜索广告 54

5.1.1搜索广告产品形态 55

5.1.2搜索广告产品新形式 57

5.1.3搜索广告产品策略 60

5.1.4产品案例 62

5.2位置拍卖与机制设计 64

5.2.1市场保留价 65

5.2.2定价问题 66

5.2.3价格挤压 68

5.2.4Myerson最优拍卖 69

5.2.5定价结果示例 69

5.3竞价广告网络 70

5.3.1广告网络产品形态 71

5.3.2广告网络产品策略 72

5.3.3产品案例 73

5.4竞价广告需求方产品 74

5.4.1搜索引擎营销 74

5.4.2交易终端 75

5.4.3产品案例 75

5.5竞价广告与合约广告的比较 77

第6章 程序化交易广告 78

6.1实时竞价 79

6.2其他程序化交易方式 82

6.2.1优选 82

6.2.2私有市场 83

6.2.3程序化直投 84

6.2.4广告交易方式谱系 84

6.3广告交易平台 85

6.4需求方平台 87

6.4.1需求方平台产品策略 87

6.4.2出价策略 88

6.4.3出价和定价过程 89

6.4.4重定向 89

6.4.5新客推荐 91

6.4.6产品案例 92

6.5供给方平台 94

6.5.1供给方平台产品策略 94

6.5.2Header Bidding 95

6.5.3产品案例 96

第7章 数据加工与交易 99

7.1有价值的数据来源 100

7.2数据管理平台 102

7.2.1三方数据划分 102

7.2.2第一方数据管理平台 102

7.2.3第三方数据管理平台 103

7.2.4产品案例 104

7.3数据交易的基本过程 107

7.4隐私保护和数据安全 109

7.4.1隐私保护问题 109

7.4.2程序化交易中的数据安全 111

7.4.3欧盟的通用数据保护条例 113

第8章 信息流与原生广告 115

8.1移动广告的现状与挑战 116

8.1.1移动广告的特点 117

8.1.2移动广告的传统创意形式 117

8.1.3移动广告的挑战 119

8.2信息流广告 121

8.2.1信息流广告的定义 121

8.2.2信息流广告产品关键 123

8.3其他原生广告相关产品 124

8.3.1搜索广告 125

8.3.2软文广告 125

8.3.3联盟 125

8.4原生广告平台 126

8.4.1表现原生与场景原生 126

8.4.2场景的感知与应用 127

8.4.3植入式原生广告 128

8.4.4产品案例 130

8.5原生广告与程序化交易 134

第三部分 计算广告关键技术 137

第9章 计算广告技术概览 137

9.1个性化系统框架 138

9.2各类广告系统优化目标 139

9.3计算广告系统架构 140

9.3.1广告投放引擎 142

9.3.2数据高速公路 143

9.3.3离线数据处理 143

9.3.4在线数据处理 144

9.4计算广告系统主要技术 144

9.5用开源工具搭建计算广告系统 146

9.5.1Web服务器Nginx 146

9.5.2分布式配置和集群管理工具ZooKeeper 148

9.5.3全文检索引擎Lucene 148

9.5.4跨语言通信接口Thrift 149

9.5.5数据高速公路Flume 150

9.5.6分布式数据处理平台Hadoop 150

9.5.7特征在线缓存Redis 151

9.5.8流计算平台Storm 152

9.5.9高效的迭代计算框架Spark 152

第10章 基础知识准备 154

10.1信息检索 155

10.1.1倒排索引 155

10.1.2向量空间模型 157

10.2最优化方法 158

10.2.1拉格朗日法与凸优化 159

10.2.2下降单纯形法 160

10.2.3梯度下降法 160

10.2.4拟牛顿法 162

10.3统计机器学习 167

10.3.1最大熵与指数族分布 168

10.3.2混合模型和EM算法 169

10.3.3贝叶斯学习 171

10.4统计模型分布式优化框架 174

10.5深度学习 175

10.5.1深度神经网络优化方法 176

10.5.2卷积神经网络（CNN） 177

10.5.3递归神经网络（RNN） 178

10.5.4生成对抗网络（GAN） 180

第11章 合约广告核心技术 181

11.1广告排期系统 182

11.2担保式投送系统 183

11.2.1流量预测 185

11.2.2频次控制 186

11.3在线分配 188

11.3.1在线分配问题 188

11.3.2在线分配问题举例 190

11.3.3极限性能研究 192

11.3.4实用优化算法 193

第12章 受众定向核心技术 201

12.1受众定向技术分类 202

12.2上下文定向 203

12.3文本主题挖掘 205

12.3.1LSA模型 206

12.3.2PLSI模型 206

12.3.3LDA模型 207

12.3.4词嵌入word2vec 208

12.4行为定向 209

12.4.1行为定向建模问题 210

12.4.2行为定向特征生成 211

12.4.3行为定向决策过程 214

12.4.4行为定向的评测 215

12.5人口属性预测 217

12.6数据管理平台 218

第13章 竞价广告核心技术 220

13.1竞价广告计价算法 220

13.2搜索广告系统 222

13.2.1查询扩展 223

13.2.2广告放置 226

13.3广告网络 227

13.4广告检索 229

13.4.1布尔表达式的检索 230

13.4.2相关性检索 234

13.4.3基于DNN的语义建模 238

13.4.4最近邻语义检索 241

第14章 点击率预测模型 247

14.1点击率预测 248

14.1.1点击率基本模型 248

14.1.2LR模型优化算法 249

14.1.3点击率模型的校正 256

14.1.4点击率模型的特征 257

14.1.5点击率模型评测 262

14.1.6智能频次控制 264

14.2其他点击率模型 264

14.2.1因子分解机 264

14.2.2GBDT 265

14.2.3深度学习点击率模型 267

14.3探索与利用 268

14.3.1强化学习与E＆E 268

14.3.2UCB方法 270

14.3.3考虑上下文的bandit 271

第15章 程序化交易核心技术 272

15.1广告交易平台 273

15.1.1cookie映射 273

15.1.2询价优化 277

15.2需求方平台 278

15.2.1定制化用户标签 280

15.2.2DSP中的点击率预测 282

15.2.3点击价值估计 283

15.2.4出价策略 284

15.3供给方平台 284

第16章 其他广告相关技术 286

16.1创意优化 287

16.1.1程序化创意 287

16.1.2点击热力图 288

16.1.3创意的发展趋势 289

16.2实验框架 291

16.3广告监测与归因 292

16.3.1广告监测 292

16.3.2广告安全 294

16.3.3广告效果归因 295

16.4作弊与反作弊 296

16.4.1作弊的方法分类 296

16.4.2常见的作弊方法 297

16.5产品技术选型实战 301

16.5.1媒体实战 302

16.5.2广告主实战 304

16.5.3数据提供方实战 306

第四部分 附录 311

附录 主要术语及缩写索引 311

参考文献 317