计算广告 互联网商业变现的市场与技术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 大数据与广告的关系 4

1.2 广告的定义与目的 5

1.3 在线广告创意类型 8

1.4 在线广告简史 11

1.5 泛广告商业产品 16

1.6 延伸思考 18

第2章 计算广告基础 19

2.1 广告有效性原理 20

2.2 互联网广告的技术特点 22

2.3 计算广告的核心问题 23

2.3.1 广告收入的分解 24

2.3.2 结算方式与eCPM估计的关系 25

2.4 在线广告相关行业协会 27

2.4.1 交互广告局 28

2.4.2 美国广告代理协会 28

2.4.3 美国国家广告商协会 29

2.5 延伸思考 29

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 需求方层级组织与接口 35

3.3 供给方管理接口 38

3.4 延伸思考 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

4.3 展示量合约 47

4.3.1 流量预测 48

4.3.2 流量塑形 48

4.3.3 在线分配 49

4.3.4 产品案例 50

4.4 延伸思考 51

第5章 搜索与竞价广告 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 59

5.1.4 产品案例 61

5.2 位置拍卖与机制设计 64

5.2.1 定价问题 64

5.2.2 市场保留价 67

5.2.3 价格挤压 68

5.2.4 定价结果示例 68

5.3 广告网络 69

5.3.1 广告网络产品形态 69

5.3.2 广告网络产品策略 71

5.3.3 产品案例 72

5.4 竞价广告需求方产品 73

5.4.1 搜索引擎营销 73

5.4.2 媒体购买平台 74

5.4.3 产品案例 74

5.5 竞价广告与合约广告的比较 76

5.6 延伸思考 77

第6章 程序化交易广告 79

6.1 实时竞价 80

6.2 其他程序化交易方式 83

6.2.1 优选 83

6.2.2 私有市场 84

6.2.3 广告交易方式谱系 85

6.3 广告交易平台 86

6.4 需求方平台 88

6.4.1 需求方平台产品策略 89

6.4.2 出价策略 89

6.4.3 重定向 90

6.4.4 新客推荐 92

6.4.5 产品案例 93

6.5 供给方平台 95

6.5.1 供给方平台产品策略 95

6.5.2 产品案例 96

6.6 数据加工与交易 97

6.6.1 有价值的数据来源 98

6.6.2 三方数据划分 100

6.6.3 数据管理平台 100

6.6.4 数据交易平台 101

6.6.5 产品案例 101

6.7 在线广告产品交互关系 104

6.8 延伸思考 106

第7章 移动互联与原生广告 107

7.1 原生广告相关产品 108

7.1.1 信息流广告 108

7.1.2 搜索广告 109

7.1.3 软文广告 109

7.1.4 联盟 109

7.2 移动广告的现状与挑战 110

7.2.1 移动广告的特点 110

7.2.2 移动广告的创意形式 111

7.2.3 移动广告的挑战 112

7.3 原生广告平台 114

7.3.1 表现原生与意图原生 114

7.3.2 植入式原生广告 115

7.3.3 产品案例 117

7.4 原生广告与程序化交易 119

7.5 延伸思考 119

第8章 在线广告产品实践 121

8.1 媒体实战 121

8.1.1 变现方式和产品决策 122

8.1.2 数据支持方案决策 123

8.2 广告主实战 124

8.3 数据提供方实战 126

8.4 延伸思考 127

第三部分 计算广告关键技术 131

第9章 计算广告技术概览 131

9.1 个性化系统框架 132

9.2 各类广告系统优化目标 133

9.3 计算广告系统架构 134

9.3.1 广告投放引擎 134

9.3.2 数据高速公路 136

9.3.3 离线数据处理 137

9.3.4 在线数据处理 138

9.4 计算广告系统主要技术 138

9.5 用开源工具搭建计算广告系统 140

9.5.1 Web服务器Nginx 140

9.5.2 分布式配置和集群管理工具ZooKeeper 142

9.5.3 全文检索引擎Lucene 142

9.5.4 跨语言通信接口Thrift 143

9.5.5 数据高速公路Flume 144

9.5.6 分布式数据处理平台Hadoop 144

9.5.7 特征在线缓存Redis 145

9.5.8 流计算平台Storm 146

9.5.9 高效的迭代计算框架Spark 146

9.6 延伸思考 147

第10章 基础知识准备 149

10.1 信息检索 149

10.1.1 倒排索引 150

10.1.2 向量空间模型 152

10.2 最优化方法 153

10.2.1 拉格朗日法与凸优化 154

10.2.2 下降单纯形法 155

10.2.3 梯度下降法 155

10.2.4 拟牛顿法 156

10.2.5 Trust-Region法 160

10.3 统计机器学习 162

10.3.1 最大熵与指数族分布 162

10.3.2 混合模型和EM算法 164

10.3.3 贝叶斯学习 165

10.4 统计模型分布式优化框架 169

第11章 合约广告核心技术 171

11.1 广告排期系统 171

11.2 担保式投送系统 173

11.2.1 流量预测 175

11.2.2 频次控制 176

11.3 在线分配 178

11.3.1 在线分配问题 178

11.3.2 在线分配问题举例 181

11.3.3 极限性能研究 182

11.3.4 实用优化算法 183

11.4 延伸思考 192

第12章 受众定向核心技术 193

12.1 受众定向技术分类 194

12.2 上下文定向 195

12.2.1 半在线抓取系统 196

12.2.2 文本主题挖掘 197

12.3 行为定向 201

12.3.1 行为定向建模问题 201

12.3.2 行为定向特征生成 202

12.3.3 行为定向决策过程 206

12.3.4 行为定向的评测 206

12.4 人口属性预测 209

12.5 数据管理平台 210

12.6 延伸思考 210

第13章 竞价广告核心技术 213

13.1 竞价广告计价算法 214

13.2 搜索广告系统 216

13.2.1 查询扩展 216

13.2.2 广告放置 219

13.3 广告网络 220

13.4 广告检索 223

13.4.1 布尔表达式的检索 223

13.4.2 相关性检索 227

13.5 点击率预测 231

13.5.1 点击率预测模型 232

13.5.2 优化算法 233

13.5.3 点击率模型的校正 244

13.5.4 点击率模型的特征 244

13.5.5 点击率模型评测 249

13.5.6 智能频次控制 251

13.6 探索与利用 251

13.6.1 UCB方法 252

13.6.2 考虑上下文的bandit 253

13.7 延伸思考 254

第14章 程序化交易核心技术 255

14.1 广告交易平台 255

14.1.1 cookie映射 256

14.1.2 询价优化 259

14.2 需求方平台 261

14.2.1 定制化用户标签 263

14.2.2 DSP中的点击率预测 264

14.2.3 点击价值估计 266

14.2.4 出价策略 267

14.3 供给方平台 267

14.4 延伸思考 268

第15章 其他广告相关技术 269

15.1 创意优化 270

15.1.1 程序化创意 270

15.1.2 点击热力图 271

15.2 实验框架 272

15.3 流量保护和效果监测 273

15.3.1 反作弊 273

15.3.2 广告监测 276

15.3.3 广告安全 277

15.4 隐私保护和数据安全 278

15.4.1 隐私保护问题 278

15.4.2 程序化交易中的数据安全 280

15.5 延伸思考 282

第四部分 附录 285

附录A 主要术语及缩写索引 285

参考文献 291