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