掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰(zhàn)行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調(diào)優(yōu)實踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
在線廣告:互聯(lián)網(wǎng)廣告系統(tǒng)的架構(gòu)及算法 版權(quán)信息
- ISBN：9787302526520
- 條形碼：9787302526520 ; 978-7-302-52652-0
- 裝幀：簡裝本
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
在線廣告:互聯(lián)網(wǎng)廣告系統(tǒng)的架構(gòu)及算法 本書特色
在線廣告是一個多學科交融的領域，本書力求系統(tǒng)地講解在線廣告的架構(gòu)和算法，讓讀者對在線廣告有一個整體的認識。全書共15章，第1~3章介紹在線廣告的發(fā)展簡史、樣式與創(chuàng)意以及廣告系統(tǒng)的架構(gòu)流程等基礎知識；第4~7章從品牌廣告、搜索類廣告、社交類廣告和視頻類廣告4種典型的廣告出發(fā)，詳細講解廣告系統(tǒng)的更多設計細節(jié)； 第8~14章分類講述在線廣告中的重要研究領域，包括用戶數(shù)據(jù)和定向算法、點擊率預估與推薦算法、在線匹配、機制設計、低質(zhì)量和敏感控制、實驗架構(gòu)和調(diào)參，以及數(shù)據(jù)監(jiān)控和效果衡量； 第15章簡要介紹在線廣告的發(fā)展趨勢。
本書可作為對在線廣告感興趣的初學者的入門書籍，也可供在線廣告相關(guān)領域的從業(yè)者閱讀參考。
在線廣告:互聯(lián)網(wǎng)廣告系統(tǒng)的架構(gòu)及算法 內(nèi)容簡介
在線廣告是一個多學科交融的領域，本書力求系統(tǒng)地講解在線廣告的架構(gòu)和算法，讓讀者對在線廣告有一個整體的認識。全書共15章，~3章介紹在線廣告的發(fā)展簡史、樣式與創(chuàng)意以及廣告系統(tǒng)的架構(gòu)流程等基礎知識；第4~7章從品牌廣告、搜索類廣告、社交類廣告和視頻類廣告4種典型的廣告出發(fā)，詳細講解廣告系統(tǒng)的更多設計細節(jié)； 第8~14章分類講述在線廣告中的重要研究領域，包括用戶數(shù)據(jù)和定向算法、點擊率預估與推薦算法、在線匹配、機制設計、低質(zhì)量和敏感控制、實驗架構(gòu)和調(diào)參，以及數(shù)據(jù)監(jiān)控和效果衡量； 5章簡要介紹在線廣告的發(fā)展趨勢。
本書可作為對在線廣告感興趣的初學者的入門書籍，也可供在線廣告相關(guān)領域的從業(yè)者閱讀參考。
在線廣告:互聯(lián)網(wǎng)廣告系統(tǒng)的架構(gòu)及算法 目錄
目錄
第1章在線廣告發(fā)展簡史
1．1在線廣告發(fā)展簡介
1．1．1中國古代的廣告
1．1．2在線廣告的誕生
1．1．3搜索廣告的誕生和發(fā)展
1．1．4社交和視頻類廣告
1．1．5Ad Network的誕生
1．1．6Ad Exchange和 TradingDesk
1．2移動廣告的發(fā)展
1．3搜索廣告和定價模式
1．4社交媒體廣告
1．5視頻廣告
1．6在線廣告優(yōu)勢
1．7在線廣告規(guī)模
參考文獻
第2章廣告樣式與創(chuàng)意
2．1主流廣告樣式
2．1．1PC端廣告樣式
2．1．2移動端廣告樣式
2．2技術(shù)驅(qū)動營銷
2．3廣告樣式發(fā)展趨勢
2．4程序化創(chuàng)意
2．4．1程序化創(chuàng)意的緣由
2．4．2程序化創(chuàng)意
2．5動態(tài)創(chuàng)意優(yōu)化
參考文獻
第3章廣告系統(tǒng)架構(gòu)流程
3．1投放引擎架構(gòu)流程
3．1．1廣告投放引擎架構(gòu)
3．1．2客戶系統(tǒng)
3．1．3內(nèi)部管理平臺
3．1．4基礎架構(gòu)及相關(guān)模塊
3．1．5廣告投放引擎內(nèi)部模塊
3．1．6工具和測試平臺
3．2收入分解
3．3程序化廣告技術(shù)生態(tài)
3．4Ad Network
3．4．1工作流程
3．4．2分類
3．4．3定向方式
3．4．4優(yōu)勢
3．4．5移動廣告網(wǎng)絡
3．5Ad Exchange
3．5．1產(chǎn)生背景
3．5．2工作流程
3．5．3與Ad Network的不同
3．5．4國內(nèi)Ad Exchange的發(fā)展
3．6程序化售賣方式
3．7其他機制
3．7．1匿名設置
3．7．2Reserve Price
3．7．3PreTargeting
參考文獻
第4章品牌廣告
4．1品牌推廣的意義
4．2品牌廣告簡介
4．2．1品牌廣告
4．2．2品牌廣告常見形式
4．2．3計費和購買方式
4．2．4樣式和創(chuàng)意
4．3品牌廣告的有效性
4．4品牌廣告效果評估指標
4．5Benchmark
參考文獻
第5章搜索類廣告
5．1搜索廣告簡介
5．1．1搜索廣告的模式
5．1．2廣告投放及相關(guān)問題
5．1．3搜索廣告的優(yōu)勢
5．2常見產(chǎn)品形態(tài)
5．2．1綜合搜索
5．2．2定制類搜索
5．2．3圖片類搜索
5．2．4內(nèi)容定向
5．2．5電商類搜索
5．2．6應用商店搜索
5．2．7其他
5．3系統(tǒng)架構(gòu)和重要模塊
5．3．1廣告架構(gòu)
5．3．2廣告賬戶組織結(jié)構(gòu)
5．3．3廣告檢索流程
5．3．4預算控制
5．3．5在線匹配
5．3．6機制設計
5．3．7計費流程
5．3．8準入
5．4主流競價機制
5．4．1GFP機制
5．4．2GSP機制
5．4．3VCG機制
5．5搜索生態(tài)
5．6GSP優(yōu)化
5．6．1Weighted GSP
5．6．2Squashing
5．6．3UWR
5．6．4QWR
5．6．5Anchoring
5．6．6模型對比
5．6．7Hidden Cost
5．7長尾查詢
5．8市場規(guī)模
參考文獻
第6章社交類廣告
6．1社交媒體
6．1．1社交網(wǎng)絡國度
6．1．2社交網(wǎng)絡的特點
6．1．3常見的社交應用
6．1．4社交網(wǎng)絡影響購買行為
6．2社交廣告
6．2．1常見廣告類型
6．2．2定向方式
6．3基于社交關(guān)系的算法
6．3．1社交內(nèi)容推薦算法
6．3．2社區(qū)分割算法
6．3．3社交內(nèi)容擴散算法
6．4社交網(wǎng)絡營銷
參考文獻
第7章視頻類廣告
7．1視頻廣告簡介
7．1．1常見的廣告類型
7．1．2售賣方式
7．1．3廣告時長
7．2視頻廣告生態(tài)和投放流程
7．2．1視頻廣告生態(tài)
7．2．2廣告投放流程
7．3流量預估
7．3．1優(yōu)化目標
7．3．2模型特征
7．3．3特征平滑處理
7．3．4流量預估函數(shù)
7．3．5模型評估方法
7．4庫存分配問題
7．5庫存分配算法
7．5．1HWM
7．5．2優(yōu)化調(diào)整
7．5．3反饋機制
7．5．4SHALE
7．6Pacing
7．7市場規(guī)模
參考文獻
第8章用戶數(shù)據(jù)和定向算法
8．1用戶識別
8．1．1Cookie
8．1．2Cookie Matching
8．1．3移動端用戶識別
8．1．4跨屏識別
8．2用戶畫像
8．3定向方式
8．4經(jīng)營狀況評估和優(yōu)化
8．4．1評估指標
8．4．2CLV優(yōu)化
8．4．3客戶關(guān)系管理和使用
8．5Lookalike
8．5．1特征提取和建模
8．5．2擴展方式
8．5．3*近鄰選擇
8．5．4離線擴展流程
8．5．5node2vec
8．5．6實戰(zhàn)
8．6競價環(huán)境預估
8．7超級用戶
參考文獻
第9章點擊率預估與推薦算法
9．1點擊率預估簡介
9．2點擊率預估特征
9．2．1相同競價詞下其他訂單的特征
9．2．2相關(guān)競價詞的CTR
9．2．3廣告質(zhì)量相關(guān)特征
9．2．4訂單競價詞相關(guān)特征
9．2．5外部相關(guān)特征
9．2．6特征預處理
9．3預估模型
9．3．1基礎模型
9．3．2L2TreeBoost+LR模型
9．3．3回歸樹
9．3．4Gradient Boosting
9．3．5L2TreeBoost
9．3．6特征組合
9．3．7Freshness
9．3．8數(shù)據(jù)采樣
9．4模型評估方法
9．4．1KL離散算法
9．4．2AUC
9．4．3NE
9．5Bandit
9．5．1Bandit問題
9．5．2εGreedy方法
9．5．3Thompson Sampling
9．5．4UCB
9．5．5LinUCB
9．6在線學習方法
9．6．1梯度下降方法
9．6．2BGD
9．6．3SGD
9．6．4MBGD
9．6．5簡單截斷法
9．6．6截斷梯度法
9．6．7FOBOS
9．6．8RDA
9．6．9L1FOBOS和L1RDA的對比
9．6．10FTRL
9．7推薦算法
9．8基于協(xié)同過濾的推薦
9．8．1基于用戶的協(xié)同過濾算法
9．8．2基于物品的協(xié)同過濾算法
9．8．3其他相似度計算方法
9．8．4應用
9．9基于矩陣分解的推薦
9．9．1矩陣分解
9．9．2正則化
9．9．3隱性特征
9．10基于深度學習的推薦
9．10．1推薦流程
9．10．2排序
9．11廣告排序性能優(yōu)化
參考文獻
第10章在線匹配
10．1圖論基礎知識
10．2在線匹配類型
10．3在線二部圖匹配
10．3．1Greedy算法
10．3．2Random算法
10．3．3Ranking算法
10．4加權(quán)的在線二部圖匹配
10．5Adwords
10．5．1Greedy算法
10．5．2Balance算法與Greedy算法對比
10．5．3MSVV算法
10．5．4一般情況的證明
10．6基于原始對偶的匹配
10．6．1原始對偶問題
10．6．2互補松弛性
10．6．3Greedy算法實現(xiàn)
10．6．4更優(yōu)算法
10．7現(xiàn)實系統(tǒng)中的匹配算法
參考文獻
第11章機制設計
11．1機制設計概述
11．2經(jīng)典案例
11．2．1囚徒困境
11．2．2二難問題
11．2．3無怨算法
11．2．4TureView廣告
11．2．5策略性投票
11．3激勵兼容
11．3．1投票悖論
11．3．2阿羅不可能定理
11．4引入金錢的機制
11．4．1拍賣機制
11．4．2VCG機制
11．5激勵兼容的特性
11．6貝葉斯納什均衡
11．7競價機制分析
11．7．1臨界條件分析
11．7．2VCG機制
11．7．3Simplest GSP機制
11．7．4Weighted GSP機制
11．8擁擠控制
參考文獻
第12章低質(zhì)量和敏感控制
12．1作弊背景
12．1．1作弊參與者
12．1．2作弊動機
12．2廣告作弊方法
12．2．1單機作弊
12．2．2黑客作弊
12．2．3有組織的網(wǎng)絡作弊
12．2．4有組織的人工作弊
12．2．5基于大流量平臺的作弊
12．3廣告反作弊
12．3．1反作弊架構(gòu)
12．3．2反作弊算法分類
12．4廣告質(zhì)量
12．5數(shù)據(jù)安全
參考文獻
第13章實驗架構(gòu)和調(diào)參
13．1A/B testing
13．2分層實驗
13．2．1分層實驗方案
13．2．2實驗平臺
13．3實驗設計和分析
13．3．1置信度
13．3．2置信區(qū)間
13．3．3*少樣本數(shù)
13．3．4逐步放量
13．3．550% vs 50%
13．3．6其他因素
13．3．7對比實驗局限
13．3．8參數(shù)化
13．4自動化調(diào)參
參考文獻
第14章數(shù)據(jù)監(jiān)測和效果衡量
14．1第三方監(jiān)測
14．2效果跟蹤
14．2．1歸因模型
14．2．2增效測試
參考文獻
第15章在線廣告的發(fā)展趨勢
15．1網(wǎng)絡帶來的變化
15．2未來發(fā)展趨勢
15．2．1流量入口
15．2．2需求和市場
附錄A單詞表
展開全部
在線廣告:互聯(lián)網(wǎng)廣告系統(tǒng)的架構(gòu)及算法 節(jié)選
第3章廣告系統(tǒng)架構(gòu)流程
3．1投放引擎架構(gòu)流程
在了解完在線廣告的發(fā)展歷史和常見樣式后，相信讀者已經(jīng)對這個領域有了比較直觀的認識，本書接下來會更深入地講解在線投放廣告的工作原理。本節(jié)首先介紹媒體內(nèi)部一個完整的廣告投放引擎所包括的主要功能模塊和它的架構(gòu)流程。
圖3．1廣告投放引擎架構(gòu)
3．1．1廣告投放引擎架構(gòu)
如圖3．1所示，這里將廣告投放引擎的功能模塊分為5個部分，分別是客戶系統(tǒng)、內(nèi)部管理平臺、基礎架構(gòu)和在此基礎架構(gòu)上工作的相關(guān)模塊、廣告投放引擎內(nèi)部模塊以及日常工作中會用到的一些工具和測試平臺。這個架構(gòu)圖并不是設計廣告投放引擎的標準，不同媒體的廣告投放引擎會因處理業(yè)務的不同而有所差異，這里介紹的功能模塊只是一些常用模塊，較簡單的廣告引擎可能只包括其中一部分模塊，而較復雜的系統(tǒng)還有更多圖3．1中沒有包括的功能模塊。本節(jié)其他篇幅分別介紹這5個部分。
3．1．2客戶系統(tǒng)
**部分是面向廣告主的客戶系統(tǒng)。廣告主要投放廣告，需要先注冊賬號，有一個自己的唯一標識。用這個賬號在客戶系統(tǒng)中登錄后才可以創(chuàng)建自己的廣告投放計劃。且廣告主需要向自己的賬號中充值，有預算的情況下廣告系統(tǒng)才會投放這個賬號下的廣告。在客戶系統(tǒng)中，廣告主還可以設置更細致的預算控制，如每天的*大消費上限，如果廣告主一天的花費已經(jīng)超過設置的消費上線，廣告系統(tǒng)就會停止投放這個賬號下的廣告。
不同廣告主的營銷目標會有所不同，有些廣告主的營銷目標是讓廣告觸達盡可能多的人群，而有些廣告主的營銷目標則可能是提升某個店鋪的訪問量。廣告主需要提前選定自己的營銷目標，這樣廣告投放系統(tǒng)便可以針對不同的營銷目標采用不同的定向投放算法，使得廣告投放效果*優(yōu)。廣告主在設置廣告計劃的時候也可以指定受眾范圍，例如指定廣告投放到年齡在20~30歲的北京女性用戶之中，合理的設置營銷目標和受眾范圍可以讓推廣活動事半功倍。廣告開始投放后，廣告主可以在客戶系統(tǒng)中的效果跟蹤模塊隨時查看廣告計劃投放情況，例如當前廣告的投放量和投放效果，也可以根據(jù)效果的反饋繼續(xù)優(yōu)化廣告計劃的設置。例如，有時候廣告主不能提前確定自己產(chǎn)品的目標人群范圍，就可以根據(jù)廣告的投放效果不斷調(diào)整廣告計劃的受眾范圍，直到廣告投放效果達到*優(yōu)。很多客戶系統(tǒng)中還支持同時設置多個廣告計劃，并且可以對廣告計劃分組管理，便于廣告主同時做多個對比試驗。甚至有些客戶系統(tǒng)還會根據(jù)歷史投放情況，在投放前或者投放過程中給出廣告計劃的調(diào)整建議，進一步提高廣告主的操作效率。
圖3．2是在Facebook的客戶系統(tǒng)中創(chuàng)建廣告計劃的一個截圖，它將廣告營銷目標分為3大類： 品牌認知、購買意向和行動轉(zhuǎn)化。不同的營銷目標適合不同類型的廣告主，如大型品牌廣告主可能會比較適合選擇品牌認知，將廣告投放到盡可能多的人群中，而小型廣告主則更在意廣告帶來的行動轉(zhuǎn)化，適合選擇行動轉(zhuǎn)化的營銷目標，當廣告系統(tǒng)判斷有較大概率發(fā)生行動轉(zhuǎn)化的時候才投放該廣告，節(jié)省廣告主的開支。在此基礎上，廣告主可以繼續(xù)設置廣告的受眾、版位和廣告的投放時間等信息。另外，廣告主還需要設置廣告的展現(xiàn)格式并上傳相關(guān)物料信息，有些廣告投放系統(tǒng)會建議廣告主同時設置多套物料，便于在投放過程中根據(jù)不同的情況動態(tài)調(diào)整廣告的樣式和內(nèi)容，進一步提升廣告投放效果。
圖3．2Facebook廣告計劃創(chuàng)建截圖
3．1．3內(nèi)部管理平臺
第二部分是供廣告投放引擎內(nèi)部的運營人員與研發(fā)人員使用的相關(guān)工具平臺，主要包括用戶管理、訂單管理、權(quán)限控制、財務管理、效果監(jiān)控、訂單審核和黑白名單模塊。用戶管理模塊是對系統(tǒng)中所有注冊用戶統(tǒng)一管理的地方； 訂單管理模塊可以控制廣告主的訂單狀態(tài)，如人工干預訂單的上線下線； 在權(quán)限控制模塊可以對內(nèi)部用戶設置不同的操作權(quán)限，降低系統(tǒng)的風險； 廣告主賬戶金額以及系統(tǒng)收益等財務相關(guān)內(nèi)容可以在財務管理模塊中進行操作； 效果監(jiān)控模塊可以查看每個廣告計劃投放的具體效果數(shù)據(jù)，供內(nèi)部運營人員隨時了解系統(tǒng)的運行狀況； 內(nèi)部運營人員在訂單審核模塊對廣告主提交的物料進行人工審核，內(nèi)容規(guī)范、質(zhì)量符合規(guī)定的訂單才可以進入系統(tǒng)投放，有些廣告系統(tǒng)會引入人工智能技術(shù)來加快這個環(huán)節(jié)的效率； 黑白名單模塊可以對系統(tǒng)中的可信賬號設置白名單，提升優(yōu)先級別，對多次違規(guī)賬號設置黑名單，禁止投放。
3．1．4基礎架構(gòu)及相關(guān)模塊
廣告投放引擎是對性能要求很高的系統(tǒng)，它需要隨時保持較高的系統(tǒng)穩(wěn)定性和快速響應能力。當線上請求到達的時候，系統(tǒng)需要在非常短的時間內(nèi)返回適合展現(xiàn)的廣告結(jié)果，這個時間通常是幾毫秒到幾百毫秒不等。如果在這個限定時間內(nèi)廣告系統(tǒng)沒有返回廣告，那么這次請求將不展現(xiàn)任何廣告，系統(tǒng)也不會有收益。
基礎架構(gòu)是完成大規(guī)模數(shù)據(jù)處理及提供高性能服務的基礎，主要包括兩部分。一部分是在線投放系統(tǒng)，即當一個請求到達的時候，能夠快速處理完所有的邏輯，然后返回合適的廣告結(jié)果。為了保障服務的穩(wěn)定性，一般需要跨機房、跨網(wǎng)絡布置線上廣告系統(tǒng)，做到在部分機房和網(wǎng)絡服務出現(xiàn)故障的時候，在線投放系統(tǒng)仍然可以提供正常的服務。另外一部分是需要計算和存儲海量數(shù)據(jù)的大數(shù)據(jù)處理模塊，日志存儲、廣告數(shù)據(jù)的實時或離線分析、計費等業(yè)務都需要它的支持。如果廣告系統(tǒng)是通過關(guān)鍵詞或者某些定向條件來觸發(fā)的，還需要不斷地對系統(tǒng)的合法廣告建立索引。
廣告計劃投放結(jié)束后，廣告主可以在客戶系統(tǒng)中查看廣告的具體投放數(shù)據(jù)，但是不排除有些媒體存在數(shù)據(jù)造假的情況，所以在一些交易金額巨大的業(yè)務中，廣告主為了保障自己的利益，希望廣告投放引擎能夠支持第三方數(shù)據(jù)監(jiān)測，通過在投放流程中添加第三方機構(gòu)的代碼，可以讓第三方機構(gòu)對廣告投放的核心指標有所了解，從而更加客觀地評估廣告的投放情況。
不同廣告投放引擎的廣告投放效果差異較大，除了媒體流量質(zhì)量有差異外，在用戶畫像、行為數(shù)據(jù)分析、創(chuàng)意分析、CTR(Click Through Rate)計算、機制設計、定向技術(shù)等業(yè)務模塊的規(guī)模和計算能力上都會有顯著的不同。小型的廣告投放引擎可能只有CTR計算模塊，而較成熟的大型廣告投放引擎在每個業(yè)務模塊上都會有專人深入研究，嘗試從多種角度不斷地優(yōu)化改進系統(tǒng)，提升媒體的整體收益。這些模塊除了服務于廣告投放引擎外，有時候也可以在整個營銷路徑中給營銷人員指導、建議。
如果廣告投放引擎希望提供給廣告主更多的操作，讓那些對目標客戶比較清楚的廣告主可以更精準地定向目標客戶，系統(tǒng)就需要做更多的數(shù)據(jù)分析和整理工作。例如廣告主希望向?qū)娛掠信d趣的北京男性用戶投放自己的汽車廣告，那么系統(tǒng)就需要提前通過用戶的歷史行為數(shù)據(jù)判斷哪些用戶是對軍事有興趣的，且需要積累他們的人口統(tǒng)計信息，對用戶的年齡、性別等信息有所了解。這些信息一般被稱為用戶畫像，精準而全面的用戶畫像對廣告投放引擎定向能力的提升有很大幫助。本書第8章將詳細介紹用戶畫像和相關(guān)的定向技術(shù)。
無論什么類型的廣告系統(tǒng)，如果廣告投放引擎能將廣告精準地投放到對這個廣告感興趣的人群，廣告投放效果和媒體的盈利都會有大幅度地提升。所以開發(fā)高精度的CTR預估和推薦算法非常重要，這部分是在線廣告算法中的一個經(jīng)典問題，現(xiàn)在仍然被持續(xù)研究，本書第9章會詳細介紹。
計算出來的多種因子如何融合到系統(tǒng)中才能使得系統(tǒng)收益*大化？如何融合才能保障廣告主的利益或者公平性？如何融合才能保持整個廣告業(yè)務生態(tài)的持續(xù)健康？這些都是機制設計需要考慮的問題，第11章將簡單介紹這部分的一些重要概念。
3．1．5廣告投放引擎內(nèi)部模塊
這里通過搜索廣告投放系統(tǒng)的一個具體例子，講述廣告投放引擎內(nèi)部各模塊是如何工作的。如圖3．3所示，當用戶在搜索引擎中搜索“西紅柿”后，系統(tǒng)首先調(diào)用頻次控制模塊，假如系統(tǒng)限制每個用戶每天*多只能瀏覽10次廣告，頻次控制模塊會判斷當前用戶是否瀏覽廣告已經(jīng)達到10次，如果該用戶還可以瀏覽廣告，系統(tǒng)才會繼續(xù)后面的流程。
圖3．3搜索廣告架構(gòu)流程
廣告投放引擎通過廣告位管理模塊，判斷當前頁面可以展現(xiàn)什么類型的廣告，然后到相應類型的廣告索引系統(tǒng)中查找可以展現(xiàn)的廣告。之后，系統(tǒng)通過一系列的參數(shù)來確定哪些廣告符合展現(xiàn)條件，然后把所有符合條件的合法廣告放到一起，產(chǎn)生一個合法廣告隊列。例如某個廣告的預算如果已經(jīng)消耗完了，就不能進入合法廣告隊列了。
排序模塊會對合法廣告隊列中的每個廣告計算排序因子，這里用到的公式為bid×ctr，其中，bid是廣告主在客戶系統(tǒng)中提前設置的廣告被點擊后愿意支付的費用，ctr是系統(tǒng)預估這個廣告會被用戶點擊的概率。不同廣告投放引擎會有不同的排序方法，例如有些系統(tǒng)會引入平滑因子，對廣告主的消費做平滑控制，讓某個賬號一天中某個時間段內(nèi)的消費是平滑的。
根據(jù)排序因子可以判斷哪個廣告*終勝出，并可以計算勝出廣告如果被點擊后應該收取的費用(一般小于廣告主設置的bid)，需要注意的是，這個時候該廣告還沒有被扣費。然后根據(jù)頁面的上下文內(nèi)容或者這個廣告前期的投放情況，選擇一個*優(yōu)的樣式將廣告展現(xiàn)到用戶的搜索結(jié)果中，有時候樣式會作為一個影響因子融入到排序階段。
如果該用戶點擊了廣告，廣告引擎通過反作弊模塊判斷這次點擊的意圖是否合法，例如是否是競爭對手的惡意搜索和點擊，如果是一次正常的點擊，就對該廣告收取相應的費用。
圖3．3中，排序因子使用的是rankq=bid×ctr，一般情況下系統(tǒng)選擇rankq*大的廣告作為*后展現(xiàn)的廣告，但是每次展現(xiàn)排序得分*高的廣告，對系統(tǒng)來說并不一定是收益*大化的。在資源有限，預算有限，不同廣告的投放條件也不同的情況下，如果知道了一天的所有流量信息后，往往可以離線找到收益更大的投放方式。如何優(yōu)化系統(tǒng)的在線匹配策略，提升系統(tǒng)收益，一般被描述成一個二部圖的匹配問題，也就是在線匹配（Online Matching），本書將在第10章中詳細討論。
不同的廣告投放引擎有自己不同的業(yè)務邏輯，例如有些系統(tǒng)支持廣告在某個時間段內(nèi)可以均勻投放； 有些系統(tǒng)為了廣告效果和用戶滿意度，一般不會給同一個人反復投遞同一個或同一類型的廣告，嚴格控制對用戶投放廣告的頻次。
在線投放的過程中，多種類型的廣告可能會同時滿足投放條件，例如某次流量同時滿足了品牌廣告和普通廣告的定向條件，這時候系統(tǒng)會對品牌廣告設置更高的優(yōu)先級，品牌廣告可以在排序中得到更好的位置或者獨享這一次展現(xiàn)機會，因為品牌廣告可以給系統(tǒng)帶來更多的收益。優(yōu)先級控制模塊就是用來控制不同類型廣告優(yōu)先級別。
有利益的地方就容易有作弊，如何反作弊是很多商業(yè)系統(tǒng)里必須要面對的問題，廣告投放系統(tǒng)也不例外，其基本思想是要找出作弊流量和正常流量的差異，再有針對性地解決，這部分內(nèi)容一般都是高度機密，各大公司反作弊的具體細節(jié)都不被外界所知。作弊無法根除，反作弊是一個貓抓老鼠的過程，職責就是不斷地與作弊者切磋，提升作弊者的作弊門檻。本書將在第12章介紹在線廣告系統(tǒng)中的反作弊技術(shù)。
書友推薦
- >
史學評論
- >
羅曼·羅蘭讀書隨筆-精裝
- >
自卑與超越
- >
經(jīng)典常談
- >
詩經(jīng)-先民的歌唱
- >
我從未如此眷戀人間
- >
回憶愛瑪儂
- >
姑媽的寶刀
本類暢銷
