《計算廣告第2版》是2019年人民郵電出版社出版的圖書，作者是劉鵬、王超。
基本介紹
- 中文名：計算廣告第2版
- 作者：劉鵬、王超
- 出版社：人民郵電出版社
- ISBN：9787115497482
內容簡介,作者簡介,目錄,
內容簡介
計算廣告是一項新興的研究課題，它涉及大規模搜尋和文本分析、信息獲取、統計模型、機器學習、分類、最佳化以及個體經濟學等諸多領域的知識。本書從實踐出發，系統地介紹計算廣告的產品、問題、系統和算法，並且從工業界的視角對這一領域進行具體技術的深入剖析。
本書立足於廣告市場的根本問題，從計算廣告各個階段所遇到的市場挑戰出發，以廣告系統業務形態的需求和變化為主線，依次介紹契約廣告系統、競價廣告系統、程式化交易市場等重要課題，並對計算廣告涉及的關鍵技術和算法做深入的探討，這一版中更是加入了深度學習的基礎方法論及其在計算廣告中的套用。
無論是網際網路公司商業化部門的產品技術人員，還是對個性化系統、大數據變現或交易有興趣的產品技術人員，傳統企業網際網路化進程的決策者，傳統廣告業務的從業者，網際網路創業者，計算機相關專業研究生，都會從閱讀本書中受益匪淺。
作者簡介
劉鵬（@北冥乘海生），現任科大訊飛副總裁，大數據研究院院長。他在清華大學獲得博士學位後，加入微軟亞洲研究院，從事人工智慧研究，後參與創建雅虎北京研究院，出任高級科學家。他還曾任MediaV首席科學家、360商業化首席架構師等職。在多年從業經歷中，他一直致力於將人工智慧方法與海量數據相結合來解決工業界問題，負責過多個大型網際網路商業產品體系。
他特別重視計算廣告和大數據技術的普及，他講授的“計算廣告”在網易雲課堂有超過3萬名學生，已經成為業界進行相關培訓的基礎教程。他還曾擔任北京大學、中國傳媒大學等高校客座教授，講授計算廣告相關課程，為推動中國廣告產業的數位化、智慧型化做出了貢獻。
王超（@德川），於北京大學獲得碩士學位後，曾就職於微博、汽車之家等公司的廣告部門，從事計算廣告領域的研究和實踐工作。現任百度主任研發架構師，從事個性化推薦領域相關的工作。
目錄
第一部分 線上廣告市場與背景
第1章 線上廣告綜述3
1.1 免費模式與網際網路核心資產4
1.2 大數據與廣告的關係5
1.3 廣告的定義與目的7
1.4 線上廣告表現形式9
1.5 線上廣告簡史15
第2章 計算廣告基礎20
2.1 廣告有效性原理21
2.2 網際網路廣告的技術特點23
2.3 計算廣告的核心問題24
2.3.1 廣告收入的分解25
2.3.2 結算方式與eCPM估計的關係26
2.4 線上廣告相關行業協會29
2.4.1 互動廣告局29
2.4.2 美國廣告代理協會30
2.4.3 美國國家廣告商協會30
第二部分 線上廣告產品邏輯
第3章 線上廣告產品概覽33
3.1 商業產品的設計原則34
3.2 廣告系統的產品接口35
3.2.1 廣告主層級組織與投放管理35
3.2.2 供給方管理接口38
3.2.3 供需之間多種接口形式39
第4章 契約廣告41
4.1 廣告位契約42
4.2 客群定向43
4.2.1 客群定向方法概覽43
4.2.2 客群定向標籤體系46
4.2.3 標籤體系的設計思路47
4.3 展示量契約48
4.3.1 流量預測49
4.3.2 流量塑形50
4.3.3 線上分配50
4.3.4 產品案例51
第5章 搜尋廣告與競價廣告53
5.1 搜尋廣告54
5.1.1 搜尋廣告產品形態55
5.1.2 搜尋廣告產品新形式57
5.1.3 搜尋廣告產品策略60
5.1.4 產品案例62
5.2 位置拍賣與機制設計64
5.2.1 市場保留價65
5.2.2 定價問題66
5.2.3 價格擠壓68
5.2.4 Myerson最優拍賣69
5.2.5 定價結果示例69
5.3 競價廣告網路70
5.3.1 廣告網路產品形態71
5.3.2 廣告網路產品策略72
5.3.3 產品案例73
5.4 競價廣告需求方產品74
5.4.1 搜尋引擎行銷74
5.4.2 交易終端75
5.4.3 產品案例75
5.5 競價廣告與契約廣告的比較77
第6章 程式化交易廣告78
6.1 實時競價79
6.2 其他程式化交易方式82
6.2.1 優選82
6.2.2 私有市場83
6.2.3 程式化直投84
6.2.4 廣告交易方式譜系84
6.3 廣告交易平台85
6.4 需求方平台87
6.4.1 需求方平台產品策略87
6.4.2 出價策略88
6.4.3 出價和定價過程89
6.4.4 重定向89
6.4.5 新客推薦91
6.4.6 產品案例92
6.5 供給方平台94
6.5.1 供給方平台產品策略94
6.5.2 HeaderBidding95
6.5.3 產品案例96
第7章 數據加工與交易99
7.1 有價值的數據來源100
7.2 數據管理平台102
7.2.1 三方數據劃分102
7.2.2 第一方數據管理平台102
7.2.3 第三方數據管理平台103
7.2.4 產品案例104
7.3 數據交易的基本過程107
7.4 隱私保護和數據安全109
7.4.1 隱私保護問題109
7.4.2 程式化交易中的數據安全111
7.4.3 歐盟的通用數據保護條例113
第8章 信息流與原生廣告115
8.1 移動廣告的現狀與挑戰116
8.1.1 移動廣告的特點117
8.1.2 移動廣告的傳統創意形式117
8.1.3 移動廣告的挑戰119
8.2 信息流廣告121
8.2.1 信息流廣告的定義121
8.2.2 信息流廣告產品關鍵123
8.3 其他原生廣告相關產品124
8.3.1 搜尋廣告125
8.3.2 軟文廣告125
8.3.3 聯盟125
8.4 原生廣告平台126
8.4.1 表現原生與場景原生126
8.4.2 場景的感知與套用127
8.4.3 植入式原生廣告128
8.4.4 產品案例130
8.5 原生廣告與程式化交易134
第三部分 計算廣告關鍵技術
第9章 計算廣告技術概覽137
9.1 個性化系統框架138
9.2 各類廣告系統最佳化目標139
9.3 計算廣告系統架構140
9.3.1 廣告投放引擎142
9.3.2 數據高速公路143
9.3.3 離線數據處理143
9.3.4 線上數據處理144
9.4 計算廣告系統主要技術144
9.5 用開源工具搭建計算廣告系統146
9.5.1 Web伺服器Nginx146
9.5.2 分散式配置和集群管理工具ZooKeeper148
9.5.3 全文檢索引擎Lucene148
9.5.4 跨語言通信接口Thrift149
9.5.5 數據高速公路Flume150
9.5.6 分散式數據處理平台Hadoop150
9.5.7 特徵線上快取Redis151
9.5.8 流計算平台Storm152
9.5.9 高效的疊代計算框架Spark152
第10章 基礎知識準備154
10.1 信息檢索155
10.1.1 倒排索引155
10.1.2 向量空間模型157
10.2 最最佳化方法158
10.2.1 拉格朗日法與凸最佳化159
10.2.2 下降單純形法160
10.2.3 梯度下降法160
10.2.4 擬牛頓法162
10.3 統計機器學習167
10.3.1 最大熵與指數族分布168
10.3.2 混合模型和EM算法169
10.3.3 貝葉斯學習171
10.4 統計模型分散式最佳化框架174
10.5 深度學習175
10.5.1 深度神經網路最佳化方法176
10.5.2 卷積神經網路（CNN）177
10.5.3 遞歸神經網路（RNN）178
10.5.4 生成對抗網路（GAN）180
第11章 契約廣告核心技術181
11.1 廣告排期系統182
11.2 擔保式投送系統183
11.2.1 流量預測185
11.2.2 頻次控制186
11.3 線上分配188
11.3.1 線上分配問題188
11.3.2 線上分配問題舉例190
11.3.3 極限性能研究192
11.3.4 實用最佳化算法193
第12章 客群定向核心技術201
12.1 客群定向技術分類202
12.2 上下文定向203
12.3 文本主題挖掘205
12.3.1 LSA模型206
12.3.2 PLSI模型206
12.3.3 LDA模型207
12.3.4 詞嵌入word2vec208
12.4 行為定向209
12.4.1 行為定向建模問題210
12.4.2 行為定向特徵生成211
12.4.3 行為定向決策過程214
12.4.4 行為定向的評測215
12.5 人口屬性預測217
12.6 數據管理平台218
第13章 競價廣告核心技術220
13.1 競價廣告計價算法220
13.2 搜尋廣告系統222
13.2.1 查詢擴展223
13.2.2 廣告放置226
13.3 廣告網路227
13.4 廣告檢索229
13.4.1 布爾表達式的檢索230
13.4.2 相關性檢索234
13.4.3 基於DNN的語義建模238
13.4.4 最近鄰語義檢索241
第14章 點擊率預測模型247
14.1 點擊率預測248
14.1.1 點擊率基本模型248
14.1.2 LR模型最佳化算法249
14.1.3 點擊率模型的校正256
14.1.4 點擊率模型的特徵257
14.1.5 點擊率模型評測262
14.1.6 智慧型頻次控制264
14.2 其他點擊率模型264
14.2.1 因子分解機264
14.2.2 GBDT265
14.2.3 深度學習點擊率模型267
14.3 探索與利用268
14.3.1 強化學習與E&E268
14.3.2 UCB方法270
14.3.3 考慮上下文的bandit271
第15章 程式化交易核心技術272
15.1 廣告交易平台273
15.1.1 cookie映射273
15.1.2 詢價最佳化277
15.2 需求方平台278
15.2.1 定製化用戶標籤280
15.2.2 DSP中的點擊率預測282
15.2.3 點擊價值估計283
15.2.4 出價策略284
15.3 供給方平台284
第16章 其他廣告相關技術286
16.1 創意最佳化287
16.1.1 程式化創意287
16.1.2 點擊熱力圖288
16.1.3 創意的發展趨勢289
16.2 實驗框架291
16.3 廣告監測與歸因292
16.3.1 廣告監測292
16.3.2 廣告安全294
16.3.3 廣告效果歸因295
16.4 作弊與反作弊296
16.4.1 作弊的方法分類296
16.4.2 常見的作弊方法297
16.5 產品技術選型實戰301
16.5.1 媒體實戰302
16.5.2 廣告主實戰304
16.5.3 數據提供方實戰306
第四部分 附錄
附錄 主要術語及縮寫索引311
參考文獻317
