计算广告|4.合约广告

广告位和展示量合约

广告位(CPT)合约

与线下广告交易类似的传统模式

供给方产品:产品排期系统

流量选择的维度

典型场景

展示量合约与担保式投送

展示量合约

担保式投送(Guaranteed Delivery,GD)引擎

典型场景

广告位合约 vs 展示量合约

广告位合约

展示量合约

展示量合约更先进,前提是需要支持受众定向

S1.如何高效混合静态与动态广告?

前端代码先去CDN上取一个默认广告,然后再去请求广告服务器。

思考:什么样的人群适合于在CPM广告中售卖?

多个合约如何满足:在线分配问题

A4.展示量合约流量分配模型

流量预测–统计

可视为query为a,对流量进行检索的反向查询问题。

预测过程

A4.在线分配问题框架

A4.在线分配典型问题

Adwords~考虑预算,没有提升。

预算在竞价广告中是一个软约束,投完广告主会继续投。

A4.基于归偶算法的紧凑分配方案

紧凑分配方案(Compact Allocation plan)

α\alpha恢复β\beta和分配变量x:公式略

由历史数据求解上述问题规模太大,需要对数据做一些采样以便更高效地得到分配方案。

A4.启发式的High Water Mark算法

离线规划

在线分配

yahoo!展示广告市场

核心业务

其他点评

高并发的广告系统:在线投放引擎

S2.在线投放引擎

S2.Nginx

轻量级Web服务器/反向代理服务器

Nginx + FastCGI

其他产品选择:Apache

S2.Zookeeper by Yahoo!

解决分布式应用中的一些数据管理问题

集群管理

S2.频次控制

问题定义

问题特性

S2.实验框架(Experimentation Framework)

那些场景需要线上A/B测试?

实验框架的设计原则

S2.分层实验框架

发布层: 发布层1,发布层2

实验层: 非重叠测试区域,UI层、广告检索层、算法排序层。

用户画像及其他:受众定向基本概念

P4.受众定向方法分类

受众定向即为(a,u,c)打标签的过程

标签的两大主要作用

P4.常见受众定向方式

P4.受众定向标签体系

结构化标签体系

非结构化标签体系

关键词

标签体系一般设计思路

分行业制定标签体系

行业化标签体系距离

受众定向与用户画像

受众定向

用户画像

用内容解读任务:上下文定向

P4.上下文定向原理

根据用户正在浏览的页面和其他信息投送广告

P4.上下文定向主要方式

举例

常用方法

A1. 半在线(Near-line)抓取系统

思考:上下文定向目前并非主流的定向方式,这反映了什么问题?

将内容变成概念:文本主题模型

文本主题模型概要

问题

输入

输出

常用文本主题模型

LSA(Latent Semantic Analysis)

PLSI(Probabilistic Latent Semantic Indexing)

LDA(Latent Dirichlet Allocation)

词嵌入模型

用数据理解用户:行为定向

P4.行为定向(Behavioral targeting)

P4.行为定向数据来源

决策行为

主动行为

半主动行为

被动行为

用户ID

社交关系

P4.各类行为的标签化方法

A1.行为定向建模

A1.行为定向特征选择过程

A1.行为定向数据组织

Session log

行为定向两种长期特征累积方式

A1.受众定向评测 - Reach/CTR曲线

A1.人口属性定向

人口属性

人口属性定向

思考:行为定向为什么没有采用深度学习这类复杂的算法?

分布式计算平台

S5.离线大数据平台

S5.flume by cloudera

高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统

其他产品选择

S5.Redis by wmware

一个KV存储系统

注意事项

类似产品选择:Memcached

如何利用合约市场:合约广告需求方产品

合约市场的优缺点

优点

缺点

合约市场的利用与选择

主要的合约广告产品

应该如何选择

广告监播

产品目的

难点

广告安全

广告投放验证(Ad verification)

可视性(Viewability)验证

思考:品牌广告的钱是不是比较好挣?


返回首页