正版新书]在线广告 互联网广告系统的架构及算法张亚东978730252

第1章在线广告发展简史

1．1在线广告发展简介

1．1．1中国古代的广告

1．1．2在线广告的诞生

1．1．3搜索广告的诞生和发展

1．1．4社交和视频类广告

1．1．5Ad Network的诞生

1．1．6Ad Exchange和 TradingDesk

1．2移动广告的发展

1．3搜索广告和定价模式

1．4社交媒体广告

1．5视频广告

1．6在线广告优势

1．7在线广告规模

参考文献


第2章广告样式与创意

2．1主流广告样式

2．1．1PC端广告样式

2．1．2移动端广告样式

2．2技术驱动营销

2．3广告样式发展趋势

2．4程序化创意

2．4．1程序化创意的缘由

2．4．2程序化创意

2．5动态创意优化

参考文献

第3章广告系统架构流程

3．1投放引擎架构流程

3．1．1广告投放引擎架构

3．1．2客户系统

3．1．3内部管理平台

3．1．4基础架构及相关模块

3．1．5广告投放引擎内部模块

3．1．6工具和测试平台

3．2收入分解

3．3程序化广告技术生态

3．4Ad Network

3．4．1工作流程

3．4．2分类

3．4．3定向方式

3．4．4优势

3．4．5移动广告网络

3．5Ad Exchange

3．5．1产生背景

3．5．2工作流程

3．5．3与Ad Network的不同

3．5．4国内Ad Exchange的发展

3．6程序化售卖方式

3．7其他机制

3．7．1匿名设置

3．7．2Reserve Price

3．7．3PreTargeting

参考文献

第4章品牌广告

4．1品牌推广的意义

4．2品牌广告简介

4．2．1品牌广告

4．2．2品牌广告常见形式

4．2．3计费和购买方式

4．2．4样式和创意

4．3品牌广告的有效性

4．4品牌广告效果评估指标

4．5Benchmark

参考文献

第5章搜索类广告

5．1搜索广告简介

5．1．1搜索广告的模式

5．1．2广告投放及相关问题

5．1．3搜索广告的优势

5．2常见产品形态

5．2．1综合搜索

5．2．2定制类搜索

5．2．3图片类搜索

5．2．4内容定向

5．2．5电商类搜索

5．2．6应用商店搜索

5．2．7其他

5．3系统架构和重要模块

5．3．1广告架构

5．3．2广告账户组织结构

5．3．3广告检索流程

5．3．4预算控制

5．3．5在线匹配

5．3．6机制设计

5．3．7计费流程

5．3．8准入

5．4主流竞价机制

5．4．1GFP机制

5．4．2GSP机制

5．4．3VCG机制

5．5搜索生态

5．6GSP优化

5．6．1Weighted GSP

5．6．2Squashing

5．6．3UWR

5．6．4QWR

5．6．5Anchoring

5．6．6模型对比

5．6．7Hidden Cost

5．7长尾查询

5．8市场规模

参考文献

第6章社交类广告

6．1社交媒体

6．1．1社交网络国度

6．1．2社交网络的特点

6．1．3常见的社交应用

6．1．4社交网络影响购买行为

6．2社交广告

6．2．1常见广告类型

6．2．2定向方式

6．3基于社交关系的算法

6．3．1社交内容推荐算法

6．3．2社区分割算法

6．3．3社交内容扩散算法

6．4社交网络营销

参考文献

第7章视频类广告

7．1视频广告简介

7．1．1常见的广告类型

7．1．2售卖方式

7．1．3广告时长

7．2视频广告生态和投放流程

7．2．1视频广告生态

7．2．2广告投放流程

7．3流量预估

7．3．1优化目标

7．3．2模型特征

7．3．3特征平滑处理

7．3．4流量预估函数

7．3．5模型评估方法

7．4库存分配问题

7．5库存分配算法

7．5．1HWM

7．5．2优化调整

7．5．3反馈机制

7．5．4SHALE

7．6Pacing

7．7市场规模

参考文献

第8章用户数据和定向算法

8．1用户识别

8．1．1Cookie

8．1．2Cookie Matching

8．1．3移动端用户识别

8．1．4跨屏识别

8．2用户画像

8．3定向方式

8．4经营状况评估和优化

8．4．1评估指标

8．4．2CLV优化

8．4．3客户关系管理和使用

8．5Lookalike

8．5．1特征提取和建模

8．5．2扩展方式

8．5．3最近邻选择

8．5．4离线扩展流程

8．5．5node2vec

8．5．6实战

8．6竞价环境预估

8．7超级用户

参考文献

第9章点击率预估与推荐算法

9．1点击率预估简介

9．2点击率预估特征

9．2．1相同竞价词下其他订单的特征

9．2．2相关竞价词的CTR

9．2．3广告质量相关特征

9．2．4订单竞价词相关特征

9．2．5外部相关特征

9．2．6特征预处理

9．3预估模型

9．3．1基础模型

9．3．2L2TreeBoost+LR模型

9．3．3回归树

9．3．4Gradient Boosting

9．3．5L2TreeBoost

9．3．6特征组合

9．3．7Freshness

9．3．8数据采样

9．4模型评估方法

9．4．1KL离散算法

9．4．2AUC

9．4．3NE

9．5Bandit

9．5．1Bandit问题

9．5．2εGreedy方法

9．5．3Thompson Sampling

9．5．4UCB

9．5．5LinUCB

9．6在线学习方法

9．6．1梯度下降方法

9．6．2BGD

9．6．3SGD

9．6．4MBGD

9．6．5简单截断法

9．6．6截断梯度法

9．6．7FOBOS

9．6．8RDA

9．6．9L1FOBOS和L1RDA的对比

9．6．10FTRL

9．7推荐算法

9．8基于协同过滤的推荐

9．8．1基于用户的协同过滤算法

9．8．2基于物品的协同过滤算法

9．8．3其他相似度计算方法

9．8．4应用

9．9基于矩阵分解的推荐

9．9．1矩阵分解

9．9．2正则化

9．9．3隐性特征

9．10基于深度学习的推荐

9．10．1推荐流程

9．10．2排序

9．11广告排序性能优化

参考文献

第10章在线匹配

10．1图论基础知识

10．2在线匹配类型

10．3在线二部图匹配

10．3．1Greedy算法

10．3．2Random算法

10．3．3Ranking算法

10．4加权的在线二部图匹配

10．5Adwords

10．5．1Greedy算法

10．5．2Balance算法与Greedy算法对比

10．5．3MSVV算法

10．5．4一般情况的证明

10．6基于原始对偶的匹配

10．6．1原始对偶问题

10．6．2互补松弛性

10．6．3Greedy算法实现

10．6．4更优算法

10．7现实系统中的匹配算法

参考文献

第11章机制设计

11．1机制设计概述

11．2经典案例

11．2．1囚徒困境

11．2．2二难问题

11．2．3无怨算法

11．2．4TureView广告

11．2．5策略性投票

11．3激励兼容

11．3．1投票悖论

11．3．2阿罗不可能定理

11．4引入金钱的机制

11．4．1拍卖机制

11．4．2VCG机制

11．5激励兼容的特性

11．6贝叶斯纳什均衡

11．7竞价机制分析

11．7．1临界条件分析

11．7．2VCG机制

11．7．3Simplest GSP机制

11．7．4Weighted GSP机制

11．8拥挤控制

参考文献

第12章低质量和敏感控制

12．1作弊背景

12．1．1作弊参与者

12．1．2作弊动机

12．2广告作弊方法

12．2．1单机作弊

12．2．2黑客作弊

12．2．3有组织的网络作弊

12．2．4有组织的人工作弊

12．2．5基于大流量平台的作弊

12．3广告反作弊

12．3．1反作弊架构

12．3．2反作弊算法分类

12．4广告质量

12．5数据安全

参考文献

第13章实验架构和调参

13．1A/B testing

13．2分层实验

13．2．1分层实验方案

13．2．2实验平台

13．3实验设计和分析

13．3．1置信度

13．3．2置信区间

13．3．3最少样本数

13．3．4逐步放量

13．3．550% vs 50%

13．3．6其他因素

13．3．7对比实验局限

13．3．8参数化

13．4自动化调参

参考文献

第14章数据监测和效果衡量

14．1第三方监测

14．2效果跟踪

14．2．1归因模型

14．2．2增效测试

参考文献

第15章在线广告的发展趋势

15．1网络带来的变化

15．2未来发展趋势

15．2．1流量入口

15．2．2需求和市场

附录A单词表