计算广告：互联网商业变现的市场与技术（第3版）

图书标准信息

• 作者 刘鹏 王超
• 出版社 人民邮电出版社
• 出版时间 2022-08
• 版次 3
• ISBN 9787115592552
• 定价 99.80元
• 装帧 平装
• 页数 334页
• 字数 450千字

【内容简介】

计算广告是一项新兴的研究课题，它涉及大规模搜索和文本分析、信息获取、统计模型、机器学习、分类、优化以及微观经济学等诸多领域的知识。本书从实践出发，系统地介绍计算广告的产品、问题、系统和算法，并且从工业界的视角对这一领域进行具体技术的深入剖析。
  本书立足于广告市场的根本问题，从计算广告各个阶段所遇到的市场挑战出发，以广告系统业务形态的需求和变化为主线，依次介绍合约广告系统、竞价广告系统、程序化交易市场等重要课题，并对计算广告涉及的关键技术和算法做深入的探讨。这一版中更是加入了深度学习的基础方法论及其在计算广告中的应用。
  无论是互联网公司商业化部门的产品技术人员，还是对个性化系统、大数据变现或交易有兴趣的产品技术人员，传统企业互联网化进程的决策者，传统广告业务的从业者，互联网创业者，计算机相关专业研究生，都会从阅读本书中受益匪浅。

【作者简介】

刘鹏（@北冥乘海生），现任科大讯飞副总裁，大数据研究院院长。他在清华大学获得博士学位后，加入微软亚洲研究院，从事人工智能研究，后参与创建雅虎北京研究院，出任高级科学家。他还曾任MediaV首席科学家、360商业化首席架构师等职。在多年从业经历中，他一直致力于将人工智能方法与海量数据相结合来解决工业界问题，负责过多个大型互联网商业产品体系。他的微信公众号为“计算广告”。

他特别重视计算广告和大数据技术的普及，他讲授的“计算广告”在网易云课堂有超过3万名学生，已经成为业界进行相关培训的基础教程。他还曾担任北京大学、中国传媒大学等高校客座教授，讲授计算广告相关课程，为推动中国广告产业的数字化、智能化做出了贡献。

王超（@德川），于北京大学获得硕士学位后，曾就职于微博、汽车之家等公司的广告部门，从事计算广告领域的研究和实践工作。现任百度主任研发架构师，从事个性化推荐领域相关的工作。

内页插图

【目录】

第 一部分 在线广告市场与背景

第 1章 在线广告综述3

1.1免费模式与互联网核心资产4

1.2大数据与广告的关系5

1.3广告的定义与目的7

1.4在线广告表现形式9

1.5在线广告简史15

第 2章 计算广告基础20

2.1广告有效性原理21

2.2互联网广告的技术特点23

2.3计算广告的核心问题24

2.3.1广告收入的分解25

2.3.2结算方式与eCPM估计的关系26

2.4在线广告相关行业协会29

2.4.1交互广告局29

2.4.2美国广告代理协会30

2.4.3美国国家广告商协会30

第二部分 在线广告产品逻辑

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广告系统的产品接口35

3.2.1广告主层级组织与投放管理35

3.2.2供给方管理接口38

3.2.3供需之间多种接口形式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

4.2.3标签体系的设计思路47

4.3展示量合约48

4.3.1流量预测49

4.3.2流量塑形50

4.3.3在线分配50

4.3.4产品案例51

5.4.2交易终端 …………………………………………………………………75

5.4.3产品案例 …………………………………………………………………75

5.5竞价广告与合约广告的比较   ……………………………………………………77

第6章程序化交易广告 ……………………………………………………………………78

6.1实时竞价   …………………………………………………………………………79

6.2其他程序化交易方式   ……………………………………………………………82

6.2.1优选 ………………………………………………………………………82

6.2.2私有市场 …………………………………………………………………83

6.2.3程序化直投 ………………………………………………………………84

6.2.4广告交易方式谱系 ………………………………………………………84

6.3广告交易平台   ……………………………………………………………………85

6.4需求方平台   ………………………………………………………………………87

6.4.1需求方平台产品策略 ……………………………………………………87

6.4.2出价策略 …………………………………………………………………88

6.4.3出价和定价过程 …………………………………………………………89

6.4.4重定向 ……………………………………………………………………89

6.4.5新客推荐 …………………………………………………………………91

6.4.6产品案例 …………………………………………………………………92

6.5供给方平台   ………………………………………………………………………94

6.5.1供给方平台产品策略 ……………………………………………………94

6.5.2Header Bidding ……………………………………………………………95

6.5.3产品案例 …………………………………………………………………96

第7章数据加工与交易 ……………………………………………………………………99

7.1有价值的数据来源100

7.2数据管理平台102

7.2.1三方数据划分102

7.2.2第 一方数据管理平台102

7.2.3第三方数据管理平台103

7.2.4产品案例104

7.3数据交易的基本过程107

7.4隐私保护和数据安全109

7.4.1隐私保护问题109

7.4.2程序化交易中的数据安全111

7.4.3欧盟的通用数据保护条例113

第8章 信息流与原生广告115

8.1移动广告的现状与挑战116

8.1.1移动广告的特点117

8.1.2移动广告的传统创意形式117

8.1.3移动广告的挑战119

8.2信息流广告121

8.2.1信息流广告的定义121

8.2.2信息流广告产品关键123

8.3其他原生广告相关产品124

8.3.1搜索广告125

8.3.2软文广告125

8.3.3联盟125

8.4原生广告平台126

8.4.1表现原生与场景原生126

8.4.2场景的感知与应用127

8.4.3植入式原生广告128

8.4.4产品案例130

8.5原生广告与程序化交易134

第三部分 计算广告关键技术

第9章 计算广告技术概览137

9.1个性化系统框架138

9.2各类广告系统优化目标139

9.3计算广告系统架构140

9.3.1广告投放引擎……………………………………………………………142

9.3.2数据高速公路……………………………………………………………143

9.3.3离线数据处理……………………………………………………………143

9.3.4在线数据处理……………………………………………………………144

9.4计算广告系统主要技术144

9.5用开源工具搭建计算广告系统146

9.5.1Web服务器Nginx146

9.5.2分布式配置和集群管理工具ZooKeeper148

9.5.3全文检索引擎Lucene148

9.5.4跨语言通信接口Thrift149

9.5.5数据高速公路Flume150

9.5.6分布式数据处理平台Hadoop150

9.5.7特征在线缓存Redis151

9.5.8流计算平台Storm152

9.5.9高效的迭代计算框架Spark152

第 10章 基础知识准备154

10.1信息检索155

10.1.1倒排索引155

10.1.2向量空间模型157

10.2最优化方法158

10.2.1拉格朗日法与凸优化159

10.2.2下降单纯形法160

10.2.3梯度下降法160

10.2.4拟牛顿法162

10.3统计机器学习167

10.3.1最大熵与指数族分布168

10.3.2混合模型和EM算法169

10.3.3贝叶斯学习171

10.4统计模型分布式优化框架174

10.5深度学习175

10.5.1深度神经网络优化方法………………………………………………176

10.5.2卷积神经网络（CNN）………………………………………………177

10.5.3递归神经网络（RNN）………………………………………………178

10.5.4生成对抗网络（GAN）………………………………………………180

第 11章 合约广告核心技术181

11.1广告排期系统182

11.2担保式投送系统183

11.2.1流量预测185

11.2.2频次控制186

11.3在线分配188

11.3.1在线分配问题188

11.3.2在线分配问题举例190

11.3.3极限性能研究192

11.3.4实用优化算法193

第 12章 受众定向核心技术201

12.1受众定向技术分类202

12.2上下文定向203

12.3文本主题挖掘205

12.3.1LSA模型206

12.3.2PLSI模型206

12.3.3LDA模型207

12.3.4词嵌入word2vec208

12.4行为定向209

12.4.1行为定向建模问题210

12.4.2行为定向特征生成211

12.4.3行为定向决策过程214

12.4.4行为定向的评测215

12.5人口属性预测217

12.6数据管理平台218

第 13章 竞价广告核心技术220

13.1竞价广告计价算法220

13.2搜索广告系统222

13.2.1查询扩展223

13.2.2广告放置226

13.3广告网络227

13.4广告检索229

13.4.1布尔表达式的检索230

13.4.2相关性检索234

13.4.3基于DNN的语义建模238

13.4.4最近邻语义检索241

第 14章 点击率预测模型247

14.1点击率预测248

14.1.1点击率基本模型248

14.1.2LR模型优化算法249

14.1.3点击率模型的校正256

14.1.4点击率模型的特征257

14.1.5点击率模型评测262

14.1.6智能频次控制264

14.2其他点击率模型264

14.2.1因子分解机264

14.2.2GBDT265

14.2.3深度学习点击率模型267

14.3探索与利用268

14.3.1强化学习与E&E268

14.3.2UCB方法270

14.3.3考虑上下文的 bandit271

第 15章 程序化交易核心技术272

15.1广告交易平台273

15.1.1cookie 映射273

15.1.2询价优化277

15.2需求方平台278

15.2.1定制化用户标签280

15.2.2DSP中的点击率预测282

15.2.3点击价值估计283

15.2.4出价策略284

15.3供给方平台284

第 16章 其他广告相关技术286

16.1创意优化287

16.1.1程序化创意287

16.1.2点击热力图288

16.1.3创意的发展趋势289

16.2实验框架291

16.3广告监测与归因292

16.3.1广告监测292

16.3.2广告安全294

16.3.3广告效果归因295

16.4作弊与反作弊296

16.4.1作弊的方法分类296

16.4.2常见的作弊方法297

16.5产品技术选型实战301

16.5.1媒体实战302

16.5.2广告主实战304

16.5.3数据提供方实战306

第四部分 附录

附录 主要术语及缩写索引311

参考文献317