计算广告学实践资料.ppt

1、,陈义豆瓣,展示广告发展现状与媒体端技术概览,目录,展示广告发展现状 生态系统演化 展示广告分类 媒体端技术概览 品牌广告的计划与投放 上下文广告的投放 混合投放 点击率估计,2020/9/12,最初生态,Source: Online Advertising Landscape, Siemer & Associates, LLC., 2013.,2020/9/12,广告联盟的出现,Source: Online Advertising Landscape, Siemer & Associates, LLC., 2013.,2020/9/12,AD Exchange的出现,Source: Onli

2、ne Advertising Landscape, Siemer & Associates, LLC., 2013.,2020/9/12,DSP的出现,Source: Online Advertising Landscape, Siemer & Associates, LLC., 2013.,2020/9/12,实际的生态结构,Source: Ad Exchanges, Targetiing & Optiimiizatiion, Gridley & Company, LLC., 2010.,目录,展示广告发展现状 生态系统演化 展示广告分类 媒体端技术概览 品牌广告的计划与投放 上下文广告的投

3、放 混合投放 点击率估计,2020/9/12,在线广告分类,搜索广告(Sponsored Search) 展示广告 品牌广告(Branding Ad) 上下文广告(Contextual Ad),2020/9/12,在线广告分类,目录,展示广告发展现状 生态系统演化 展示广告分类 媒体端技术概览 品牌广告的计划与投放 上下文广告的投放 混合投放 点击率估计,流量预订,广告位的流量划分 用户属性（年龄、性别、地区、.） 用户兴趣 页面属性（电影首页、音乐首页、） 其他属性（浏览器、操作系统、.）,流量块,流量预订,广告主的需求 流量属性 投放量 开始和结束时间 价格,准入控制,1k,1k,1k,1

4、k,1k,1k,1k,2k,2k,A,B,C,D,E,F,G,准入控制,1k,1k,1k,1k,1k,1k,1k,2k,2k,3k,A,B,C,D,E,F,G,?,准入控制,1k,1k,1k,1k,1k,1k,1k,2k,2k,3k,A,B,C,D,E,F,G,资源未充分利用 且需求未得到满足,准入控制,最大流问题:,品牌广告投放,50,90,160,100,100,100,A,B,C,组合爆炸,1k,1k,1k,1k,1k,1k,1k,2k,2k,3k,A,B,C,D,E,F,G,流量块,流量块数目往往数以亿计,优化成本高.,流量波动,？,1k,1k,1k,1k,1k,1k,2k,2k,2k

5、,A,B,C,D,E,F,G,预测流量：0k 实际流量：1k,预测流量：1k 实际流量：0k,高优先级,公平投放,1k,1k,1k,1k,1k,1k,1k,2k,2k,3k,A,B,C,D,E,F,G,优质资源,品牌广告投放,最小成本最大流问题（公平投放，优先级）:,组合爆炸问题： 流量合并 对偶问题 流量波动问题： 重新规划 在线规划,目录,展示广告发展现状 生态系统演化 展示广告分类 媒体端技术概览 品牌广告的计划与投放 上下文广告的投放 混合投放 点击率估计,上下文广告特点,效果导向（点击率/收益估计） 流量需求无法离线预测,急功近利法,表示10次图书页面请求,表示10次音乐页面请求,页

6、面请求到达顺序,急功近利法,表示10次图书页面请求,表示10次音乐页面请求,页面请求到达顺序,完整信息,收益：1.99,广告1 广告2,急功近利法,表示10次图书页面请求,表示10次音乐页面请求,页面请求到达顺序,贪心算法,收益：1.0,广告1 广告2,急功近利法,表示10次图书页面请求,表示10次音乐页面请求,页面请求到达顺序,贪心算法,收益：1.0,广告1 广告2,Adwords模型,贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比例),Adwords模型,贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广

7、告i完成比例),f(x) = 1 exp(-x),完成比例,f(x),Adwords模型,贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比例) - 最差情况,Adwords模型,贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比例) - 最差情况 改进方法：广告i的效用 = bidi * fi - 随机情况,Adwords模型,贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比例) - 最差情况 改进方法：广告i的效用 = bidi * fi - 随机情况

8、 实际情况： 不是最差 不是随机,目录,展示广告发展现状 生态系统演化 展示广告分类 媒体端技术概览 品牌广告的计划与投放 上下文广告的投放 混合投放 点击率估计,混合投放,1k,1k,1k,1k,1k,2k,1.5k,1k cpc,A,B,C,D,E,品牌广告,上下文广告,混合投放,1k,1k,1k,1k,1k,2k,1.5k,1k cpc,A,B,C,D,E,品牌广告,上下文广告,1k,1k,1k,0.5k,第一种分配方法.,混合投放,1k,1k,1k,1k,1k,2k,1.5k,1k cpc,A,B,C,D,E,品牌广告,上下文广告,1k,0.33k,1k,0.17k,0.33k,0.3

9、3k,0.17k,0.16k,第二种分配方法. 分配方法不同，收益差别很大.,目录,展示广告发展现状 生态系统演化 展示广告分类 媒体端技术概览 品牌广告的计划与投放 上下文广告的投放 混合投放 点击率估计,数据稀疏,广告位的流量划分 用户属性（年龄、性别、地区、.） 用户兴趣 页面属性（电影首页、音乐首页、） 其他属性（浏览器、操作系统、.）,流量块,Borrow Strength,广告位的流量划分 用户属性（年龄、性别、地区、.） 用户兴趣 页面属性（电影首页、音乐首页、） 其他属性（浏览器、操作系统、.）,权重估计,2020/9/12,点击率,点击率,点击率,点击率,PV数,PV数,PV数,PV数,流量块的不同特点会影响其权重.,权重估计,2020/9/12,？,点击率,点击率,点击率,点击率,PV数,PV数,PV数,PV数,用户点击倾向 是否点击过当前广告 当前广告浏览次数 ,概念漂移,时间,点击率,时间,点击率,时间,点击率,时间,点击率,时间,点击率,时间,点击率,获取信息与利用信息,Ad1: 5