《计算广告》是一本由刘鹏 / 王超著作，人民邮电出版社出版的平装图书，本书定价：69.00元，页数：295，文章吧小编精心整理的一些读者的读后感，希望对大家能有帮助。

《计算广告》读后感(一)：看得真吃力

本来之前看过一本讲人工智能的书，有章节大概介绍过计算广告，心里对计算逻辑还是有概念的。但这本一路看下来，心里就是觉得为什么看着这么累啊。

首先不知道这本书定位是怎样的，很多章节确实讲的很浅，感觉一个话题还没展开，就结束了。一小章看完之后，脑海里面回顾一下，这一章都学到什么，好像就非常粗略的知道几个概念，然后还各种跳转，让你去看遥远的后面章节的内容，或者其他文献内容。

然后一个就是各种英文简称的使用，有些第一次出来会有全部英文附注，但是隔得老远章节的英文简称，真不是全部记得住，何况事真多啊。另外，有些公式就放出来，没说明，只能自己根据上下文去体会。一路看下来就是想看的迟迟看不到，看得还一脸懵逼。

当然干货还是有的，但就是得好好自己咂摸了。

《计算广告》读后感(二)：计算广告书摘

1、核心挑战

计算广告的核心挑战，是为一些列用户与环境的组合找到最合适的广告投放策略以优化整体广告活动的利润。

2、核心周边概念

A 结算方式

- CPM结算：千次展示结算

- CPC结算：按点击结算

- ROI结算：投入产出比结算

- CPT：按服务次结算

广告类别（对应 1供给方借口 2需求方接口 3投放策略）

- 合约广告产品

- 搜素竞价广告产品：Google Adwords；Google Display Network; 淘宝客;

- 程序化交易广告产品

- 移动互联网与原生广告产品

C 广告定价

- 搜索竞价广告定价

广义第二高价（General Second Price）：对赢得每一个位置的广告主，都按照他下一位的广告位置出价来收取费用（简单但有不合理处）

VCG：对于赢得某个位置的广告主，其所付出的成本应该等于他占据着歌位置给其他市场参与者带来的价值损害（复杂不受绝大部分广告主接纳）

市场保留价：竞价起始价格

价格挤压策略：通过提高单价挤压低质量广告主出局

- 程序化交易广告产品定价（通过 广告交易平台如：Right Media；需求方平台如：Criteo；供给方平台：Admeld）

实时定价：通过定制化用户标签（Customized Audience Segamentation）定向目标投放群体

优选：可以看作直邮一个需求方的程序化交易

私有市场：投放群体高度一致且有较高转化效果

D 广告技术

- 个性化系统框架的四个部分 在线投放引擎（online server）

离线的分布式计算数据处理平台（distributed computing ）

实时反馈流计算平台（stream computing）

连接和运转三部以上分布数据流的数据高速公路（data highway）

- 计算广告的必备背景知识

信息检索（Information Retrieval）

倒排索引(Inverted Index)：现代搜索引擎核心技术，利用倒排索引技术，可以实现与文档集大小基本无关的检索复杂

向量空间模型(Vector Space Model)：信息检索中最基础切最重要的文档相似度度量方法

最优化(Optimization)：给定某个确定的目标函数以及该函数自变量的一些约束条件，求解该函数的最大或最小值问题

拉格朗日法与凸优化

下降单纯形法(Downhill Simplex Method)：即阿米巴变形虫法。在D维空间中可以选择一个D+1个点张成的超多面体或称为单纯形，然后对这一单纯形不断变形以收敛到函数的最小点

梯度下降法(gradient descent)

拟牛顿法

Trust-region法

机器学习(Machine Learning)

最大熵与指数族分布：某些约束条件下选择统计模型时，需要尽可能选择满足这些条件的模型中不确定性最大的那个

混合模型与EM算法：解决指数族分布是单模态的问题

贝叶斯学习

共轭先验(Conjugate Prior)：找到一种先验分布，使得相应的后验分布也有同样的形式

经验贝叶斯：用于确定超参数

《计算广告》读后感(三)：《计算广告》的“延伸思考”

书中章节后“延伸思考”版块的问题还都算有意思，挑一些说下自己的看法。挖个坑，慢慢填。

第一章

1. 考虑到品牌广告和直接效果广告的目的性差异，两者在创意设计、投放策略、媒介选择等方面应该有什么区别？

这个问题从媒介选择上反推会更清楚。品牌广告通常根据有效受众（Target Audience）、千人成本（CPM）来筛选广告位置，选择的一般也都是有品牌价值的媒体，例如电视、机场、报刊等。选好广告位之后的主要工作就是确定排期，然后向媒体提供创意素材。品牌广告的创意主要靠代理公司（Agency）为广告主完成，从流程上说，一般是甲方（广告主）向Agency下brief（简报），brief中需要描述项目背景、Campaign目的、交付任务（Deliverables）、目标受众（TA）、消费者洞察（Insight）、广告策略（Key Message）、预算和排期等。由于品牌广告的创意承载了提高品牌知名度、美誉度、忠诚度的目标，加之媒介采购成本高，必须注重表现力和冲击力。

而直接效果广告在媒介选择上，主要是搜索广告、展示广告、EDM等。搜索广告的优化策略主要是通过关键词选择和出价调整来实现大量关键词情形下的ROI最大化。展示广告投放策略的演变，总体上是从购买广告位置转变到购买特定人群。创意设计上，搜索广告主要是广告语的撰写，展示广告也是不同图片/Flash的搭配。但效果广告的创意有几个特点，1. 由于广告效果的监测比较完善，可以测试不同创意的效果，来优化现有创意选择和新的创意制作。2. 根据人群画像自动拼接图片元素生成海量创意的程序化创意（Programmatic Creative）成为可能。

当然，直接效果广告和品牌广告的媒介选择有不同偏好，但并不能把媒介选择与品牌或效果广告划等号，例如认为展示广告就是直接效果广告，而需要从广告的目的性来区分：品牌广告的目的是借助媒体的力量来快速接触大量用户（消费者），以宣传品牌形象、提升中长期购买率与利润空间的目的。而希望提高短期购买或其它转化行为的则成为直接效果（Direct Response）广告。作者也提及，传统媒介上，消费者从看到广告到最终的转化行为之间链条较长，所以提高消费者的品牌认知（Brand Awareness）是多数广告的主要目的。不过随着新媒体形式的丰富和搜索、电子商务的兴起，品效合一成为越来越多广告主的选择，例如OTV（网络视频）广告，点击品牌广告可以进入官网、网上旗舰店等查看并购买。

2. 请你从自己熟悉的领域中找出几个泛广告产品的例子，并探讨其与典型广告产品的区别。

作者举的例子是团购、游戏联运、固定位导航、返利购买四个。但作者并没有对“泛广告产品”进行定义，四个例子的运作模式差异也很大。如果从商业变现角度看，有很多用户不当成“广告”的变现产品其实都可以算“泛广告产品”。比如某些APP里面嵌入“商城”来展示淘宝商品，很是类似PC时代的Affiliate（联署营销）。还有类似游戏联运的“主播直播间模式”，只是多数还是媒体自营。至于直播间模式变现能力有多强？别说网易大力导流给旗下的BoBo娱乐，连QQ都让你“查找直播”了，而且又进一步把“直播间”放到QQ群的旁边，生怕你找不到。哇，还是屌丝男士的钱好赚。

第二章：

1. CPA/ROI的结算方式看似对广告主有利，实际也催生了一些变形的推广方式。请考察你接触到的CPA/ROI渠道，并研究其与CPM或CPC渠道的关键差异。

变形的推广方式：预装（参见刘鹏《一部安卓手机的血泪史》）、应用捆绑/静默安装（还记得电脑上的百度全家桶吗？）、劫持（小心你的运营商/网吧/WiFi盒子）、奖励性质的积分墙/锁屏等（安装**APP给你3000积分）、短信/邮件/SNS等SPAM引流方式（iMessage里的“大黄蜂打车”），等等，哦对了，别忘了地面推广（买水果时被推销安装的淘点点）。

从广告平台的角度看，CPA渠道与CPM和CPC的最大差异在于，CPA涉及了转化流程，如果按照这种方式结算，就需要广告平台对广告主站内的转化行为进行监测，从而对每一次点击的价值作出预估。

还有一些不涉及广告平台的CPA（任务型），这个的特点就是：灵活！至于怎么灵活，看看见面的“变形的推广方式”吧。

2. 对广告产品而言，优化利润与优化ROI有什么区别？

优化利润是最大化广告平台的收益，而优化ROI是最大化广告主的利益。广告平台要平衡媒体、广告平台和广告主的利益。

《计算广告》读后感(四)：目前读到最系统的广告产品设计的书

适合：对广告变现感兴趣的产品、运营、技术和苦于寻求创业产品变现的朋友

结构：前半段讲广告背景发展、业务逻辑、产品策略，后半段讲算法偏技术。

ert推荐：读之前认真看了下推荐语，那叫一个多，作者真有人气，也说明变现的方法论还是比较受欢迎的。

1.首先读一遍肯定是不行的了，这本看上去像技术教科书一样的装帧却包含了作者的深入思考和总结，读来感觉收获很大，适合读一遍然后按照章节拆分课题来研究。

2.灰常同意作者关于用户型产品和商业化产品设计重点的不同，商业化产品更偏重于策略，因为商业目标足够明确也容易衡量，所以用户体验的优先级要小于目标用户的资源诉求。

3.不足之处，纸张略差，对于我这种习惯划书的疯子来说，画一笔就透到了反面不能忍

《计算广告》读后感(五)：计算广告

第1章 在线广告综述

广告的定义与目的

根据广告目的不同，广告分为品牌广告（brand awareness） 、直接效果广告（direct response）

在传统广告产品中，大量投送和优化效果广告的能力显然是缺乏的。这是因为，对短期效果的追求要求广告精准地送达目标人群，而这在传统媒体上缺乏有效的技术手段。

互联网广告行业的高速发展主要是由于效果广告市场带来的巨大红利。

广告的根本目的是广告主通过媒体达到低成本的用户接触。

广告的“低成本”是与那些由市场或销售人员完成的劝服活动成本相对而言的，实际上是广告搭了媒体流量和影响力的便车。

在线广告简史

展示广告（display advertising）在出奇阶段的售卖模式，称为合约广告（agreement-based advertising），即采用合同约定的方式确定某一广告位在某一时间段为某特定广告主所独占，并且根据双方的要求，确定广告创意和投放策略。

互联网广告运营者们经过探索，很快就发现了在线广告不同于传统媒体广告的本质特点：我们可以对不同的受众呈现不同的广告创意！

媒体找到了一条能使广告位报价继续提高的思路。

泛广告商业产品

团购本质上是一种按照效果付费的泛广告产品，其特殊性在于广告主除了付推广费用外，还向用户让利以获得转化。

第2章 计算广告基础

可衡量的效果以及相应的计算优化是在线广告区别于线下广告的主要特点。

第3章 计算广告产品概览

商业产品的设计原则

商业产品指的是面向商业客户而非一般用户的产品，其中最典型的代表就是互联网广告产品。

商业产品一般都有一个明确的商业目标，而商业产品的使用者选用一款产品的动力也是为了优化这个商业目标。

商业产品的任何一项功能改进，只要能带来其对应商业目标的提升机会，即使在使用流程上引入一些不便，也是可以接受的。

在商业产品运营过程中有一些需要注意的关键点。 1）相对于产品功能，要特别关注产品中的策略部分。 2）要特别关注数据，让运营和产品优化形成闭环。

第4章 合约广告

流量塑形

从商业产品的要求来看，要系统化、高效率地达到流量塑形的目标，需要用户产品与广告产品的需求情况打通，然后按照一定的准则，在不伤害用户体验的情形下，尽可能提高商业变现的效率。

第5章 搜索与竞价广告

对比合约广告可知，竞价交易模式的本质是将量的约束从交易过程中去除，仅仅采用“价高者得”的简单决策方案来投放每一次广告。竞价顺应了定向广告向精细化发展的趋势要求，也为大量无法用合约售卖的剩余流量找到了可能的变现渠道，使得大量中小广告主参与在线广告的可能性和积极性大大增强，也使得在线广告的商业环境与传统广告产生了本质区别。

对应于竞价广告的产生，需求方的产品和技术也在发生变化。其中关键的变化有两点：一是由面向广告位采买变成面向人群的跨网络采买；二是帮助广告主在竞价环境中完成量的保证，这一点是竞价市场不再直接保证的。能达到这些需求方目的的产品我们叫作媒体采买平台。

搜索广告产品形态

搜索广告是以上下文查询词为粒度进行受众定向，并按照竞价方式售卖和CPC结算的广告产品。

搜索广告创意的展示区域一般来说分为北（north）、东（east）、南（south）三个部分。

搜索广告最基本的形式是与自然检索结果一致的文字链，一般会加底色和角上的“推广”“推广链接”“Ads”等字样，以区别于自然结果，这样做的目的是让那些对广告没有兴趣的人尽量少减少误点击，从而降低广告主的无效消费和提升用户体验。

搜索广告产品策略

搜索广告的整个决策过程可以分为查询扩展、检索、排序、放置、定价等几个阶段。

1、查询扩展

常见的几种匹配方式如下。 （1）精确匹配（2）短语匹配（3）广泛匹配（4）否定匹配

广告放置：当广告候选完成排序以后，需要分别确定北区和东区的广告条数，这个环节称为广告放置（ad placement）。确定一条广告能否进入北区要考虑两个关键因素：一是该广告相关性是否足够；二是该广告的RPM是否足够。前者是为了确保用户体验，后者是为了高效地利用展示位置。北区还会设定一个广告条数的上限。根据整体NFP的约束和收入的目标，我们可以很容易通过数据模拟的方法确定相关性和RPM的最优阈值。

有一部分用户总是会跳过广告，直接从自然结果开始浏览；但也有一部分用户或者对广告不太分辨、或者对其接受程度高，会将广告与自然结果一样看待，因此产生大量点击。很显然，对前一类用户，应该降低北区广告条数，这样在不显著减少收入的情况下可以换来更好的用户体验；而对后一类用户，应该在有符合条件的广告时，尽可能用足北区的位置。

产品案例：

【Google AdWords】

Overture发明CPC售卖方式的时候广告的投放方式很简单，只是以广告主的出价排序，出价最高的广告赢得曝光的机会。Google 发现了此模式的缺陷：出价最高的广告赢得了很多曝光，但如果没人点击，平台还是没有收入。因此，Google将策略改变为在投放过程中预估每条广告的点击率，然后按点击率和出价的乘积对广告排序，这也就形成了现在竞价广告普遍采用的根据eCPM决策的逻辑。

在引入点击率来表达相关性后，在 CPC模式下形成了一个对广告主、用户、平台都有利的生态。

在引入点击率来表达相关性后，在 CPC模式下形成了一个对广告主、用户、平台都有利的生态。在此生态下，广告主可以通过选择关键字来定向目标受众，并通过改善广告创意提高点击率的方式降低出价。Google通过给用户投放点击率高和出价高的广告提高收益。因为给用户每次投放都是点击率高的“个性化”广告，所以用户在使用搜索引擎时看到了更多相关付费信息，降低了广告对用户的干扰。

【淘宝直通车】

广告只出现在页面的东区和南区。

淘宝直通车的前身是雅虎直通车，卖家可以在雅虎搜索和雅虎网站上投放广告，2008年改名为淘宝直通车。

定价问题

围绕位置拍卖最重要的机制设计是所谓的定价（Pricing）问题，它探讨的是在一次位置拍卖中给定各参与者的出价以及他们的期望收益，如何对最后获得某个位置的广告主收取合适的费用。 讨论定价问题乍听起来有些多余，有人会说按照广告主自己的出价收取不就可以了吗？为了解释研究此问题的动机，我们先来看看下面的例子：假设有某个单位置（S=1）的广告机会在竞拍，开始有两个广告主参与，甲出价1元，乙出价2元，当然乙赢得了此次竞价，如果按照其出价来收费，市场就向他收取2元的费用。在广告市场里，这一拍卖机会还会重复出现（对应于不断产生的展示），因此广告主可以也存在调整出价的机会，假设乙在发现自己 2元钱能拿到流量以后，自然就会想到，是不是可以调低出价，用更低的成本拿到流量？乙将一直不断尝试，直到把出价调低到1.01元，发现继续调低就拿不到位置了。于是系统稳定在甲出价 1 元，乙出价 1.01 元。此时假设又有一个广告主丙加入竞争，并希望赢下此广告位，那么以此类推，他在不断调整后将会出价 1.02元，市场的收入也就是 1.02元。我们有可能通过调整定价策略来影响系统的总收益吗？答案是肯定的。比如我们在甲出1元，乙出 2 元参与竞价时，并不对获胜的乙收 2 元，而是收取其下一名即甲的出价 1 元，那么甲就没有动力调低其出价了。那么当丙加入时，就需要出价2元以上才可以赢得竞价，市场的收入也就变成了 2元（不论丙出价多少，我们都按其下一位即乙的出价来收费）。这个简单的例子告诉我们，在广告这样的参与者可以针对同一个标的物不断调整出价的拍卖环境中，通过聪明的定价策略完全可能为整个市场创造更高的收益和更好的市场稳定性。

从整个市场的角度来看，我们重点需要研究的是市场处于稳定状态下的收益和其他特性。而所谓稳定，指的是整个竞价系统处于纳什均衡（Nash equilibrium）状态，也即每个广告主都通过出价得到了最符合自己利益的位置。

在线广告竞价市场最常见的定价策略是 GSP方案；

在线广告竞价市场最常见的定价策略是 GSP方案；另外有一种 VCG（Vickrey-Clarke-Groves）定价策略，

1.广义第二高价（GSP）

第二高价，指的是在只有一个位置的拍卖中，向赢得该位置的广告主收取其下一位广告主的出价，

在搜索广告这种有多个位置的拍卖过程中，很容易直觉地将第二高价策略推广成下面的策略：对赢得每一个位置的广告主，都按照他下一位的广告位置出价来收取费用，这就是广义第二高价

2.VCG

基本思想是：对于赢得了某个位置的广告主，其所付出的成本应该等于他占据这个位置给其他市场参与者带来的价值损害。

市场保留价

为了控制广告的质量和保持一定的出售单价，竞价广告市场往往要设置一个赢得拍卖位置的最低价格，这一价格我们称为市场保留价（Market Reserve Price，MRP），俗称“起价”或“底价”。

当竞争较充分、广告主深度足够时，MRP可以设置得比较高；反之则应适当降低。

MRP，其基本原理都是根据竞价广告主的eCPM分布，找到一个使得填充率没有明显下降的CPM底价，然后再根据质量度倒算其CPC底价。

价格挤压

在 CPC 结算的广告产品中，eCPM 可以表示成点击率和出价的乘积，即 r=μ·ν=μ·bidCPC。但是在竞价的机制设计中，有时会对此公式做一些微调，把它变成下面的形式： 其中的κ为一个大于0的实数。可以考虑两种极端情况来理解κ的作用：当κ→∞时，相当于只根据点击率来排序而不考虑出价的作用；反之，当κ→0时，则相当于只根据出价来排序。因此，随着κ的增大，相当于我们在挤压出价在整个竞价体系中的作用，因此我们把这个因子叫做价格挤压（squashing）因子。

广告网络

广告网络的产品功能是批量聚合各媒体的剩余流量，按照人群或上下文标签的流量切割方式售卖给广告主。

广告网络产品策略

流程：分为检索、排序、定价等几个阶段。

1.广告检索

广告与搜索面对的文档其实不同，它往往是一个用布尔表达式表达的投放条件，而不是可以简单看成一个词的集合。

2.广告排序

与广告位较规整、点击率较高的搜索广告相比，广告网络中的CTR预测有两方面的困难。首先，点击数据更加稀疏，而且需要同时考虑上下文和用户量方面的信息，这使得各种新广告、新策略的冷启动问题非常突出。如何设计好一个合理可行的冷启动策略，对展示广告网络来说至关重要。其次，广告网络中由于广告位的差别巨大，点击率的变动范围很大，这使得稳健地估计点击率变得相对困难。

实际的广告网络有两种不同的业务方向，水平广告网络； 垂直广告网络。

产品案例：

【Google Display Network】

AdSense是Google进入展示广告领域的第一个广告产品

在AdSense之后，Google又于2008年收购了展示广告领域的巨头DoubleClick。

推出了GDN（Google Display Network）

GDN是世界上最大的展示广告网络，可以到达90%的互联网用户和超过200万的网站。

【淘宝客】

宝客的投放方式是淘宝客网站通过API拿到相关的广告，并自行决定在某个页面或对某种用户展示什么样的商品，这是一种联盟的方式。2012年12月21日，阿里巴巴宣布重启“阿里妈妈”品牌，放弃“淘宝联盟”。

第6章 程序化交易广告

有价值的数据来源

有哪些数据是对精准广告业务有直接贡献的呢？我们可以重点关注下面的几类。

1）用户标识。

2）用户行为。

转化（conversion）、预转化（pre-conversion）、搜索广告点击（sponsored search click）、展示广告点击（ad click）、搜索点击（search click）、搜索（search）、分享（share）、页面浏览（page view）、广告浏览（ad view）

按照对效果广告的有效性分类，这些行为可以分为决策行为、主动行为、半主动行为和被动行为。

决策行为主要包括转化和预转化。

例如在电商网站上，转化就对应着最后的下单，而预转化对应下单前的搜索、浏览、比价、加入购物车等多种准备工作。

主动行为主要包括广告点击、搜索和搜索点击。

半主动行为主要包括分享和网页浏览。

被动行为主要是指广告浏览。

3）人口属性。

4）地理位置。

5）社交关系。

广告的根本目的是“低成本地接触潜在用户”。

三方数据划分

广告中用到的用户数据，根据其来源的不同可以分为第一方数据、第二方数据和第三方数据。

第一方和第二方分别是指广告主和广告平台，而不直接参与广告交易的其他数据提供方统称为第三方。

以第一方数据为基础，用好第二方数据和第三方数据，是实时竞价时代重要的方法论。

第7章 移动互联与原生广告

移动广告的特点

移动广告究竟给我们带来了哪些新的机会呢？

（1）情境广告的可能性。

移动设备的特点是一直跟用户在一起，并且从地理位置、生活状态、需求意图等各方面都能对用户有深入的理解。因此，在移动环境下，受众定向完全有可能做到从情境和意图出发，而不是仅仅根据兴趣推送商品。

（2）大量潜在的本地化广告主。广告发展到今天，可以说没有任何主流的渠道可以帮助本地化小商家做推广。电视、路牌这种品牌性媒体自不必说，就是在线广告在PC时代往往也只能定位到城市级别，这样的地域定向对于一个小区的理发店来说显然是粒度太粗了。而在移动环境下，GPS、蜂窝、Wi-Fi等多种精确定位的手段使得基于精确地理位置的本地化广告变得可行。

表现原生VS意图原生

表现上的原生性需要媒体来控制广告展示形式。

意图上的原生性需要媒体明确提供广告需求。

进一步比较搜索广告和社交网络信息流广告，会发现前者的效果要远远好于后者。究其原因，是因为搜索广告的投放决策是基本完全按照内容结果的展示原则进行的，也就是说，我们在以投放内容的方式匹配广告。

第8章 在线广告产品实践

从广告和泛广告变现的角度来看，在互联网市场上主要有三种资产能够变成钱，分别是数据、流量和品牌属性。

第9章 计算广告技术概览

个性化系统与搜索系统的主要差别在于大量的用户特征的使用。由于需要对每一个用户进行刻画，这一过程需要用到大规模的分布式数据处理平台，如 Hadoop；另外，由于个性化特征的效果与其生成的实时性关系很大，为了尽可能实时地利用线上数据，我们还会用到流计算平台来加工短时的个性化特征。将离线的分布式计算平台和在线的流计算平台相结合已经成为这样的系统生成个性化特征的常用方案。

个性化系统框架

个性化系统由四个主体部分构成：用于实时响应请求，完成决策的在线投放（online serving）引擎；离线的分布式计算（distributed computing）数据处理平台；用于在线实时反馈的流计算（stream computing）平台；连接和转运以上三部分数据流的数据高速公路（data highway）。这几部分互相配合，完成个性化系统的数据挖掘和在线决策任务。

这几部分的协作流程是：在线投放系统的日志接入数据高速公路，再由数据高速公路快速转运到离线数据处理平台和在线流计算平台；离线数据处理平台周期性地以批处理方式加工过去一段时间的数据，得到人群标签和其他模型参数，存放在高速缓存中，供在线投放系统决策时使用；与此相对应，在线流计算平台则负责处理最近一小段时间的数据，得到准实时的用户标签和其他模型参数，也存放在高速缓存中，供在线投放系统决策时使用，这些是对离线处理结果的及时补充和调整。可以看出，整个系统形成了一个闭环的决策流程，而这个闭环在搭建完成后，基本依靠机器的运算来运转，人的作用只是进行策略上的调整和控制。

广告投放引擎

广告投放引擎主要有以下几个模块。

1）广告投放机（ad server）

2）广告检索（ad retrieval）

3）广告排序（ad ranking）

4）收益管理（yield management）

5）广告请求接口

6）定制化用户划分（customized audience segmentation）

离线数据处理

离线数据处理有两个输出目标：一是统计日志得到报表、dashboard 等，供决策人进行决策时作为参考；二是利用数据挖掘、机器学习技术进行受众定向、点击率预估、分配策略规划等，为在线的机器决策提供支持。

离线数据处理有下面几个主要模块。

1）用户会话日志生成。

2）行为定向（behaviorial targeting）。

3）上下文定向（contextual targeting）。

4）点击率建模（click modeling）。

5）分配规划（planning）。

6）商业智能（business intelligence，BI）系统。

7）广告管理系统。这部分是广告操作者，即客户执行（Account Execute，

在线数据处理

在线数据处理主要包括以下模块。

（1）在线反作弊（anti-spam）。

（2）计费（billing）。

（3）在线行为反馈，包括实时受众定向（real-time targeting）和实时点击反馈（realtime click feedback）等部分。

（4）实时索引（real-time indexing）。

第10章 基础知识准备

信息检索（Information Retrieval，IR）、最优化（Optimization）和机器学习（Machine Learning，ML）。

信息检索

搜索引擎信息检索的基本方法有倒排索引和向量空间模型。

倒排索引最基本的操作有两项：一是向索引中加入一个新文档，二是给定一个由多个关键词组成的查询时，返回对应的文档集合。

向量空间模型（Vector Space Model， VSM） 的核心有两点：文档的表示方法和相似度计算方法。

最优化

讨论的是在给定一个数学上明确表达的优化目标后，如何用系统性的方法和思路找到该目标的最优解。

机器学习

研究的是用数据或先验知识优化计算机算法的效果。

第12章 受众定向核心技术

受众定向技术是对广告（a）、用户（u）、上下文（c）这三个维度提取有意义的特征（这些特征也称为标签）的过程。

上下文定向需要对广告所在的页面进行分析，

行为定向是根据用户历史上的网络访问行为对用户打标签的过程。

《计算广告》读后感(六)：在线广告机制是什么样的

我的工作就是电子商务(在线广告)，看到此书很是兴奋，总结一下自己的体会：

什么是广告？很简单，就是一种手段，让潜在用户接触产品，将潜在用户转化为真正的用户。

为啥要投广告？当然是为了提升产品利润空间。要么大肆宣传品牌，提升长期购买率(就是品牌广告)；要么让有需求的人即时了解我们到产品，提升短期到购买率(就是效果广告)。

但，我们不能目光短浅地只顾着提高知名度或者只顾着眼前利益啊。比如群众总是想到肯德基就自然想到它的对手麦当劳，麦当劳可以宣传肯德基来达到对自己的品牌宣传，可它不会这么干。比如，感冒药厂商可以只对正在感冒的人宣传感冒药，可它也不会这么傻。

再说说互联网广告。

当年sina等门户网站还是巨头的时候，他们像传统的电视广告一样，以合同约定形式确定一个广告位在某段时间内由某个特定商家独占。

后来，sina发现向不同商家出售不同受众的广告位可以提高报价。比如，如果网民是男性，那我sina主页上挂一幅剃须刀的横幅广告，如果网民是女性，那我sina主页上挂一幅化妆品的横幅广告。让有需求的网民看到合适广告，网民购买率自然提高了，剃须刀和化妆品的商家都愿意出更高价来买这些精细定位的广告位。同时，还是按合约规定每展现一次广告，商家付一次广告费，规定时间内sina必须完成广告的展示次数，否则就要赔钱补偿。

按不同人群划分流量，售卖给出价高的商家，会导致有些商家分得的流量很少，但商家广告的展现量却要求达到合同里约定的量，从而不能让商家充分竞争。要是能按价格竞争就好了。

百度搜索这个时候出现了，它针对网民的搜索词罗列出相关的网页，顺便把相关的产品网页(广告)也罗列出来。谁出价高，谁的产品网页就排在前面。网民点了广告后才收商家广告费，不点不要钱。

但是，这种粗暴的竞价模式不是最优的赚钱策略。如果商家出高价就能得到广告位乱出广告，很影响网民的体验，谁都不喜欢在百度上搜出一堆不相干的垃圾广告。百度搜索结果体验因为乱出广告而变差，则网民弃用，则越来越少的人看到广告，则商家也不愿意投广告，商家数量变少，就缺乏竞争，广告收入也变少。后来，还产生了一种GSP模式。而且也由只靠竞价拍卖广告位改为价格和广告质量两种因素作用。

后来，出现了广告网络ad network，一方面从网络媒体买资源广告位流量，一方面买广告位给商家出广告，让合适的广告出在合适的广告位上，

《计算广告》读后感(七)：非常值得一看的一本书

广告——广而告之，即将信息进行广泛的传递。

商业广告从诉求角度可以简单分为两类：

长期诉求（品牌广告）：注重长期收益，品牌曝光，而不刻意要求单次广告的转化率和收益。因此多数为大品牌在大平台的广告投放，力求覆盖更多的用户基数。以展示量、或预估量衡量计费。

短期诉求（效果广告）：注重短期收益，要求即刻转化、成交。其核心在于投放群体的精准性，因此将领域和投放群体细分成无数个关键词和标签进行匹配，从而也大大的降低投放成本。以单次点击、单次行动衡量计费。

从上述诉求不难看出，越是小个体、小商家对广告有效性的要求越高，他们需要一个：用极少的钱投放，就能精准的影响目标群体，而且可以即刻成交。

这需要将广告主、平台方和用户的三方利益博弈做到最极致的均衡状态。

目前全国有7000万家小微商家，尚未有一个低门槛、精准、有效的广告投放平台满足其需求，虽然我也不确信我们就一定能做到，但我们怀有这个使命：

红信——让再小的个体，都能发出有影响力的声音！

《计算广告》读后感(八)：本书比较技术化，随便整理了一些

出资人、媒体和受众这三者的利益博弈关系是广告活动永远的主线。 ? 按广告目的分：品牌广告、效果广告 ? 在线广告创意类型： 横幅广告、文字链广告、富媒体广告、视频广告、社交广告、移动广告、邮件定向营销广告 ?在线广告分类： 合约广告产品：按展示量付费，门户网站、视频网站常见 竞价广告产品：搜索广告 程序化交易广告产品 原生广告产品 ? 广告的演进： 合约广告— 竞价广告— 程序化交易广告 ?SSP供应方平台 DSP广告主在操作投放广告的平台，与SSP是一对多关系 ? 媒体角度的变现方式： （1）可以将广告位托管给广告网络，由广告网络决策广告投放，从赚取分成，如图6-12中的“媒体1” （2）可以将广告位对接到广告交易平台，以实时竞价的方式变现，如图6-12中的“媒体2”。 （3）也可以将广告位托管给SSP，这样可以同时对接多个广告网络和 PMP接口，并按照动态分配的逻辑选择变现最高的需求方。

从需求端来看，无论是广告主还是代理公司，主要通过两类产品来采买流量：一是面向实时竞价的 DSP产品，二是面向非实时竞价的 ATD产品。 ? 原生广告 信息流广告、搜索广告、软文、联盟

《计算广告》读后感(九)：计算广告行业深耕读物

非从业人员听到“计算广告学”这个词汇时，兴许会觉得陌生甚至心存疑惑。但实质上它却与大家的日常生活息息相关。你用的搜索、刷的微博或朋友圈、看的网上视频，其间的广告便有搜索广告、Feed 流广告、品牌广告很好的例证。而且当今如此多的免费服务，也有不少人困惑：到底最后是由谁埋单的呢？刘鹏老师《计算广告》这本书便很好地回答了这个问题。

此书不仅从商业逻辑上对计算广告作了详尽地解读，对计算广告的产品及相应技术也作了提纲挈领地介绍。继斯坦福大学《计算广告学导论》后，在国内如此系统而全面地介绍计算广告学，此书首屈一指。本书的结构组织，除了可以让从业技术人员顺藤摸瓜深入地探究计算广告的技术与算法，也能带给非技术人员更多关于流量变现及数据变现的思考。

天下熙攘，利来利往。广告中参与的三方（投放广告的广告主Sponsor、看到广告的用户Audience、展现广告的媒体平台Medium）都有原始动力关注自己一方的利益，亦即广告主的投资回报率、用户的体验、媒体的收益。而新美大，则承担着平衡并优化这三方利益的重责。如何设计更好的机制，让整个平台更良性地发展，也是广告平台很多人一直在思考的问题。而对O2O 领军的新美大来说，让计算广告应用于这个行业，也势必会遇到前人始料未及的种种问题与挑战。譬如，移动互联网的发展，给移动广告带来了巨大的机会，却也给新美大的广告带来莫大的挑战。因为多数人是就近消费，本身以用户地理位置进行广告投放已经是很精准的用户定向了。但这本身也会导致竞价队列过短，从而让广告主在竞价上失去动力。

此书提及或阐述的很多相关技术如信息检索、广告索引、机器学习、最优化方法、受众定向、计价算法、点击率预估、探索与利用、创意优化等，堪称全面。细节处，虽然三言两语蜻蜓点水，列出的经验也让我受益颇丰。个中精妙，值得意欲在计算广告行业深耕的人把灯夜读去领悟。

原文出处： 计算广告行业深耕读物

请用微信扫添加公众号