在线广告【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

在线广告PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 在线广告发展简史1

1.1 在线广告发展简介2

1.1.1 中国古代的广告2

1.1.2 在线广告的诞生3

1.1.3 搜索广告的诞生和发展4

1.1.4 社交和视频类广告6

1.1.5 Ad Network的诞生6

1.1.6 Ad Exchange和TradingDesk7

1.2 移动广告的发展8

1.3 搜索广告和定价模式11

1.4 社交媒体广告15

1.5 视频广告17

1.6 在线广告优势19

1.7 在线广告规模21

参考文献21

第2章 广告样式与创意25

2.1 主流广告样式26

2.1.1 PC端广告样式26

2.1.2 移动端广告样式27

2.2 技术驱动营销31

2.3 广告样式发展趋势32

2.4 程序化创意34

2.4.1 程序化创意的缘由34

2.4.2 程序化创意35

2.5 动态创意优化37

参考文献39

第3章 广告系统架构流程41

3.1 投放引擎架构流程42

3.1.1 广告投放引擎架构42

3.1.2 客户系统43

3.1.3 内部管理平台44

3.1.4 基础架构及相关模块45

3.1.5 广告投放引擎内部模块46

3.1.6 工具和测试平台48

3.2 收入分解48

3.3 程序化广告技术生态50

3.4 Ad Network52

3.4.1 工作流程52

3.4.2 分类53

3.4.3 定向方式54

3.4.4 优势54

3.4.5 移动广告网络55

3.5 Ad Exchange56

3.5.1 产生背景56

3.5.2 工作流程57

3.5.3 与Ad Network的不同58

3.5.4 国内Ad Exchange的发展58

3.6 程序化售卖方式58

3.7 其他机制61

3.7.1 匿名设置61

3.7.2 Reserve Price61

3.7.3 Pre－Targeting63

参考文献64

第4章 品牌广告65

4.1 品牌推广的意义66

4.2 品牌广告简介67

4.2.1 品牌广告67

4.2.2 品牌广告常见形式68

4.2.3 计费和购买方式70

4.2.4 样式和创意70

4.3 品牌广告的有效性71

4.4 品牌广告效果评估指标73

4.5 Benchmark75

参考文献77

第5章 搜索类广告81

5.1 搜索广告简介82

5.1.1 搜索广告的模式83

5.1.2 广告投放及相关问题83

5.1.3 搜索广告的优势84

5.2 常见产品形态85

5.2.1 综合搜索85

5.2.2 定制类搜索86

5.2.3 图片类搜索87

5.2.4 内容定向87

5.2.5 电商类搜索88

5.2.6 应用商店搜索89

5.2.7 其他89

5.3 系统架构和重要模块89

5.3.1 广告架构90

5.3.2 广告账户组织结构90

5.3.3 广告检索流程91

5.3.4 预算控制94

5.3.5 在线匹配95

5.3.6 机制设计96

5.3.7 计费流程96

5.3.8 准入97

5.4 主流竞价机制98

5.4.1 GFP机制98

5.4.2 GSP机制99

5.4.3 VCG机制100

5.5 搜索生态100

5.6 GSP优化101

5.6.1 Weighted GSP102

5.6.2 Squashing102

5.6.3 UWR103

5.6.4 QWR103

5.6.5 Anchoring104

5.6.6 模型对比104

5.6.7 Hidden Cost105

5.7 长尾查询105

5.8 市场规模107

参考文献107

第6章 社交类广告109

6.1 社交媒体110

6.1.1 社交网络国度110

6.1.2 社交网络的特点111

6.1.3 常见的社交应用111

6.1.4 社交网络影响购买行为112

6.2 社交广告112

6.2.1 常见广告类型112

6.2.2 定向方式113

6.3 基于社交关系的算法114

6.3.1 社交内容推荐算法114

6.3.2 社区分割算法115

6.3.3 社交内容扩散算法117

6.4 社交网络营销119

参考文献120

第7章 视频类广告123

7.1 视频广告简介124

7.1.1 常见的广告类型124

7.1.2 售卖方式125

7.1.3 广告时长126

7.2 视频广告生态和投放流程127

7.2.1 视频广告生态127

7.2.2 广告投放流程128

7.3 流量预估131

7.3.1 优化目标131

7.3.2 模型特征131

7.3.3 特征平滑处理132

7.3.4 流量预估函数133

7.3.5 模型评估方法134

7.4 库存分配问题134

7.5 库存分配算法138

7.5.1 HWM139

7.5.2 优化调整140

7.5.3 反馈机制141

7.5.4 SHALE142

7.6 Pacing144

7.7 市场规模146

参考文献146

第8章 用户数据和定向算法149

8.1 用户识别150

8.1.1 Cookie150

8.1.2 Cookie Matching150

8.1.3 移动端用户识别152

8.1.4 跨屏识别154

8.2 用户画像154

8.3 定向方式157

8.4 经营状况评估和优化158

8.4.1 评估指标158

8.4.2 CLV优化159

8.4.3 客户关系管理和使用161

8.5 Lookalike162

8.5.1 特征提取和建模162

8.5.2 扩展方式163

8.5.3 最近邻选择164

8.5.4 离线扩展流程165

8.5.5 node2vec165

8.5.6 实战167

8.6 竞价环境预估168

8.7 超级用户173

参考文献173

第9章 点击率预估与推荐算法175

9.1 点击率预估简介176

9.2 点击率预估特征177

9.2.1 相同竞价词下其他订单的特征177

9.2.2 相关竞价词的CTR178

9.2.3 广告质量相关特征178

9.2.4 订单竞价词相关特征179

9.2.5 外部相关特征179

9.2.6 特征预处理179

9.3 预估模型180

9.3.1 基础模型180

9.3.2 L2－TreeBoost＋LR模型181

9.3.3 回归树182

9.3.4 Gradient Boosting183

9.3.5 L2－TreeBoost184

9.3.6 特征组合185

9.3.7 Freshness186

9.3.8 数据采样186

9.4 模型评估方法186

9.4.1 KL离散算法186

9.4.2 AUC187

9.4.3 NE188

9.5 Bandit189

9.5.1 Bandit问题189

9.5.2 ε－Greedy方法190

9.5.3 Thompson Sampling190

9.5.4 UCB192

9.5.5 LinUCB193

9.6 在线学习方法194

9.6.1 梯度下降方法195

9.6.2 BGD195

9.6.3 SGD196

9.6.4 MBGD196

9.6.5 简单截断法198

9.6.6 截断梯度法198

9.6.7 FOBOS198

9.6.8 RDA200

9.6.9 L1－FOBOS和L1－RDA的对比201

9.6.10 FTRL202

9.7 推荐算法203

9.8 基于协同过滤的推荐204

9.8.1 基于用户的协同过滤算法204

9.8.2 基于物品的协同过滤算法206

9.8.3 其他相似度计算方法206

9.8.4 应用207

9.9 基于矩阵分解的推荐207

9.9.1 矩阵分解207

9.9.2 正则化209

9.9.3 隐性特征209

9.10 基于深度学习的推荐210

9.10.1 推荐流程210

9.10.2 排序212

9.11 广告排序性能优化212

参考文献213

第10章 在线匹配215

10.1 图论基础知识216

10.2 在线匹配类型221

10.3 在线二部图匹配223

10.3.1 Greedy算法224

10.3.2 Random算法225

10.3.3 Ranking算法225

10.4 加权的在线二部图匹配227

10.5 Adwords229

10.5.1 Greedy算法229

10.5.2 Balance算法与Greedy算法对比230

10.5.3 MSVV算法231

10.5.4 一般情况的证明233

10.6 基于原始对偶的匹配234

10.6.1 原始对偶问题234

10.6.2 互补松弛性236

10.6.3 Greedy算法实现237

10.6.4 更优算法239

10.7 现实系统中的匹配算法240

参考文献241

第11章 机制设计243

11.1 机制设计概述244

11.2 经典案例245

11.2.1 囚徒困境245

11.2.2 二难问题246

11.2.3 无怨算法246

11.2.4 TureView广告246

11.2.5 策略性投票247

11.3 激励兼容247

11.3.1 投票悖论247

11.3.2 阿罗不可能定理248

11.4 引入金钱的机制249

11.4.1 拍卖机制250

11.4.2 VCG机制251

11.5 激励兼容的特性251

11.6 贝叶斯纳什均衡253

11.7 竞价机制分析255

11.7.1 临界条件分析255

11.7.2 VCG机制255

11.7.3 Simplest GSP机制256

11.7.4 Weighted GSP机制257

11.8 拥挤控制257

参考文献261

第12章 低质量和敏感控制263

12.1 作弊背景264

12.1.1 作弊参与者264

12.1.2 作弊动机265

12.2 广告作弊方法265

12.2.1 单机作弊266

12.2.2 黑客作弊266

12.2.3 有组织的网络作弊266

12.2.4 有组织的人工作弊267

12.2.5 基于大流量平台的作弊267

12.3 广告反作弊267

12.3.1 反作弊架构267

12.3.2 反作弊算法分类268

12.4 广告质量269

12.5 数据安全270

参考文献272

第13章 实验架构和调参273

13.1 A/B testing274

13.2 分层实验275

13.2.1 分层实验方案276

13.2.2 实验平台277

13.3 实验设计和分析277

13.3.1 置信度278

13.3.2 置信区间278

13.3.3 最少样本数279

13.3.4 逐步放量280

13.3.5 50％vs50％280

13.3.6 其他因素280

13.3.7 对比实验局限281

13.3.8 参数化281

13.4 自动化调参282

参考文献286

第14章 数据监测和效果衡量289

14.1 第三方监测290

14.2 效果跟踪291

14.2.1 归因模型292

14.2.2 增效测试293

参考文献294

第15章 在线广告的发展趋势295

15.1 网络带来的变化296

15.2 未来发展趋势297

15.2.1 流量入口297

15.2.2 需求和市场298

附录A 单词表299