計算廣告：互聯(lián)網(wǎng)商業(yè)變現(xiàn)的市場與技術（第2版 全彩精裝版）

目錄
第 一部分　在線廣告市場與背景
第 1章　在線廣告綜述　　3
1．1　免費模式與互聯(lián)網(wǎng)核心資產(chǎn)　　4
1．2　大數(shù)據(jù)與廣告的關系　　5
1．3　廣告的定義與目的　　7
1．4　在線廣告表現(xiàn)形式　　9
1．5　在線廣告簡史　　15
第 2章　計算廣告基礎　　20
2．1　廣告有效性原理　　21
2．2　互聯(lián)網(wǎng)廣告的技術特點　　23
2．3　計算廣告的核心問題　　24
2．3．1　廣告收入的分解　　25
2．3．2　結算方式與eCPM估計的關系　　26
2．4　在線廣告相關行業(yè)協(xié)會　　29
2．4．1　交互廣告局　　29
2．4．2　美國廣告代理協(xié)會　　30
2．4．3　美國國家廣告商協(xié)會　　30
第二部分　在線廣告產(chǎn)品邏輯
第3章　在線廣告產(chǎn)品概覽　　33
3．1　商業(yè)產(chǎn)品的設計原則　　34
3．2　廣告系統(tǒng)的產(chǎn)品接口　　35
3．2．1　廣告主層級組織與投放管理　　35
3．2．2　供給方管理接口　　38
3．2．3　供需之間多種接口形式　　39
第4章　合約廣告　　41
4．1　廣告位合約　　42
4．2　受眾定向　　43
4．2．1　受眾定向方法概覽　　43
4．2．2　受眾定向標簽體系　　46
4．2．3　標簽體系的設計思路　　47
4．3　展示量合約　　48
4．3．1　流量預測　　49
4．3．2　流量塑形　　50
4．3．3　在線分配　　50
4．3．4　產(chǎn)品案例　　51
第5章　搜索廣告與競價廣告　　53
5．1　搜索廣告　　54
5．1．1　搜索廣告產(chǎn)品形態(tài)　　55
5．1．2　搜索廣告產(chǎn)品新形式　　57
5．1．3　搜索廣告產(chǎn)品策略　　60
5．1．4　產(chǎn)品案例　　62
5．2　位置拍賣與機制設計　　64
5．2．1　市場保留價　　65
5．2．2　定價問題　　66
5．2．3　價格擠壓　　68
5．2．4　Myerson最優(yōu)拍賣　　69
5．2．5　定價結果示例　　69
5．3　競價廣告網(wǎng)絡　　70
5．3．1　廣告網(wǎng)絡產(chǎn)品形態(tài)　　71
5．3．2　廣告網(wǎng)絡產(chǎn)品策略　　72
5．3．3　產(chǎn)品案例　　73
5．4　競價廣告需求方產(chǎn)品　　74
5．4．1　搜索引擎營銷　　74
5．4．2　交易終端　　75
5．4．3　產(chǎn)品案例　　75
5．5　競價廣告與合約廣告的比較　　77
第6章　程序化交易廣告　　78
6．1　實時競價　　79
6．2　其他程序化交易方式　　82
6．2．1　優(yōu)選　　82
6．2．2　私有市場　　83
6．2．3　程序化直投　　84
6．2．4　廣告交易方式譜系　　84
6．3　廣告交易平臺　　85
6．4　需求方平臺　　87
6．4．1　需求方平臺產(chǎn)品策略　　87
6．4．2　出價策略　　88
6．4．3　出價和定價過程　　89
6．4．4　重定向　　89
6．4．5　新客推薦　　91
6．4．6　產(chǎn)品案例　　92
6．5　供給方平臺　　94
6．5．1　供給方平臺產(chǎn)品策略　　94
6．5．2　Header Bidding　　95
6．5．3　產(chǎn)品案例　　96
第7章　數(shù)據(jù)加工與交易　　99
7．1　有價值的數(shù)據(jù)來源　　100
7．2　數(shù)據(jù)管理平臺　　102
7．2．1　三方數(shù)據(jù)劃分　　102
7．2．2　第 一方數(shù)據(jù)管理平臺　　102
7．2．3　第三方數(shù)據(jù)管理平臺　　103
7．2．4　產(chǎn)品案例　　104
7．3　數(shù)據(jù)交易的基本過程　　107
7．4　隱私保護和數(shù)據(jù)安全　　109
7．4．1　隱私保護問題　　109
7．4．2　程序化交易中的數(shù)據(jù)安全　　111
7．4．3　歐盟的通用數(shù)據(jù)保護條例　　113
第8章　信息流與原生廣告　　115
8．1　移動廣告的現(xiàn)狀與挑戰(zhàn)　　116
8．1．1　移動廣告的特點　　117
8．1．2　移動廣告的傳統(tǒng)創(chuàng)意形式　　117
8．1．3　移動廣告的挑戰(zhàn)　　119
8．2　信息流廣告　　121
8．2．1　信息流廣告的定義　　121
8．2．2　信息流廣告產(chǎn)品關鍵　　123
8．3　其他原生廣告相關產(chǎn)品　　124
8．3．1　搜索廣告　　125
8．3．2　軟文廣告　　125
8．3．3　聯(lián)盟　　125
8．4　原生廣告平臺　　126
8．4．1　表現(xiàn)原生與場景原生　　126
8．4．2　場景的感知與應用　　127
8．4．3　植入式原生廣告　　128
8．4．4　產(chǎn)品案例　　130
8．5　原生廣告與程序化交易　　134
第三部分　計算廣告關鍵技術
第9章　計算廣告技術概覽　　137
9．1　個性化系統(tǒng)框架　　138
9．2　各類廣告系統(tǒng)優(yōu)化目標　　139
9．3　計算廣告系統(tǒng)架構　　140
9．3．1　廣告投放引擎　　142
9．3．2　數(shù)據(jù)高速公路　　143
9．3．3　離線數(shù)據(jù)處理　　143
9．3．4　在線數(shù)據(jù)處理　　144
9．4　計算廣告系統(tǒng)主要技術　　144
9．5　用開源工具搭建計算廣告系統(tǒng)　　146
9．5．1　Web服務器Nginx　　146
9．5．2　分布式配置和集群管理工具ZooKeeper　　148
9．5．3　全文檢索引擎Lucene　　148
9．5．4　跨語言通信接口Thrift　　149
9．5．5　數(shù)據(jù)高速公路Flume　　150
9．5．6　分布式數(shù)據(jù)處理平臺Hadoop　　150
9．5．7　特征在線緩存Redis　　151
9．5．8　流計算平臺Storm　　152
9．5．9　高效的迭代計算框架Spark　　152
第 10章　基礎知識準備　　154
10．1　信息檢索　　155
10．1．1　倒排索引　　155
10．1．2　向量空間模型　　157
10．2　最優(yōu)化方法　　158
10．2．1　拉格朗日法與凸優(yōu)化　　159
10．2．2　下降單純形法　　160
10．2．3　梯度下降法　　160
10．2．4　擬牛頓法　　162
10．3　統(tǒng)計機器學習　　167
10．3．1　最大熵與指數(shù)族分布　　168
10．3．2　混合模型和EM算法　　169
10．3．3　貝葉斯學習　　171
10．4　統(tǒng)計模型分布式優(yōu)化框架 　　174
10．5　深度學習　　175
10．5．1　深度神經(jīng)網(wǎng)絡優(yōu)化方法　　176
10．5．2　卷積神經(jīng)網(wǎng)絡（CNN）　　177
10．5．3　遞歸神經(jīng)網(wǎng)絡（RNN）　　178
10．5．4　生成對抗網(wǎng)絡（GAN）　　180
第 11章　合約廣告核心技術　　181
11．1　廣告排期系統(tǒng)　　182
11．2　擔保式投送系統(tǒng)　　183
11．2．1　流量預測　　185
11．2．2　頻次控制　　186
11．3　在線分配　　188
11．3．1　在線分配問題　　188
11．3．2　在線分配問題舉例　　190
11．3．3　極限性能研究　　192
11．3．4　實用優(yōu)化算法　　193
第 12章　受眾定向核心技術　　201
12．1　受眾定向技術分類　　202
12．2　上下文定向　　203
12．3　文本主題挖掘　　205
12．3．1　LSA模型　　206
12．3．2　PLSI模型　　206
12．3．3　LDA模型　　207
12．3．4　詞嵌入word2vec　　208
12．4　行為定向　　209
12．4．1　行為定向建模問題　　210
12．4．2　行為定向特征生成　　211
12．4．3　行為定向決策過程　　214
12．4．4　行為定向的評測　　215
12．5　人口屬性預測　　217
12．6　數(shù)據(jù)管理平臺　　218
第 13章　競價廣告核心技術　　220
13．1　競價廣告計價算法　　220
13．2　搜索廣告系統(tǒng)　　222
13．2．1　查詢擴展　　223
13．2．2　廣告放置　　226
13．3　廣告網(wǎng)絡　　227
13．4　廣告檢索　　229
13．4．1　布爾表達式的檢索　　230
13．4．2　相關性檢索　　234
13．4．3　基于DNN的語義建?！　?38
13．4．4　最近鄰語義檢索　　241
第 14章　點擊率預測模型　　247
14．1　點擊率預測　　248
14．1．1　點擊率基本模型　　248
14．1．2　LR模型優(yōu)化算法　　249
14．1．3　點擊率模型的校正　　256
14．1．4　點擊率模型的特征　　257
14．1．5　點擊率模型評測　　262
14．1．6　智能頻次控制　　264
14．2　其他點擊率模型　　264
14．2．1　因子分解機　　264
14．2．2　GBDT　　265
14．2．3　深度學習點擊率模型　　267
14．3　探索與利用　　268
14．3．1　強化學習與E&E　　268
14．3．2　UCB方法　　270
14．3．3　考慮上下文的 bandit　　271
第 15章　程序化交易核心技術　　272
15．1　廣告交易平臺　　273
15．1．1　cookie 映射　　273
15．1．2　詢價優(yōu)化　　277
15．2　需求方平臺　　278
15．2．1　定制化用戶標簽　　280
15．2．2　DSP中的點擊率預測　　282
15．2．3　點擊價值估計　　283
15．2．4　出價策略　　284
15．3　供給方平臺　　284
第 16章　其他廣告相關技術　　286
16．1　創(chuàng)意優(yōu)化　　287
16．1．1　程序化創(chuàng)意　　287
16．1．2　點擊熱力圖　　288
16．1．3　創(chuàng)意的發(fā)展趨勢　　289
16．2　實驗框架　　291
16．3　廣告監(jiān)測與歸因　　292
16．3．1　廣告監(jiān)測　　292
16．3．2　廣告安全　　294
16．3．3　廣告效果歸因　　295
16．4　作弊與反作弊　　296
16．4．1　作弊的方法分類　　296
16．4．2　常見的作弊方法 　　297
16．5　產(chǎn)品技術選型實戰(zhàn)　　301
16．5．1　媒體實戰(zhàn)　　302
16．5．2　廣告主實戰(zhàn)　　304
16．5．3　數(shù)據(jù)提供方實戰(zhàn)　　306
附錄　主要術語及縮寫索引　　309
參考文獻　　315