计算广告：互联网商业变现的市场与技术
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 大数据与广告的关系 4
1.2 广告的定义与目的 5
1.3 在线广告创意类型 8
1.4 在线广告简史. 11
1.5 泛广告商业产品. 16
1.6 延伸思考 18
第2 章计算广告基础. 19
2.1 广告有效性原理. 20
查看完整
第1 章在线广告综述 3
1.1 大数据与广告的关系 4
1.2 广告的定义与目的 5
1.3 在线广告创意类型 8
1.4 在线广告简史. 11
1.5 泛广告商业产品. 16
1.6 延伸思考 18
第2 章计算广告基础. 19
2.1 广告有效性原理. 20
查看完整
刘鹏（@北冥乘海生），现任奇虎360高级总监、商业产品首席架构师，负责360的变现产品及工程。刘鹏在清华大学获得博士学位后，加入微软亚洲研究院，从事人工智能领域的研究，后曾参与创建雅虎北京研究院，出任高级科学家。刘鹏还曾经担任MediaV首席科学家等职。
刘鹏一直致力于计算广告和数据变现产品技术的普及工作，他讲授的《计算广告学》在网易云课堂和师徒网共有12000多名学生参与，已经成为业界相关公司进行相关培训的基础教程之一。此课还作为北京大学计算机系、北京航空航天软件学院的研究生课程和清华大学公开课讲授。
王超（@德川），于北京大学获得硕士学位后，曾就职于百度、微博、搜狐集团的广告变现部门，现任汽车之家广告算法经理。王超多年来专注于计算广告中机器学习算法的研究和实践，曾参加Criteo举办的广告CTR预估比赛，在718个参赛队中排名第7，同时是开源模型xgboost的代码贡献者。
刘鹏一直致力于计算广告和数据变现产品技术的普及工作，他讲授的《计算广告学》在网易云课堂和师徒网共有12000多名学生参与，已经成为业界相关公司进行相关培训的基础教程之一。此课还作为北京大学计算机系、北京航空航天软件学院的研究生课程和清华大学公开课讲授。
王超（@德川），于北京大学获得硕士学位后，曾就职于百度、微博、搜狐集团的广告变现部门，现任汽车之家广告算法经理。王超多年来专注于计算广告中机器学习算法的研究和实践，曾参加Criteo举办的广告CTR预估比赛，在718个参赛队中排名第7，同时是开源模型xgboost的代码贡献者。
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具体技术的深入剖析。
《计算广告：互联网商业变现的市场与技术》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。
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《计算广告：互联网商业变现的市场与技术》中受益匪浅。
《计算广告：互联网商业变现的市场与技术》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。
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《计算广告：互联网商业变现的市场与技术》中受益匪浅。
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 大数据与广告的关系 4
1.2 广告的定义与目的 5
1.3 在线广告创意类型 8
1.4 在线广告简史. 11
1.5 泛广告商业产品. 16
1.6 延伸思考 18
第2 章计算广告基础. 19
2.1 广告有效性原理. 20
2.2 互联网广告的技术特点 22
2.3 计算广告的核心问题. 23
2.3.1 广告收入的分解 24
2.3.2 结算方式与eCPM估计的关系. 25
2.4 在线广告相关行业协会 27
2.4.1 交互广告局. 28
2.4.2 美国广告代理协会 28
2.4.3 美国国家广告商协会. 29
2.5 延伸思考 29
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 需求方层级组织与接口 35
3.3 供给方管理接口. 38
3.4 延伸思考 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
4.3 展示量合约 47
4.3.1 流量预测. 48
4.3.2 流量塑形. 48
4.3.3 在线分配. 49
4.3.4 产品案例. 50
4.4 延伸思考 51
第5 章搜索与竞价广告. 53
5.1 搜索广告 54
5.1.1 搜索广告产品形态 55
5.1.2 搜索广告产品新形式. 57
5.1.3 搜索广告产品策略 59
5.1.4 产品案例. 61
5.2 位置拍卖与机制设计. 64
5.2.1 定价问题. 64
5.2.2 市场保留价. 67
5.2.3 价格挤压. 68
5.2.4 定价结果示例 68
5.3 广告网络 69
5.3.1 广告网络产品形态 69
5.3.2 广告网络产品策略 71
5.3.3 产品案例. 72
5.4 竞价广告需求方产品. 73
5.4.1 搜索引擎营销 73
5.4.2 媒体购买平台 74
5.4.3 产品案例. 74
5.5 竞价广告与合约广告的比较 76
5.6 延伸思考 77
第6 章程序化交易广告. 79
6.1 实时竞价 80
6.2 其他程序化交易方式. 83
6.2.1 优选. 83
6.2.2 私有市场. 84
6.2.3 广告交易方式谱系 85
6.3 广告交易平台. 86
6.4 需求方平台 88
6.4.1 需求方平台产品策略. 89
6.4.2 出价策略. 89
6.4.3 重定向. 90
6.4.4 新客推荐. 92
6.4.5 产品案例. 93
6.5 供给方平台 95
6.5.1 供给方平台产品策略. 95
6.5.2 产品案例. 96
6.6 数据加工与交易. 97
6.6.1 有价值的数据来源 98
6.6.2 三方数据划分. 100
6.6.3 数据管理平台. 100
6.6.4 数据交易平台. 101
6.6.5 产品案例 101
6.7 在线广告产品交互关系. 104
6.8 延伸思考. 106
第7 章移动互联与原生广告. 107
7.1 原生广告相关产品 108
7.1.1 信息流广告. 108
7.1.2 搜索广告 109
7.1.3 软文广告 109
7.1.4 联盟 109
7.2 移动广告的现状与挑战. 110
7.2.1 移动广告的特点. 110
7.2.2 移动广告的创意形式 111
7.2.3 移动广告的挑战. 112
7.3 原生广告平台 114
7.3.1 表现原生与意图原生 114
7.3.2 植入式原生广告. 115
7.3.3 产品案例 117
7.4 原生广告与程序化交易. 119
7.5 延伸思考. 119
第8 章在线广告产品实践. 121
8.1 媒体实战. 121
8.1.1 变现方式和产品决策 122
8.1.2 数据支持方案决策. 123
8.2 广告主实战 124
8.3 数据提供方实战 126
8.4 延伸思考. 127
第三部分计算广告关键技术
第9 章计算广告技术概览. 131
9.1 个性化系统框架 132
9.2 各类广告系统优化目标. 133
9.3 计算广告系统架构 134
9.3.1 广告投放引擎. 134
9.3.2 数据高速公路. 136
9.3.3 离线数据处理. 137
9.3.4 在线数据处理. 138
9.4 计算广告系统主要技术. 138
9.5 用开源工具搭建计算广告系统 140
9.5.1Web服务器Nginx 140
9.5.2分布式配置和集群管理工具ZooKeeper 142
9.5.3全文检索引擎Lucene. 142
9.5.4跨语言通信接口Thrift 143
9.5.5数据高速公路Flume 144
9.5.6分布式数据处理平台Hadoop 144
9.5.7特征在线缓存Redis. 145
9.5.8流计算平台Storm. 146
9.5.9高效的迭代计算框架Spark 146
9.6 延伸思考. 147
第10章基础知识准备 149
10.1 信息检索 149
10.1.1 倒排索引 150
10.1.2 向量空间模型. 152
10.2 最优化方法. 153
10.2.1 拉格朗日法与凸优化 154
10.2.2 下降单纯形法. 155
10.2.3 梯度下降法. 155
10.2.4 拟牛顿法 156
10.2.5 Trust-Region 法. 160
10.3 统计机器学习. 162
10.3.1 最大熵与指数族分布 162
10.3.2混合模型和EM算法 164
10.3.3 贝叶斯学习. 165
10.4 统计模型分布式优化框架 169
第11章合约广告核心技术 171
11.1 广告排期系统. 171
11.2 担保式投送系统. 173
11.2.1 流量预测 175
11.2.2 频次控制 176
11.3 在线分配 178
11.3.1 在线分配问题. 178
11.3.2 在线分配问题举例. 181
11.3.3 极限性能研究. 182
11.3.4 实用优化算法. 183
11.4 延伸思考 192
第12章受众定向核心技术 193
12.1 受众定向技术分类. 194
12.2 上下文定向. 195
12.2.1 半在线抓取系统. 196
12.2.2 文本主题挖掘. 197
12.3 行为定向 201
12.3.1 行为定向建模问题. 201
12.3.2 行为定向特征生成. 202
12.3.3 行为定向决策过程. 206
12.3.4 行为定向的评测. 206
12.4 人口属性预测. 209
12.5 数据管理平台. 210
12.6 延伸思考 210
第13章竞价广告核心技术 213
13.1 竞价广告计价算法. 214
13.2 搜索广告系统. 216
13.2.1 查询扩展 216
13.2.2 广告放置 219
13.3 广告网络 220
13.4 广告检索 223
13.4.1 布尔表达式的检索. 223
13.4.2 相关性检索. 227
13.5 点击率预测. 231
13.5.1 点击率预测模型. 232
13.5.2 优化算法 233
13.5.3 点击率模型的校正. 244
13.5.4 点击率模型的特征. 244
13.5.5 点击率模型评测. 249
13.5.6 智能频次控制. 251
13.6 探索与利用. 251
13.6.1 UCB 方法. 252
13.6.2考虑上下文的bandit 253
13.7 延伸思考 254
第14章程序化交易核心技术 255
14.1 广告交易平台. 255
14.1.1cookie映射. 256
14.1.2 询价优化 259
14.2 需求方平台. 261
14.2.1 定制化用户标签. 263
14.2.2 DSP 中的点击率预测 264
14.2.3 点击价值估计. 266
14.2.4 出价策略 267
14.3 供给方平台. 267
14.4 延伸思考 268
第15章其他广告相关技术 269
15.1 创意优化 270
15.1.1 程序化创意. 270
15.1.2 点击热力图. 271
15.2 实验框架 272
15.3 流量保护和效果监测 273
15.3.1 反作弊 273
15.3.2 广告监测 276
15.3.3 广告安全 277
15.4 隐私保护和数据安全 278
15.4.1 隐私保护问题. 278
15.4.2 程序化交易中的数据安全 280
15.5 延伸思考 282
第四部分附录
附录A主要术语及缩写索引. 285
参考文献 291
^ 收 起
第1 章在线广告综述 3
1.1 大数据与广告的关系 4
1.2 广告的定义与目的 5
1.3 在线广告创意类型 8
1.4 在线广告简史. 11
1.5 泛广告商业产品. 16
1.6 延伸思考 18
第2 章计算广告基础. 19
2.1 广告有效性原理. 20
2.2 互联网广告的技术特点 22
2.3 计算广告的核心问题. 23
2.3.1 广告收入的分解 24
2.3.2 结算方式与eCPM估计的关系. 25
2.4 在线广告相关行业协会 27
2.4.1 交互广告局. 28
2.4.2 美国广告代理协会 28
2.4.3 美国国家广告商协会. 29
2.5 延伸思考 29
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 需求方层级组织与接口 35
3.3 供给方管理接口. 38
3.4 延伸思考 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
4.3 展示量合约 47
4.3.1 流量预测. 48
4.3.2 流量塑形. 48
4.3.3 在线分配. 49
4.3.4 产品案例. 50
4.4 延伸思考 51
第5 章搜索与竞价广告. 53
5.1 搜索广告 54
5.1.1 搜索广告产品形态 55
5.1.2 搜索广告产品新形式. 57
5.1.3 搜索广告产品策略 59
5.1.4 产品案例. 61
5.2 位置拍卖与机制设计. 64
5.2.1 定价问题. 64
5.2.2 市场保留价. 67
5.2.3 价格挤压. 68
5.2.4 定价结果示例 68
5.3 广告网络 69
5.3.1 广告网络产品形态 69
5.3.2 广告网络产品策略 71
5.3.3 产品案例. 72
5.4 竞价广告需求方产品. 73
5.4.1 搜索引擎营销 73
5.4.2 媒体购买平台 74
5.4.3 产品案例. 74
5.5 竞价广告与合约广告的比较 76
5.6 延伸思考 77
第6 章程序化交易广告. 79
6.1 实时竞价 80
6.2 其他程序化交易方式. 83
6.2.1 优选. 83
6.2.2 私有市场. 84
6.2.3 广告交易方式谱系 85
6.3 广告交易平台. 86
6.4 需求方平台 88
6.4.1 需求方平台产品策略. 89
6.4.2 出价策略. 89
6.4.3 重定向. 90
6.4.4 新客推荐. 92
6.4.5 产品案例. 93
6.5 供给方平台 95
6.5.1 供给方平台产品策略. 95
6.5.2 产品案例. 96
6.6 数据加工与交易. 97
6.6.1 有价值的数据来源 98
6.6.2 三方数据划分. 100
6.6.3 数据管理平台. 100
6.6.4 数据交易平台. 101
6.6.5 产品案例 101
6.7 在线广告产品交互关系. 104
6.8 延伸思考. 106
第7 章移动互联与原生广告. 107
7.1 原生广告相关产品 108
7.1.1 信息流广告. 108
7.1.2 搜索广告 109
7.1.3 软文广告 109
7.1.4 联盟 109
7.2 移动广告的现状与挑战. 110
7.2.1 移动广告的特点. 110
7.2.2 移动广告的创意形式 111
7.2.3 移动广告的挑战. 112
7.3 原生广告平台 114
7.3.1 表现原生与意图原生 114
7.3.2 植入式原生广告. 115
7.3.3 产品案例 117
7.4 原生广告与程序化交易. 119
7.5 延伸思考. 119
第8 章在线广告产品实践. 121
8.1 媒体实战. 121
8.1.1 变现方式和产品决策 122
8.1.2 数据支持方案决策. 123
8.2 广告主实战 124
8.3 数据提供方实战 126
8.4 延伸思考. 127
第三部分计算广告关键技术
第9 章计算广告技术概览. 131
9.1 个性化系统框架 132
9.2 各类广告系统优化目标. 133
9.3 计算广告系统架构 134
9.3.1 广告投放引擎. 134
9.3.2 数据高速公路. 136
9.3.3 离线数据处理. 137
9.3.4 在线数据处理. 138
9.4 计算广告系统主要技术. 138
9.5 用开源工具搭建计算广告系统 140
9.5.1Web服务器Nginx 140
9.5.2分布式配置和集群管理工具ZooKeeper 142
9.5.3全文检索引擎Lucene. 142
9.5.4跨语言通信接口Thrift 143
9.5.5数据高速公路Flume 144
9.5.6分布式数据处理平台Hadoop 144
9.5.7特征在线缓存Redis. 145
9.5.8流计算平台Storm. 146
9.5.9高效的迭代计算框架Spark 146
9.6 延伸思考. 147
第10章基础知识准备 149
10.1 信息检索 149
10.1.1 倒排索引 150
10.1.2 向量空间模型. 152
10.2 最优化方法. 153
10.2.1 拉格朗日法与凸优化 154
10.2.2 下降单纯形法. 155
10.2.3 梯度下降法. 155
10.2.4 拟牛顿法 156
10.2.5 Trust-Region 法. 160
10.3 统计机器学习. 162
10.3.1 最大熵与指数族分布 162
10.3.2混合模型和EM算法 164
10.3.3 贝叶斯学习. 165
10.4 统计模型分布式优化框架 169
第11章合约广告核心技术 171
11.1 广告排期系统. 171
11.2 担保式投送系统. 173
11.2.1 流量预测 175
11.2.2 频次控制 176
11.3 在线分配 178
11.3.1 在线分配问题. 178
11.3.2 在线分配问题举例. 181
11.3.3 极限性能研究. 182
11.3.4 实用优化算法. 183
11.4 延伸思考 192
第12章受众定向核心技术 193
12.1 受众定向技术分类. 194
12.2 上下文定向. 195
12.2.1 半在线抓取系统. 196
12.2.2 文本主题挖掘. 197
12.3 行为定向 201
12.3.1 行为定向建模问题. 201
12.3.2 行为定向特征生成. 202
12.3.3 行为定向决策过程. 206
12.3.4 行为定向的评测. 206
12.4 人口属性预测. 209
12.5 数据管理平台. 210
12.6 延伸思考 210
第13章竞价广告核心技术 213
13.1 竞价广告计价算法. 214
13.2 搜索广告系统. 216
13.2.1 查询扩展 216
13.2.2 广告放置 219
13.3 广告网络 220
13.4 广告检索 223
13.4.1 布尔表达式的检索. 223
13.4.2 相关性检索. 227
13.5 点击率预测. 231
13.5.1 点击率预测模型. 232
13.5.2 优化算法 233
13.5.3 点击率模型的校正. 244
13.5.4 点击率模型的特征. 244
13.5.5 点击率模型评测. 249
13.5.6 智能频次控制. 251
13.6 探索与利用. 251
13.6.1 UCB 方法. 252
13.6.2考虑上下文的bandit 253
13.7 延伸思考 254
第14章程序化交易核心技术 255
14.1 广告交易平台. 255
14.1.1cookie映射. 256
14.1.2 询价优化 259
14.2 需求方平台. 261
14.2.1 定制化用户标签. 263
14.2.2 DSP 中的点击率预测 264
14.2.3 点击价值估计. 266
14.2.4 出价策略 267
14.3 供给方平台. 267
14.4 延伸思考 268
第15章其他广告相关技术 269
15.1 创意优化 270
15.1.1 程序化创意. 270
15.1.2 点击热力图. 271
15.2 实验框架 272
15.3 流量保护和效果监测 273
15.3.1 反作弊 273
15.3.2 广告监测 276
15.3.3 广告安全 277
15.4 隐私保护和数据安全 278
15.4.1 隐私保护问题. 278
15.4.2 程序化交易中的数据安全 280
15.5 延伸思考 282
第四部分附录
附录A主要术语及缩写索引. 285
参考文献 291
^ 收 起
刘鹏（@北冥乘海生），现任奇虎360高级总监、商业产品首席架构师，负责360的变现产品及工程。刘鹏在清华大学获得博士学位后，加入微软亚洲研究院，从事人工智能领域的研究，后曾参与创建雅虎北京研究院，出任高级科学家。刘鹏还曾经担任MediaV首席科学家等职。
刘鹏一直致力于计算广告和数据变现产品技术的普及工作，他讲授的《计算广告学》在网易云课堂和师徒网共有12000多名学生参与，已经成为业界相关公司进行相关培训的基础教程之一。此课还作为北京大学计算机系、北京航空航天软件学院的研究生课程和清华大学公开课讲授。
王超（@德川），于北京大学获得硕士学位后，曾就职于百度、微博、搜狐集团的广告变现部门，现任汽车之家广告算法经理。王超多年来专注于计算广告中机器学习算法的研究和实践，曾参加Criteo举办的广告CTR预估比赛，在718个参赛队中排名第7，同时是开源模型xgboost的代码贡献者。
刘鹏一直致力于计算广告和数据变现产品技术的普及工作，他讲授的《计算广告学》在网易云课堂和师徒网共有12000多名学生参与，已经成为业界相关公司进行相关培训的基础教程之一。此课还作为北京大学计算机系、北京航空航天软件学院的研究生课程和清华大学公开课讲授。
王超（@德川），于北京大学获得硕士学位后，曾就职于百度、微博、搜狐集团的广告变现部门，现任汽车之家广告算法经理。王超多年来专注于计算广告中机器学习算法的研究和实践，曾参加Criteo举办的广告CTR预估比赛，在718个参赛队中排名第7，同时是开源模型xgboost的代码贡献者。
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具体技术的深入剖析。
《计算广告：互联网商业变现的市场与技术》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。
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《计算广告：互联网商业变现的市场与技术》中受益匪浅。
《计算广告：互联网商业变现的市场与技术》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。
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《计算广告：互联网商业变现的市场与技术》中受益匪浅。
比价列表
