作 者:刘鹏,王超 著
定 价:89
出 版 社:人民邮电出版社
出版日期:2019年09月01日
页 数:323
装 帧:平装
ISBN:9787115497482
●部分在线广告市场与背景
章在线广告综述3
1.1免费模式与互联网核心资产4
1.2大数据与广告的关系5
1.3广告的定义与目的7
1.4在线广告表现形式9
1.5在线广告简史15
第2章计算广告基础20
2.1广告有效性原理21
2.2互联网广告的技术特点23
2.3计算广告的核心问题24
2.3.1广告收入的分解25
2.3.2结算方式与eCPM估计的关系26
2.4在线广告相关行业协会29
2.4.1交互广告局29
2.4.2美国广告代理协会30
2.4.3美国国家广告商协会30
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广告系统的产品接口35
3.2.1广告主层级组织与投放管理35
3.2.2供给方管理接口38
3.2.3供需之间多种接口形式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
4.2.3标签体系的设计思路47
4.3展示量合约48
4.3.1流量预测49
4.3.2流量塑形50
4.3.3在线分配50
4.3.4产品案例51
第5章搜索广告与竞价广告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60
5.1.4产品案例62
5.2位置拍卖与机制设计
5.2.1市场保留价65
5.2.2定价问题66
5.2.3价格挤压68
5.2.4Myerson优拍卖69
5.2.5定价结果示例69
5.3竞价广告网络70
5.3.1广告网络产品形态71
5.3.2广告网络产品策略72
5.3.3产品案例73
5.4竞价广告需求方产品74
5.4.1搜索引擎营销74
5.4.2交易终端75
5.4.3产品案例75
5.5竞价广告与合约广告的比较77
第6章程序化交易广告78
6.1实时竞价79
6.2其他程序化交易方式82
6.2.1优选82
6.2.2私有市场83
6.2.3程序化直投84
6.2.4广告交易方式谱系84
6.3广告交易平台85
6.4需求方平台87
6.4.1需求方平台产品策略87
6.4.2出价策略88
6.4.3出价和定价过程89
6.4.4重定向89
6.4.5新客推荐91
6.4.6产品案例92
6.5供给方平台94
6.5.1供给方平台产品策略94
6.5.2HeaderBidding95
6.5.3产品案例96
第7章数据加工与交易99
7.1有价值的数据来源100
7.2数据管理平台102
7.2.1三方数据划分102
7.2.2方数据管理平台102
7.2.3第三方数据管理平台103
7.2.4产品案例104
7.3数据交易的基本过程107
7.4隐私保护和数据安全109
7.4.1隐私保护问题109
7.4.2程序化交易中的数据安全111
7.4.3欧盟的通用数据保护条例113
第8章信息流与原生广告115
8.1移动广告的现状与挑战116
8.1.1移动广告的特点117
8.1.2移动广告的传统创意形式117
8.1.3移动广告的挑战119
8.2信息流广告121
8.2.1信息流广告的定义121
8.2.2信息流广告产品关键123
8.3其他原生广告相关产品124
8.3.1搜索广告125
8.3.2软文广告125
8.3.3联盟125
8.4原生广告平台126
8.4.1表现原生与场景原生126
8.4.2场景的感知与应用127
8.4.3植入式原生广告128
8.4.4产品案例130
8.5原生广告与程序化交易134
第三部分计算广告关键技术
第9章计算广告技术概览137
9.1个性化系统框架138
9.2各类广告系统优化目标139
9.3计算广告系统架构140
9.3.1广告投放引擎142
9.3.2数据高速公路143
9.3.3离线数据处理143
9.3.4在线数据处理144
9.4计算广告系统主要技术144
9.5用开源工具搭建计算广告系统146
9.5.1Web服务器Nginx146
9.5.2分布式配置和集群管理工具ZooKeeper148
9.5.3全文检索引擎Lucene148
9.5.4跨语言通信接口Thrift149
9.5.5数据高速公路Flume150
9.5.6分布式数据处理平台Hadoop150
9.5.7特征在线缓存Redis151
9.5.8流计算平台Storm152
9.5.9高效的迭代计算框架Spark152
0章基础知识准备154
10.1信息检索155
10.1.1倒排索引155
10.1.2向量空间模型157
10.2优化方法158
10.2.1拉格朗日法与凸优化159
10.2.2下降单纯形法160
10.2.3梯度下降法160
10.2.4拟牛顿法162
10.3统计机器学习167
10.3.1大熵与指数族分布168
10.3.2混合模型和EM算法169
10.3.3贝叶斯学习171
10.4统计模型分布式优化框架174
10.5深度学习175
10.5.1深度神经网络优化方法176
10.5.2卷积神经网络（CNN）177
10.5.3递归神经网络（RNN）178
10.5.4生成对抗网络（GAN）180
1章合约广告核心技术181
11.1广告排期系统182
11.2担保式投送系统183
11.2.1流量预测185
11.2.2频次控制186
11.3在线分配188
11.3.1在线分配问题188
11.3.2在线分配问题举例190
11.3.3极限性能研究192
11.3.4实用优化算法193
2章受众定向核心技术201
12.1受众定向技术分类202
12.2上下文定向203
12.3文本主题挖掘205
12.3.1LSA模型206
12.3.2PLSI模型206
12.3.3LDA模型207
12.3.4词嵌入word2vec208
12.4行为定向209
12.4.1行为定向建模问题210
12.4.2行为定向特征生成211
12.4.3行为定向决策过程214
12.4.4行为定向的评测215
12.5人口属性预测217
12.6数据管理平台218
3章竞价广告核心技术220
13.1竞价广告计价算法220
13.2搜索广告系统222
13.2.1查询扩展223
13.2.2广告放置226
13.3广告网络227
13.4广告检索229
13.4.1布尔表达式的检索230
13.4.2相关性检索234
13.4.3基于DNN的语义建模238
13.4.4近邻语义检索241
4章点击率预测模型247
14.1点击率预测248
14.1.1点击率基本模型248
14.1.2LR模型优化算法249
14.1.3点击率模型的校正256
14.1.4点击率模型的特征257
14.1.5点击率模型评测262
14.1.6智能频次控制2
14.2其他点击率模型2
14.2.1因子分解机2
14.2.2GBDT265
14.2.3深度学习点击率模型267
14.3探索与利用268
14.3.1强化学习与E&E268
14.3.2UCB方法270
14.3.3考虑上下文的bandit271
5章程序化交易核心技术272
15.1广告交易平台273
15.1.1cookie映射273
15.1.2询价优化277
15.2需求方平台278
15.2.1定制化用户标签280
15.2.2DSP中的点击率预测282
15.2.3点击价值估计283
15.2.4出价策略284
15.3供给方平台284
6章其他广告相关技术286
16.1创意优化287
16.1.1程序化创意287
16.1.2点击热力图288
16.1.3创意的发展趋势289
16.2实验框架291
16.3广告监测与归因292
16.3.1广告监测292
16.3.2广告安全294
16.3.3广告效果归因295
16.4作弊与反作弊296
16.4.1作弊的方法分类296
16.4.2常见的作弊方法297
16.5产品技术选型实战301
16.5.1媒体实战302
16.5.2广告主实战304
16.5.3数据提供方实战306
第四部分附录
附录主要术语及缩写索引311
参考文献317
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进行具体技术的深入剖析。
本书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，这一版中更是加入了深度学习的基础方及其在计算广告中的应用。
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，都会从阅读本书中受益匪浅。
刘鹏,王超 著
刘鹏，现任科大讯飞副总裁，大数据研究院院长。他在清华大学获得博士学位后，加入微软亚洲研究院，从事人工智能研究，后参与创建雅虎北京研究院，出任不错科学家。他还曾任MediaV首席科学家、360商业化首席架构师等职。在多年从业经历中，他一直致力于将人工智能方法与海量数据相结合来解决工业界问题，负责过多个大型互联网商业产品体系。
王超，于北京大学获得硕士学位后，曾就职于微博、汽车之家等公司的广告部门，从事计算广告领域的研究和实践工作。现任百度主任研发架构师，从事个性化推荐领域相关的工作。
