本文为课程笔记，课程地址：计算广告学
参考资料：《计算广告 互联网商业变现的市场与技术》
搜索广告
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。
搜索广告特点
广告网络的特殊形式
- 用户定向标签f(u)：远远弱于上下文影响，一般可以忽略
- Session内的短时用户搜索行为作用很重要
- 上下文定向标签f(c)：关键词
典型的位置竞价模式
如下图所示，分为北、南、东三个广告区块，根据各位置的reference ctr决定各位置在竞价系统中的位次，reference ctr可以通过流量较准确测定出，一般北区是黄金位置。
查询词拓展
需求方需要通过扩展关键词获得更多流量；供给方则需要借此来变现更多流量和提高竞价的激烈程度。因此，查询扩展是搜索广告的重要技术。
- 基于推荐的方法：挖掘（session, query）矩阵找到相关query，可类比（user, item）矩阵；利用搜索的数据
- 基于语义的方法：用topic model或概念化的方法中找语义相关query；利用的是其他文档数据
- 基于收益的方法：根据实际eCPM统计得到变现能力最好的相关query；利用的是广告数据
用户相关的搜索广告决策
- 结果个性对搜索广告作用有限
- 上下文信息c太强，个人兴趣可以忽略
- 搜索页上的结果需要保证主题的一致性
- 广告展示条数可以深度个性化
- 越一半的用户无法明确区分广告与搜索结果（这些用户会搜到较多的广告）
- 在平均广告条数的约束下，可以对每个用户的广告条数进行个性化，以最大化营收
- 上述是一个约束优化问题
另外可以根据同一session内的行为调整广告结果，例如第一页没点的广告是否要在第二页删除或调整。
短时用户行为反馈
短时用户行为定义
- 狭义：用户在一个session内的行为
- 广义：用户在短时间（一般几个小时到一两天）内的行为
短时用户行为反馈
- 短时受众定向：根据短时行为为用户打上的标签
- 短时点击反馈：根据短时广告交互计算的动态特征
短时用户行为计算
- 需要准实时（分钟级）对用户行为进行加工，不适合在Hadoop上进行
- 可以利用流式计算（stream computing）平台，如S4、Storm等
流式计算平台
Storm简介
- 大规模实时数据处理框架，自动完成数据分发和可靠性管理，开发者只需要关注处理逻辑。
- 数据流基本在网络和内存进行（极端情况下会有磁盘调度）
- 计算逻辑类似Map/Reduce, 区别在调度数据而非调度计算，其拓扑及任务分配如下（spout 是输入，根据输入的 key 分发到不同的 Bolt 上处理，最后将结果组成）
广告购买平台
广告购买平台（Trading Desk）的产品目标：Allows advertisers buy audience across publishers and ad networks
关键特征
- 连接到不同媒体和广告网络，为广告商提供universal marketplace
- 非实时竞价campaign的ROI优化能力
- 经常由代理公司孵化出来
非RTB(Real Time Bidding)流量的ROI优化
目标：给定总预算，在多广告网络中采买并优化ROI（例：SEM(Search Engine Marketing)）
若干关键问题
-
在合适的流量segment上投放广告
- SEM中的选词
- 显示广告网络中的标签组合选择
-
在每个投放上合理地出价以优化ROI
- 与RTB不同，采买方无法控制每次展示的出价
- u、c的取值未知，需要在流量分割上估计其分布合理地出价
-
对每个segment的量以及market price进行预估，以完成整体的优化
该领域代表公司有EfficientFrontier，公司的核心业务为搜索广告主提供大量关键词情形下的ROI优化服务，并收取固定比例的提成；核心技术为Portfolio Optimization；公司核心竞争力除了算法还来自于长时间数据积累。
