当前位置：

计算广告：互联网商业变现的市场与技术（第3版）

作者：刘鹏

出版社：人民邮电出版社

出版年：2022-8

评分：8.9

ISBN：9787115592552

所属分类：行业好书

书刊介绍

内容简介

本书是计算广告领域经典之作，是该领域首本图书！

本书第1版和第2版出版以后，获得的业界反响超乎了我们的想象。实际上，本书已经广泛被互联网公司采用，作为商业化相关部门的培训教程，甚至还成了某大公司商业化部门年会时的”阳光普照奖”奖品。

◎编辑推荐

经过一段时间的补充与修订，我们向读者奉上这次的新版。

新版新增了竞价广告的产品脉络、计算分工带来的产品方向的演进，以及智能投放的产品原理。

希望本书能帮助读者深入了解互联网流量与数据变现，洞察互联网增长与财富的秘密，搭建商业化与获客的产品技术体系。

对以下读者，我们相信本书值得一读：

● 互联网公司的商业化、大数据和用户增长部门的朋友；

● 传统广告与数字广告从业者；

● 对推荐、大数据、人工智能技术的应用有兴趣者；

● 转型中的传统企业和创业公司的战略决策者；

● 计算机相关专业学生。

◎内容简介

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，包括深度学习的基础方法论及其在计算广告中的应用，这一版加入了竞价广告的产品脉络、计算分工带来的产品方向的演进和智能投放的产品原理等内容。

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。

作品目录

第一部分在线广告市场与背景
第 1章在线广告综述
1.1 免费模式与互联网核心资产
1.2 大数据与广告的关系
1.3 广告的定义与目的
1.4 在线广告表现形式
1.5 在线广告简史
第 2章计算广告基础
2.1 广告有效性原理
2.2 互联网广告的技术特点
2.3 计算广告的核心问题
2.3.1 广告收入的分解
2.3.2 结算方式与eCPM估计的关系
2.4 在线广告相关行业协会
2.4.1 交互广告局
2.4.2 美国广告代理协会
2.4.3 美国国家广告商协会
第二部分在线广告产品逻辑
第3章在线广告产品概览
3.1 商业产品的设计原则
3.2 广告系统的产品接口
3.2.1 广告主层级组织与投放管理
3.2.2 供给方管理接口
3.2.3 供需之间多种接口形式
第4章合约广告
4.1 广告位合约
4.2 受众定向
4.2.1 受众定向方法概览
4.2.2 受众定向标签体系
4.2.3 标签体系的设计思路
4.3 展示量合约
4.3.1 流量预测
4.3.2 流量塑形
4.3.3 在线分配
4.3.4 产品案例
5.4.2 交易终端
5.4.3 产品案例
5.5 竞价广告与合约广告的比较
第6章程序化交易广告
6.1 实时竞价
6.2 其他程序化交易方式
6.2.1 优选
6.2.2 私有市场
6.2.3 程序化直投
6.2.4 广告交易方式谱系
6.3 广告交易平台
6.4 需求方平台
6.4.1 需求方平台产品策略
6.4.2 出价策略
6.4.3 出价和定价过程
6.4.4 重定向
6.4.5 新客推荐
6.4.6 产品案例
6.5 供给方平台
6.5.1 供给方平台产品策略
6.5.2 Header Bidding
6.5.3 产品案例
第7章数据加工与交易
7.1 有价值的数据来源
7.2 数据管理平台
7.2.1 三方数据划分
7.2.2 第一方数据管理平台
7.2.3 第三方数据管理平台
7.2.4 产品案例
7.3 数据交易的基本过程
7.4 隐私保护和数据安全
7.4.1 隐私保护问题
7.4.2 程序化交易中的数据安全
7.4.3 欧盟的通用数据保护条例
第8章信息流与原生广告
8.1 移动广告的现状与挑战
8.1.1 移动广告的特点
8.1.2 移动广告的传统创意形式
8.1.3 移动广告的挑战
8.2 信息流广告
8.2.1 信息流广告的定义
8.2.2 信息流广告产品关键
8.3 其他原生广告相关产品
8.3.1 搜索广告
8.3.2 软文广告
8.3.3 联盟
8.4 原生广告平台
8.4.1 表现原生与场景原生
8.4.2 场景的感知与应用
8.4.3 植入式原生广告
8.4.4 产品案例
8.5 原生广告与程序化交易
第三部分计算广告关键技术
第9章计算广告技术概览
9.1 个性化系统框架
9.2 各类广告系统优化目标
9.3 计算广告系统架构
9.3.1 广告投放引擎
9.3.2 数据高速公路
9.3.3 离线数据处理
9.3.4 在线数据处理
9.4 计算广告系统主要技术
9.5 用开源工具搭建计算广告系统
9.5.1 Web服务器Nginx
9.5.2 分布式配置和集群管理工具ZooKeeper
9.5.3 全文检索引擎Lucene
9.5.4 跨语言通信接口Thrift
9.5.5 数据高速公路Flume
9.5.6 分布式数据处理平台Hadoop
9.5.7 特征在线缓存Redis
9.5.8 流计算平台Storm
9.5.9 高效的迭代计算框架Spark
第 10章基础知识准备
10.1 信息检索
10.1.1 倒排索引
10.1.2 向量空间模型
10.2 最优化方法
10.2.1 拉格朗日法与凸优化
10.2.2 下降单纯形法
10.2.3 梯度下降法
10.2.4 拟牛顿法
10.3 统计机器学习
10.3.1 最大熵与指数族分布
10.3.2 混合模型和EM算法
10.3.3 贝叶斯学习
10.4 统计模型分布式优化框架
10.5 深度学习
10.5.1 深度神经网络优化方法
10.5.2 卷积神经网络（CNN）
10.5.3 递归神经网络（RNN）
10.5.4 生成对抗网络（GAN）
第 11章合约广告核心技术
11.1 广告排期系统
11.2 担保式投送系统
11.2.1 流量预测
11.2.2 频次控制
11.3 在线分配
11.3.1 在线分配问题
11.3.2 在线分配问题举例
11.3.3 极限性能研究
11.3.4 实用优化算法
第 12章受众定向核心技术
12.1 受众定向技术分类
12.2 上下文定向
12.3 文本主题挖掘
12.3.1 LSA模型
12.3.2 PLSI模型
12.3.3 LDA模型
12.3.4 词嵌入word2vec
12.4 行为定向
12.4.1 行为定向建模问题
12.4.2 行为定向特征生成
12.4.3 行为定向决策过程
12.4.4 行为定向的评测
12.5 人口属性预测
12.6 数据管理平台
第 13章竞价广告核心技术
13.1 竞价广告计价算法
13.2 搜索广告系统
13.2.1 查询扩展
13.2.2 广告放置
13.3 广告网络
13.4 广告检索
13.4.1 布尔表达式的检索
13.4.2 相关性检索
13.4.3 基于DNN的语义建模
13.4.4 最近邻语义检索
第 14章点击率预测模型
14.1 点击率预测
14.1.1 点击率基本模型
14.1.2 LR模型优化算法
14.1.3 点击率模型的校正
14.1.4 点击率模型的特征
14.1.5 点击率模型评测
14.1.6 智能频次控制
14.2 其他点击率模型
14.2.1 因子分解机
14.2.2 GBDT
14.2.3 深度学习点击率模型
14.3 探索与利用
14.3.1 强化学习与E&E
14.3.2 UCB方法
14.3.3 考虑上下文的 bandit
第 15章程序化交易核心技术
15.1 广告交易平台
15.1.1 cookie 映射
15.1.2 询价优化
15.2 需求方平台
15.2.1 定制化用户标签
15.2.2 DSP中的点击率预测
15.2.3 点击价值估计
15.2.4 出价策略
15.3 供给方平台
第 16章其他广告相关技术
16.1 创意优化
16.1.1 程序化创意
16.1.2 点击热力图
16.1.3 创意的发展趋势
16.2 实验框架
16.3 广告监测与归因
16.3.1 广告监测
16.3.2 广告安全
16.3.3 广告效果归因
16.4 作弊与反作弊
16.4.1 作弊的方法分类
16.4.2 常见的作弊方法
16.5 产品技术选型实战
16.5.1 媒体实战
16.5.2 广告主实战
16.5.3 数据提供方实战
第四部分附录
附录主要术语及缩写索引
参考文献
· · · · · ·

作者简介

刘鹏（@北冥乘海生），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，出任高级科学家。他还曾任MediaV首席科学家、360商业化首席架构师、科大讯飞副总裁等职。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。

他特别重视计算广告和大数据技术的普及，他讲授的“计算广告”在网易云课堂有超过5万名学生，已经成为业界进行相关培训的基础教程。他还曾担任北京大学、中国传媒大学等高校客座教授，讲授计算广告相关课程，为推动中国广告产业的数字化、智能化做出了贡献。

王超（@德川），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。现任百度杰出研发架构师，从事个性化推荐领域相关的工作。

精彩摘录

从数据分析开始，以数据结束，这样的闭环式迭代是最适合商业产品的开发模式。

——引自章节：第3章在线广告产品概览

也就是说，按某种市场意图接触相应的人群，进而影响其中的潜在用户，使他们选择某产品的概率增加，或者对产品性价比的苛求程度降低，这才是广告的根本目的。至于短期内的转化效果，由于市场意图或媒体性质的不同，并不是直接可比的。换句话说，如果仅仅以转化效果为目的来思考问题，可能会背离投放广告的正确方法论。举个例子，某感冒药广告商如果以短期效果导向，那么最佳的策略是把广告投放给那些现在已经感冒的人，不过这显然是一个荒谬的决策；再比如，某汽车广告商为了提升自己的品牌形象，希望对自己竞品品牌的用户加强宣传，而对于这部分人群，广告的直接效果甚至有可能比随机投放还要差。认清这一概念，有助于在遇到多种广告渠道的效果比较时，避免得出偏颇的结论。广告的“低成本”是与那些由市场或销售人员完成的劝服活动成本相对而言的，实际上是广告搭了媒体流量和影响力的便车。要确定是否真的成本较低，需要用到投入产出比(returnoninvestment，ROI)这一评价指标，即某次广告活动的总产出与总投入的比例。实践中，广告活动的总投入容易确定，但总产出却不一定明确且可衡量，特别是在投放以中长期收益为目标的品牌广告时。因此，绝对的ROI有时难以计算，不过通过各个渠道之间的对比，我们仍然可以评估广告的成本是否令人满意。

——引自章节：1.3广告的定义与目的