万本电子书0元读

万本电子书0元读

顶部广告

在线广告——互联网广告系统的架构及算法电子书

1.稀缺性强:在线广告处在工业的*前沿,其中大量的问题仍在实践中不断地探索着,且在线广告包含的内容非常广泛,但市面上对其算法行深而系统讲解的书籍几乎没有。 2.系统全面:作者基于在线广告多年的实践经验和对相关学术领域的持续学习研究,对其中的核心问题做了清晰的分类讲解,系统性很强,非常适合初学者系统性的学习。 3.干货满满:在线广告涉及的算法非常多,对不同领域的核心问题都有深的理论研究,本书主要讲解各领域在现实广告系统中实施的算法,并描述其原理,非常适合相关从业者学习。

售       价:¥

纸质售价:¥55.10购买纸书

51人正在读 | 0人评论 6.6

作       者:张亚东

出  版  社:清华大学出版社

出版时间:2019-08-01

字       数:19.3万

所属分类:

温馨提示:此类商品不支持退换货,不支持下载打印

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
在线广告是一个多学科交融的领域,本书力求系统地讲解在线广告的架构和算法,让读者对在线广告有一个整体的认识。全书共15章,第1~3章介绍在线广告的发展简史、样式与创意以及广告系统的架构流程等基础知识;第4~7章从品牌广告、搜索类广告、社交类广告和视频类广告4种典型的广告出发,详细讲解广告系统的更多设计细节; 第8~14章分类讲述在线广告中的重要研究领域,包括用户数据和定向算法、率预估与推荐算法、在线匹配、机制设计、低质量和敏感控制、实验架构和调参,以及数据监控和效果衡量; 第15章简要介绍在线广告的发展趋势。 本书可作为对在线广告感兴趣的初学者的门书籍,也可供在线广告相关领域的从业者阅读参考。 在线广告是一个多学科交融的领域,本书力求系统地讲解在线广告的架构和算法,让读者对在线广告有一个整体的认识。全书共15章,第1~3章介绍在线广告的发展简史、样式与创意以及广告系统的架构流程等基础知识;第4~7章从品牌广告、搜索类广告、社交类广告和视频类广告4种典型的广告出发,详细讲解广告系统的更多设计细节; 第8~14章分类讲述在线广告中的重要研究领域,包括用户数据和定向算法、率预估与推荐算法、在线匹配、机制设计、低质量和敏感控制、实验架构和调参,以及数据监控和效果衡量; 第15章简要介绍在线广告的发展趋势。 本书可作为对在线广告感兴趣的初学者的门书籍,也可供在线广告相关领域的从业者阅读参考。
【推荐语】
1.稀缺性强:在线广告处在工业的*前沿,其中大量的问题仍在实践中不断地探索着,且在线广告包含的内容非常广泛,但市面上对其算法行深而系统讲解的书籍几乎没有。 2.系统全面:作者基于在线广告多年的实践经验和对相关学术领域的持续学习研究,对其中的核心问题做了清晰的分类讲解,系统性很强,非常适合初学者系统性的学习。 3.干货满满:在线广告涉及的算法非常多,对不同领域的核心问题都有深的理论研究,本书主要讲解各领域在现实广告系统中实施的算法,并描述其原理,非常适合相关从业者学习。
目录展开

封面页

书名页

版权页

内容简介

前言FOREWORD

第1章 在线广告发展简史

1.1 在线广告发展简介

1.1.1 中国古代的广告

1.1.2 在线广告的诞生

1.1.3 搜索广告的诞生和发展

1.1.4 社交和视频类广告

1.1.5 Ad Network的诞生

1.1.6 Ad Exchange和TradingDesk

1.2 移动广告的发展

1.3 搜索广告和定价模式

1.4 社交媒体广告

1.5 视频广告

1.6 在线广告优势

1.7 在线广告规模

参考文献

第2章 广告样式与创意

2.1 主流广告样式

2.1.1 PC端广告样式

2.1.2 移动端广告样式

2.2 技术驱动营销

2.3 广告样式发展趋势

2.4 程序化创意

2.4.1 程序化创意的缘由

2.4.2 程序化创意

2.5 动态创意优化

参考文献

第3章 广告系统架构流程

3.1 投放引擎架构流程

3.1.1 广告投放引擎架构

3.1.2 客户系统

3.1.3 内部管理平台

3.1.4 基础架构及相关模块

3.1.5 广告投放引擎内部模块

3.1.6 工具和测试平台

3.2 收入分解

3.3 程序化广告技术生态

3.4 Ad Network

3.4.1 工作流程

3.4.2 分类

3.4.3 定向方式

3.4.4 优势

3.4.5 移动广告网络

3.5 Ad Exchange

3.5.1 产生背景

3.5.2 工作流程

3.5.3 与Ad Network的不同

3.5.4 国内Ad Exchange的发展

3.6 程序化售卖方式

3.7 其他机制

3.7.1 匿名设置

3.7.2 Reserve Price

3.7.3 Pre-Targeting

参考文献

第4章 品牌广告

4.1 品牌推广的意义

4.2 品牌广告简介

4.2.1 品牌广告

4.2.2 品牌广告常见形式

4.2.3 计费和购买方式

4.2.4 样式和创意

4.3 品牌广告的有效性

4.4 品牌广告效果评估指标

4.5 Benchmark

参考文献

第5章 搜索类广告

5.1 搜索广告简介

5.1.1 搜索广告的模式

5.1.2 广告投放及相关问题

5.1.3 搜索广告的优势

5.2 常见产品形态

5.2.1 综合搜索

5.2.2 定制类搜索

5.2.3 图片类搜索

5.2.4 内容定向

5.2.5 电商类搜索

5.2.6 应用商店搜索

5.2.7 其他

5.3 系统架构和重要模块

5.3.1 广告架构

5.3.2 广告账户组织结构

5.3.3 广告检索流程

5.3.4 预算控制

5.3.5 在线匹配

5.3.6 机制设计

5.3.7 计费流程

5.3.8 准入

5.4 主流竞价机制

5.4.1 GFP机制

5.4.2 GSP机制

5.4.3 VCG机制

5.5 搜索生态

5.6 GSP优化

5.6.1 Weighted GSP

5.6.2 Squashing

5.6.3 UWR

5.6.4 QWR

5.6.5 Anchoring

5.6.6 模型对比

5.6.7 Hidden Cost

5.7 长尾查询

5.8 市场规模

参考文献

第6章 社交类广告

6.1 社交媒体

6.1.1 社交网络国度

6.1.2 社交网络的特点

6.1.3 常见的社交应用

6.1.4 社交网络影响购买行为

6.2 社交广告

6.2.1 常见广告类型

6.2.2 定向方式

6.3 基于社交关系的算法

6.3.1 社交内容推荐算法

6.3.2 社区分割算法

6.3.3 社交内容扩散算法

6.4 社交网络营销

参考文献

第7章 视频类广告

7.1 视频广告简介

7.1.1 常见的广告类型

7.1.2 售卖方式

7.1.3 广告时长

7.2 视频广告生态和投放流程

7.2.1 视频广告生态

7.2.2 广告投放流程

7.3 流量预估

7.3.1 优化目标

7.3.2 模型特征

7.3.3 特征平滑处理

7.3.4 流量预估函数

7.3.5 模型评估方法

7.4 库存分配问题

7.5 库存分配算法

7.5.1 HWM

7.5.2 优化调整

7.5.3 反馈机制

7.5.4 SHALE

7.6 Pacing

7.7 市场规模

参考文献

第8章 用户数据和定向算法

8.1 用户识别

8.1.1 Cookie

8.1.2 Cookie Matching

8.1.3 移动端用户识别

8.1.4 跨屏识别

8.2 用户画像

8.3 定向方式

8.4 经营状况评估和优化

8.4.1 评估指标

8.4.2 CLV优化

8.4.3 客户关系管理和使用

8.5 Lookalike

8.5.1 特征提取和建模

8.5.2 扩展方式

8.5.3 最近邻选择

8.5.4 离线扩展流程

8.5.5 node2vec

8.5.6 实战

8.6 竞价环境预估

8.7 超级用户

参考文献

第9章 点击率预估与推荐算法

9.1 点击率预估简介

9.2 点击率预估特征

9.2.1 相同竞价词下其他订单的特征

9.2.2 相关竞价词的CTR

9.2.3 广告质量相关特征

9.2.4 订单竞价词相关特征

9.2.5 外部相关特征

9.2.6 特征预处理

9.3 预估模型

9.3.1 基础模型

9.3.2 L_2-TreeBoost+LR模型

9.3.3 回归树

9.3.4 Gradient Boosting

9.3.5 L_2-TreeBoost

9.3.6 特征组合

9.3.7 Freshness

9.3.8 数据采样

9.4 模型评估方法

9.4.1 KL离散算法

9.4.2 AUC

9.4.3 NE

9.5 Bandit

9.5.1 Bandit问题

9.5.2 ε-Greedy方法

9.5.3 Thompson Sampling

9.5.4 UCB

9.5.5 LinUCB

9.6 在线学习方法

9.6.1 梯度下降方法

9.6.2 BGD

9.6.3 SGD

9.6.4 MBGD

9.6.5 简单截断法

9.6.6 截断梯度法

9.6.7 FOBOS

9.6.8 RDA

9.6.9 L_1-FOBOS和L_1-RDA的对比

9.6.10 FTRL

9.7 推荐算法

9.8 基于协同过滤的推荐

9.8.1 基于用户的协同过滤算法

9.8.2 基于物品的协同过滤算法

9.8.3 其他相似度计算方法

9.8.4 应用

9.9 基于矩阵分解的推荐

9.9.1 矩阵分解

9.9.2 正则化

9.9.3 隐性特征

9.10 基于深度学习的推荐

9.10.1 推荐流程

9.10.2 排序

9.11 广告排序性能优化

参考文献

第10章 在线匹配

10.1 图论基础知识

10.2 在线匹配类型

10.3 在线二部图匹配

10.3.1 Greedy算法

10.3.2 Random算法

10.3.3 Ranking算法

10.4 加权的在线二部图匹配

10.5 Adwords

10.5.1 Greedy算法

10.5.2 Balance算法与Greedy算法对比

10.5.3 MSVV算法

10.5.4 一般情况的证明

10.6 基于原始对偶的匹配

10.6.1 原始对偶问题

10.6.2 互补松弛性

10.6.3 Greedy算法实现

10.6.4 更优算法

10.7 现实系统中的匹配算法

参考文献

第11章 机制设计

11.1 机制设计概述

11.2 经典案例

11.2.1 囚徒困境

11.2.2 二难问题

11.2.3 无怨算法

11.2.4 TureView广告

11.2.5 策略性投票

11.3 激励兼容

11.3.1 投票悖论

11.3.2 阿罗不可能定理

11.4 引入金钱的机制

11.4.1 拍卖机制

11.4.2 VCG机制

11.5 激励兼容的特性

11.6 贝叶斯纳什均衡

11.7 竞价机制分析

11.7.1 临界条件分析

11.7.2 VCG机制

11.7.3 Simplest GSP机制

11.7.4 Weighted GSP机制

11.8 拥挤控制

参考文献

第12章 低质量和敏感控制

12.1 作弊背景

12.1.1 作弊参与者

12.1.2 作弊动机

12.2 广告作弊方法

12.2.1 单机作弊

12.2.2 黑客作弊

12.2.3 有组织的网络作弊

12.2.4 有组织的人工作弊

12.2.5 基于大流量平台的作弊

12.3 广告反作弊

12.3.1 反作弊架构

12.3.2 反作弊算法分类

12.4 广告质量

12.5 数据安全

参考文献

第13章 实验架构和调参

13.1 A/B testing

13.2 分层实验

13.2.1 分层实验方案

13.2.2 实验平台

13.3 实验设计和分析

13.3.1 置信度

13.3.2 置信区间

13.3.3 最少样本数

13.3.4 逐步放量

13.3.5 50% vs 50%

13.3.6 其他因素

13.3.7 对比实验局限

13.3.8 参数化

13.4 自动化调参

参考文献

第14章 数据监测和效果衡量

14.1 第三方监测

14.2 效果跟踪

14.2.1 归因模型

14.2.2 增效测试

参考文献

第15章 在线广告的发展趋势

15.1 网络带来的变化

15.2 未来发展趋势

15.2.1 流量入口

15.2.2 需求和市场

附录A 单词表

附录CD

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部