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 L2-TreeBoost+LR模型
9.3.3 回归树
9.3.4 Gradient Boosting
9.3.5 L2-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 L1-FOBOS和L1-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