作者：BILLLLL | 来源：互联网 | 2023-09-25 13:29
《计算广告》（第3版）重磅出版！
计算广告：互联网商业变现的市场与技术（第3版）
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。
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。
本书虽然以介 绍互联网广告的产品和技术为核心，但并不是想让大家都学会搭建一个广告系统。本书的 核心目的，是让读者在清晰地了解互联网广告全貌的基础上，在遇到与后向变现相关的产 品问题时，能够以合理的思维逻辑和背景知识来应对。实际上，在互联网时代，不论你身 处哪个行业，只要用心留意，就会发现这类问题可能比你想象的更为常见，也更为重要。 对其中最重要的几类问题，我们来看看下面几个具体的例子。
（1）商业模式探索。例如，电影是一种边际成本很低、信息传播量又很大的典型商品。 那么现在电影的票价为什么这么高？能否探索一种售价很低，而充分利用其信息传播能力 的电影行业发行模式，获得更高的经济效益和社会效益？
（2）流量变现。例如，互联网电视厂商除了硬件销售的回报以外，还可以获得一部分 用户流量。这些流量的性质和价值如何，应该以什么样的方式变现？
（3）数据变现。例如，室内导航技术是近年来快速发展的新型互联网应用，如果以向 用户免费的方式运营室内导航产品，会得到什么有价值的数据资产，从而支撑相应的后向 变现，又应该采用哪种具体的商业产品来支撑？
（4）商业产品建设和运营。例如，团购、游戏联运、返利购买、积分墙这些推广模式 与一般的展示广告或搜索广告有什么内在联系？是否可以共用某些产品和技术平台？
这 4 类问题的典型性和价值不言而喻。不过，要回答这些问题，仅靠独立的深入思考 是不够的，还必须对当前互联网流量和数据变现市场的商业逻辑和产品现状有相当程度的 了解，并在需要具体产品实施时有相应的方案可以参考和选择。为读者提供这方面的帮助， 正是本书希望做到的。
上一版豆瓣评分8.8
豆瓣评论
本书的内容组织
第一部分是在线广告市场与背景，这部分介绍在线广告领域的一些基本问题和背景知 识。虽然内容比较容易理解， 但这部分是全书的基础，特别是很多相关概念和术语的集中 介绍，请不要略过。
第二部分是在线广告产品逻辑，这部分主要面向产品、运营和销售等人员，以及互联 网产品的宏观决策者，其内容重点是介绍计算广告的市场结构、交易模式和主要产品。这 部分内容将以在线广告产品发展的顺序展开， 希望能帮助读者理解各种复杂的广告产品和 交易机制产生的内在规律。
第三部分是计算广告关键技术，这部分主要面向系统工程师、算法工程师和架构师。 与前一部分的广告产品相对应，这部分也以在线广告产品发展的顺序展开，重点阐释实现 各种广告产品的关键技术挑战，并提供基础的解决方案。
一般来说，对于那些想运营在线广告业务，或者想了解如何用在线广告对用户产品进 行变现的读者来说，可以重点阅读前两部分，并且对其中的产品与商业逻辑要深入理解； 对那些重点关注工程实现和收入优化的读者来说，在了解了前两部分之后，还要花一些精 力深入阅读第三部分，特别是其中与自己关注的广告产品相关的技术章节。计算广告这个 领域的复杂性在于，对于任何一项产品或技术，都需要放在相应的商业背景下去判断其合 理性， 而要理解商业产品上能达到的目标，又需要对技术的现状和难点有相当的认识。因 此，我们推荐的阅读方式还是尽可能地通读全书，对其中确实不相关或者知识背景上无法 理解的部分简单跳过就可以了。
在讨论在线广告市场产品技术的过程中，会涉及大量的术语和专业名词。对于对变 现业务不太熟悉的读者，这些术语会给阅读带来一定的障碍。为了帮助读者检索和查找 术语的相关内容，我们在附录中对主要术语及缩写给出了索引，以方便阅读。
由于篇幅限制，本书中有些内容的细节或背景知识无法全面展开，在这种情形下给出了相应的参考文献。但是，由于本书并非学术著作，在引用文献时并不会保证完备性，因此当正文足以说明观点和方法时，其原始文献不一定还会列出，请读者谅解。另外，在本书的第三部分中，为帮助读者理解，会对一些比较关键的算法给出相应的代码片段。不过本书中的代码都是示例性代码，目的只是更清楚地描述逻辑，而并非可以直接编译执行的程序，其中一些特别容易理解和实现的子函数调用，也可能会略去其具体实现。
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
京公网安备 11010802041100号