編輯推薦:

1.稀缺性強：在線廣告處在工業(yè)的前沿，其中大量的問題仍在實踐中不斷地探索著，且在線廣告包含的內容非常廣泛，但市面上對其算法進行深入而系統(tǒng)講解的書籍幾乎沒有。

2.系統(tǒng)全面：作者基于在線廣告多年的實踐經驗和對相關學術領域的持續(xù)學習研究，對其中的核心問題做了清晰的分類講解，系統(tǒng)性很強，非常適合初學者系統(tǒng)性的學習。

3.干貨滿滿：在線廣告涉及的算法非常多，對不同領域的核心問題都有深入的理論研究，本書主要講解各領域在現(xiàn)實廣告系統(tǒng)中實施的算法，并描述其原理，非常適合相關從業(yè)者學習。

內容簡介:在線廣告是一個多學科交融的領域，本書力求系統(tǒng)地講解在線廣告的架構和算法，讓讀者對在線廣告有一個整體的認識。全書共15章，第1~3章介紹在線廣告的發(fā)展簡史、樣式與創(chuàng)意以及廣告系統(tǒng)的架構流程等基礎知識；第4~7章從品牌廣告、搜索類廣告、社交類廣告和視頻類廣告4種典型的廣告出發(fā)，詳細講解廣告系統(tǒng)的更多設計細節(jié)； 第8~14章分類講述在線廣告中的重要研究領域，包括用戶數(shù)據(jù)和定向算法、點擊率預估與推薦算法、在線匹配、機制設計、低質量和敏感控制、實驗架構和調參，以及數(shù)據(jù)監(jiān)控和效果衡量； 第15章簡要介紹在線廣告的發(fā)展趨勢。本書可作為對在線廣告感興趣的初學者的入門書籍，也可供在線廣告相關領域的從業(yè)者閱讀參考。

目錄:目錄
第1章在線廣告發(fā)展簡史
1．1在線廣告發(fā)展簡介
1．1．1中國古代的廣告
1．1．2在線廣告的誕生
1．1．3搜索廣告的誕生和發(fā)展
1．1．4社交和視頻類廣告
1．1．5Ad Network的誕生
1．1．6Ad Exchange和 TradingDesk
1．2移動廣告的發(fā)展
1．3搜索廣告和定價模式
1．4社交媒體廣告
1．5視頻廣告
1．6在線廣告優(yōu)勢
1．7在線廣告規(guī)模
參考文獻
第2章廣告樣式與創(chuàng)意
2．1主流廣告樣式
2．1．1PC端廣告樣式
2．1．2移動端廣告樣式
2．2技術驅動營銷
2．3廣告樣式發(fā)展趨勢
2．4程序化創(chuàng)意
2．4．1程序化創(chuàng)意的緣由
2．4．2程序化創(chuàng)意
2．5動態(tài)創(chuàng)意優(yōu)化
參考文獻
第3章廣告系統(tǒng)架構流程
3．1投放引擎架構流程
3．1．1廣告投放引擎架構
3．1．2客戶系統(tǒng)
3．1．3內部管理平臺
3．1．4基礎架構及相關模塊
3．1．5廣告投放引擎內部模塊
3．1．6工具和測試平臺
3．2收入分解
3．3程序化廣告技術生態(tài)
3．4Ad Network
3．4．1工作流程
3．4．2分類
3．4．3定向方式
3．4．4優(yōu)勢
3．4．5移動廣告網(wǎng)絡
3．5Ad Exchange
3．5．1產生背景
3．5．2工作流程
3．5．3與Ad Network的不同
3．5．4國內Ad Exchange的發(fā)展
3．6程序化售賣方式
3．7其他機制
3．7．1匿名設置
3．7．2Reserve Price
3．7．3PreTargeting
參考文獻
第4章品牌廣告
4．1品牌推廣的意義
4．2品牌廣告簡介
4．2．1品牌廣告
4．2．2品牌廣告常見形式
4．2．3計費和購買方式
4．2．4樣式和創(chuàng)意
4．3品牌廣告的有效性
4．4品牌廣告效果評估指標
4．5Benchmark
參考文獻
第5章搜索類廣告
5．1搜索廣告簡介
5．1．1搜索廣告的模式
5．1．2廣告投放及相關問題
5．1．3搜索廣告的優(yōu)勢
5．2常見產品形態(tài)
5．2．1綜合搜索
5．2．2定制類搜索
5．2．3圖片類搜索
5．2．4內容定向
5．2．5電商類搜索
5．2．6應用商店搜索
5．2．7其他
5．3系統(tǒng)架構和重要模塊
5．3．1廣告架構
5．3．2廣告賬戶組織結構
5．3．3廣告檢索流程
5．3．4預算控制
5．3．5在線匹配
5．3．6機制設計
5．3．7計費流程
5．3．8準入
5．4主流競價機制
5．4．1GFP機制
5．4．2GSP機制
5．4．3VCG機制
5．5搜索生態(tài)
5．6GSP優(yōu)化
5．6．1Weighted GSP
5．6．2Squashing
5．6．3UWR
5．6．4QWR
5．6．5Anchoring
5．6．6模型對比
5．6．7Hidden Cost
5．7長尾查詢
5．8市場規(guī)模
參考文獻
第6章社交類廣告
6．1社交媒體
6．1．1社交網(wǎng)絡國度
6．1．2社交網(wǎng)絡的特點
6．1．3常見的社交應用
6．1．4社交網(wǎng)絡影響購買行為
6．2社交廣告
6．2．1常見廣告類型
6．2．2定向方式
6．3基于社交關系的算法
6．3．1社交內容推薦算法
6．3．2社區(qū)分割算法
6．3．3社交內容擴散算法
6．4社交網(wǎng)絡營銷
參考文獻
第7章視頻類廣告
7．1視頻廣告簡介
7．1．1常見的廣告類型
7．1．2售賣方式
7．1．3廣告時長
7．2視頻廣告生態(tài)和投放流程
7．2．1視頻廣告生態(tài)
7．2．2廣告投放流程
7．3流量預估
7．3．1優(yōu)化目標
7．3．2模型特征
7．3．3特征平滑處理
7．3．4流量預估函數(shù)
7．3．5模型評估方法
7．4庫存分配問題
7．5庫存分配算法
7．5．1HWM
7．5．2優(yōu)化調整
7．5．3反饋機制
7．5．4SHALE
7．6Pacing
7．7市場規(guī)模
參考文獻
第8章用戶數(shù)據(jù)和定向算法
8．1用戶識別
8．1．1Cookie
8．1．2Cookie Matching
8．1．3移動端用戶識別
8．1．4跨屏識別
8．2用戶畫像
8．3定向方式
8．4經營狀況評估和優(yōu)化
8．4．1評估指標
8．4．2CLV優(yōu)化
8．4．3客戶關系管理和使用
8．5Lookalike
8．5．1特征提取和建模
8．5．2擴展方式
8．5．3最近鄰選擇
8．5．4離線擴展流程
8．5．5node2vec
8．5．6實戰(zhàn)
8．6競價環(huán)境預估
8．7超級用戶
參考文獻
第9章點擊率預估與推薦算法
9．1點擊率預估簡介
9．2點擊率預估特征
9．2．1相同競價詞下其他訂單的特征
9．2．2相關競價詞的CTR
9．2．3廣告質量相關特征
9．2．4訂單競價詞相關特征
9．2．5外部相關特征
9．2．6特征預處理
9．3預估模型
9．3．1基礎模型
9．3．2L2TreeBoost+LR模型
9．3．3回歸樹
9．3．4Gradient Boosting
9．3．5L2TreeBoost
9．3．6特征組合
9．3．7Freshness
9．3．8數(shù)據(jù)采樣
9．4模型評估方法
9．4．1KL離散算法
9．4．2AUC
9．4．3NE
9．5Bandit
9．5．1Bandit問題
9．5．2εGreedy方法
9．5．3Thompson Sampling
9．5．4UCB
9．5．5LinUCB
9．6在線學習方法
9．6．1梯度下降方法
9．6．2BGD
9．6．3SGD
9．6．4MBGD
9．6．5簡單截斷法
9．6．6截斷梯度法
9．6．7FOBOS
9．6．8RDA
9．6．9L1FOBOS和L1RDA的對比
9．6．10FTRL
9．7推薦算法
9．8基于協(xié)同過濾的推薦
9．8．1基于用戶的協(xié)同過濾算法
9．8．2基于物品的協(xié)同過濾算法
9．8．3其他相似度計算方法
9．8．4應用
9．9基于矩陣分解的推薦
9．9．1矩陣分解
9．9．2正則化
9．9．3隱性特征
9．10基于深度學習的推薦
9．10．1推薦流程
9．10．2排序
9．11廣告排序性能優(yōu)化
參考文獻
第10章在線匹配
10．1圖論基礎知識
10．2在線匹配類型
10．3在線二部圖匹配
10．3．1Greedy算法
10．3．2Random算法
10．3．3Ranking算法
10．4加權的在線二部圖匹配
10．5Adwords
10．5．1Greedy算法
10．5．2Balance算法與Greedy算法對比
10．5．3MSVV算法
10．5．4一般情況的證明
10．6基于原始對偶的匹配
10．6．1原始對偶問題
10．6．2互補松弛性
10．6．3Greedy算法實現(xiàn)
10．6．4更優(yōu)算法
10．7現(xiàn)實系統(tǒng)中的匹配算法
參考文獻
第11章機制設計
11．1機制設計概述
11．2經典案例
11．2．1囚徒困境
11．2．2二難問題
11．2．3無怨算法
11．2．4TureView廣告
11．2．5策略性投票
11．3激勵兼容
11．3．1投票悖論
11．3．2阿羅不可能定理
11．4引入金錢的機制
11．4．1拍賣機制
11．4．2VCG機制
11．5激勵兼容的特性
11．6貝葉斯納什均衡
11．7競價機制分析
11．7．1臨界條件分析
11．7．2VCG機制
11．7．3Simplest GSP機制
11．7．4Weighted GSP機制
11．8擁擠控制
參考文獻
第12章低質量和敏感控制
12．1作弊背景
12．1．1作弊參與者
12．1．2作弊動機
12．2廣告作弊方法
12．2．1單機作弊
12．2．2黑客作弊
12．2．3有組織的網(wǎng)絡作弊
12．2．4有組織的人工作弊
12．2．5基于大流量平臺的作弊
12．3廣告反作弊
12．3．1反作弊架構
12．3．2反作弊算法分類
12．4廣告質量
12．5數(shù)據(jù)安全
參考文獻
第13章實驗架構和調參
13．1A/B testing
13．2分層實驗
13．2．1分層實驗方案
13．2．2實驗平臺
13．3實驗設計和分析
13．3．1置信度
13．3．2置信區(qū)間
13．3．3最少樣本數(shù)
13．3．4逐步放量
13．3．550% vs 50%
13．3．6其他因素
13．3．7對比實驗局限
13．3．8參數(shù)化
13．4自動化調參
參考文獻
第14章數(shù)據(jù)監(jiān)測和效果衡量
14．1第三方監(jiān)測
14．2效果跟蹤
14．2．1歸因模型
14．2．2增效測試
參考文獻
第15章在線廣告的發(fā)展趨勢
15．1網(wǎng)絡帶來的變化
15．2未來發(fā)展趨勢
15．2．1流量入口
15．2．2需求和市場
附錄A單詞表