【读书笔记】计算广告(第2部分)

作者:LogM

本文原载于 https://segmentfault.com/u/logm/articles,不允许转载~

本文是 计算广告(第二版) 的读书笔记。

该部分介绍在线广告产品的逻辑,面向产品、运营、销售、宏观决策者。

第3章 在线广告产品概览

详见书中的图,对第1部分所讲的在线广告演进历史做了概括。

3.1 商业产品的设计原则

  • 一般产品面向用户,追求更简单、更直观、更快捷;商业产品面向利润,允许引入一些不便。

3.2 广告系统的产品接口

  • 需求方投放接口:一个广告主有多个广告计划(多个合同),每个广告计划下有多个广告组(投放策略),一个广告组下有多个广告创意;
  • 供给方管理接口:添加删除广告位、查看个广告位的运营数据;

第4章 合约广告

4.1 广告位合约

  • 某段时间某个广告位固定投送某广告主的广告,结算方式CPT;
  • 广告主同一个,但广告创意可以根据人群定向。

4.2 受众定向

  • 评价:定向准确率、覆盖率。
  • 定向方法:

    • 地域定向;
    • 人口属性定向:年龄、性别、受教育程度、收入水平等,主要用于品牌广告;
    • 上下文定向:关键词、主题等,ADN首选定向方法;
    • 行为定向:历史访问行为;
    • 精确位置定向:利用手机的GPS,精确到一个建筑物(咖啡馆、美容院);
    • 重定向:以前访问过广告主网站的访客;
    • 新客推荐定向:由种子客户寻找潜在用户;
    • 动态定价:为价格敏感用户显示打折广告;
    • 场景定向:健身、吃饭、看电视、开会。

4.3 展示量合约

  • 流量预测
  • 出价指导
  • 流量分配

第5章 搜索广告与竞价广告

5.1 搜索广告

  • 占整个在线广告市场的一半以上;变现能力远远高于展示广告;
  • 综合搜索引擎广告 + 垂直搜索引擎广告(如淘宝直通车)。
  • 产品形态:北区、东区、南区、原生广告;
  • 产品策略:

    • 查询扩展:搜索广告独有,允许搜索词匹配更多的广告关键词;
    • 广告放置:设定进入北区、东区、南区的条件;

      • NFP(north foot print):北区广告平均条数。

5.2 位置拍卖与机制设计

  • 市场保留价(market reserve price,MRP):广告位的底价;
  • 定价问题:

    • 广义第二高价(GSP);
    • VCG(Vickrey-Clarke-Groves):社会福利最优。VCG机制下广告平台的收入不如GSP。
    • 社会福利最优:广告平台将广告机会分配给后续回报价值最高的广告主,而非广告平台的收入最优。

5.3 竞价广告网络

  • 一般以CPC结算;
  • 联盟广告(affiliate):广告网络向一部分供给方开放广告库供其自行挑选;
  • 产品策略:

    • 广告检索:布尔表达式检索;兴趣、关键字检索;
    • 广告排序:点击率预测,相比搜索广告,数据稀疏、需要考虑上下文和用户信息、不同广告位点击率差异巨大。

5.4 竞价广告需求方产品

  • 搜索引擎营销SEM:帮助广告主选择关键词及出价;
  • 交易终端TD(trading desk):帮助广告主一站式采买,保证展示量以及ROI。

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

  • 用户标识映射(cookie映射) -> 广告请求(ad call);
  • 媒体 -> ADX -> DSP -> 广告主网站。
  • "实时"指需求方参与每次竞价,所以搜索广告、广告网络不是实时竞价产品

6.2 其他程序化交易方式

  • 优选(preferred deal,PD):只有一个需求方决定是否投放;
  • 私有市场:参与实时竞价的广告主只有小范围内;
  • 程序化直投:相比合约广告,广告主可以自行决定投放策略和流量分配,属于合约广告和实时竞价的过渡。

6.3 广告交易平台

  • DoubleClick ADX:谷歌收购。

6.4 需求方平台

  • DSP核心特征:RTB、优选等程序化流量购买 + 需求方定制化用户划分;
  • 产品策略:

    • 用户标签 -> 检索 -> 排序 -> 确定候选广告 -> 确定候选广告出价;
    • 面向ADX的出价策略:eCPM + 市价曲线;
    • 面向广告主的定价策略:根据出价确定定价(定价=出价,由于使用GSP所以DSP有利润)。
  • 重定向:网站重定向、个性化重定向、搜索重定向;
  • 新客推荐(look-like)。

6.5 供给方平台

  • header bidding:绕过中间商ADX,由媒体直接向广告主或者DSP询价。

第7章 数据加工与交易

7.1 有价值的数据来源

  • 用户标识:web端cookie映射,IOS端IDFA,Android端Android ID或IMEI;
  • 用户行为:

    • 决策行为:转化(conversion)、预转化(pre-conversion);
    • 主动行为:广告点击、搜索、搜索点击;
    • 半主动行为:分享、网页浏览;
    • 被动行为:广告浏览,某广告浏览的频次与其点击负相关;
  • 人口属性:性别、年龄;
  • 地理位置;
  • 社交关系;
  • 设备信息。

7.2 数据管理平台

  • 简称DMP。
  • 三方数据:第一方指广告主,第二方指媒体,第三方指其他。
  • 第一方DMP,也称数据管理平台,为广告主加工第一方数据;
  • 第三方DMP,也称数据交易平台,收集第三方数据加工后卖给DSP。

7.3 数据交易的基本过程

  • DMP把数据交给ADX,作为ADX的一项辅助服务卖给各家DSP。

7.4 隐私保护和数据安全

第8章 信息流与原生广告

8.1 移动广告的现状与挑战

  • 移动广告占在线广告的份额已经超过一半。
  • 移动广告的特点:定位更精准,场景广告、本地化广告。
  • 移动广告的传统创意创新:

    • 横幅、插屏(应用、游戏暂停时):竞价售卖;
    • 开屏、锁屏:合约售卖;
    • 推荐墙、积分墙:推荐应用下载,下载后可以赚积分。
  • 移动广告的挑战:

    • 应用生态造成的行为数据割裂:各应用独立,整合数据比较麻烦;
    • PC时代的广告主移动化程度不足:广告主的落地页和交互页在移动端体验差;
    • 移动端屏幕小,广告位影响体验。

8.2 信息流广告

  • 广告位适配问题:各媒体平台的原生广告,需要的广告尺寸不同;
  • 广告竞价与放置:同一信息流下的广告构成竞价队列,广告出现在信息流的第几条也需要考虑。

8.3 其他原生广告相关产品

  • 搜索广告:搜索广告本身就是原生广告;
  • 软文广告;
  • 联盟:媒体从广告库中自由选择要推广的对象;原生广告也需要媒体有选择的权力。

8.4 原生广告平台

  • 表现原生与场景原生:

    • 表现原生:广告展示风格和内容展示风格一致;
    • 场景原生:广告的投放逻辑与内容生产一致。
  • 场景的感知与应用:比如推理用户现在在工作还是在休闲。
  • 植入式原生广告。

8.5 原生广告与程序化交易

Image placeholder
liuhaichaung
未设置
  80人点赞

没有讨论,发表一下自己的看法吧

推荐文章
Laravel 底层分析:生命周期和容器 Container(第一部分)

本篇用于介绍Laravel5.6底层源码 最早加载的文件 一旦你打开某个网站,比如http://example.com,你的Web服务器(nginx,Apache,...)首先指向的是public目录

《Go语言程序设计》读书笔记(六) 基于共享变量的并发

竞争条件 在一个线性(就是说只有一个goroutine的)的程序中,程序的执行顺序只由程序的逻辑来决定。在有两个或更多goroutine的程序中,每一个goroutine内的语句也是按照既定的顺序去执

流畅的Python读书笔记 --- 第一章 Python数据模型

近期开始读“流畅的Python”这本书,想把自己的读书笔记分享给大家,希望能帮到也对这本书感兴趣但是没时间看的各位。(文章中大部分的话和图片摘录总结自“流畅的Python”一书,以及python官方网

前端面试每日 3+1 —— 第263天

今天的知识点(2020.01.04)——第263天(我也要出题) [html]html5怎么判断app是否安装? [css]使用sass的方式有哪些? [js]举例说明object.freeze有

微博广告策略工程架构体系演进

概述 1.广告样式与场景 上图是微博广告目前商业场景流,“一屏四大流”。“一屏”指打开微博的Fashion,“四大流”指占据微博商业化的主体,包括关系信息流、热门流、评论流和热搜流。右图为广告投放的

微软张若非:搜索引擎和广告系统,那些你所不知的AI落地技术

这两年,被誉为“ 皇冠上的明珠”的自然语言处理领域发展愈发火热,成为了业内新宠,而 搜索和广告这两大老牌技术领域似乎已被大家遗忘。其实,这两大接地气的工程领域仍是各企业竞相抢夺的市场之一。近日,AI科

腾讯视频去广告实践

闲话不表,去除腾讯视频广告步骤: 通过请求某个视频在浏览器中的地址,分析页面返回,获取视频的vid 拼接接口地址,请求tx的某接口,获取视频的真实地址 通过selinum的webdriver,向chr

秒读 Excel 百万数据(第一篇)

读取前的准备工作 1.文件类型属于.xls、.xlsx,需要用办公软件WPS或Office将文件另存为.csv类型。不能直接重命名修改文件类型,直接重命名修改文件类型会导致数据格式不兼容,Window

《MongoDB高手课》学习记录(第十六天)

第十六天今天开始事务的学习,要学习的章节为《19|事务开发:写操作事务》,其实主要就是讲一个参数writeConcern。什么是writeConcern?之前第一章我们学过,生产环境中MongoDB最

《MongoDB高手课》学习记录(第十七天)

写在前面最近有新项目上线,实在太忙了,学习的进度有点拖沓,但会坚持。第十七天今天要学的是《20|事务开发:读操作事务之一》章节。主要讲解的是怎么哪里读取数据的问题。readRreference参数值有

注释部分笔记

点击下方截图可插入当前视频播放画面,了解更多Mackdown语法可以点击上方?图标

AI 计算竞争升级,参访平安科技背后的硬实力

平安科技的四块科技版图,分别是云、认知、区块链和人工智能。所有的AI公司在AI领域中最核心的壁垒不是技术,因为技术都是人创造的,打磨团队就可以。核心的壁垒应该时间、业务和场景。智能科技的涌现、大数据

干货:计算机网络知识总结

一计算机概述 (1),基本术语 结点(node): 网络中的结点可以是计算机,集线器,交换机或路由器等。 链路(link): 从一个结点到另一个结点的一段物理线路。中间没有任何其他交点。 主机

Go语言高级编程_3.2 计算机结构

3.2计算机结构 汇编语言是直面计算机的编程语言,因此理解计算机结构是掌握汇编语言的前提。当前流行的计算机基本采用的是冯·诺伊曼计算机体系结构(在某些特殊领域还有哈佛体系架构)。冯·诺依曼结构也称为普

学计算机我后悔了的原因盘点

  学计算机我后悔了的原因盘点,课程进度快加班多、技术更新换代快需要不断学习,整个IT行业对快速迭代要求很高越快占领市场越好。产品质量难以把控,会频繁出现bug需要及时修改bug。   学计算机我后悔

历史上最著名计算机病毒,似乎都成了我们的回忆

Windows勒索病毒似乎让全球计算机用户都闻风丧胆,不过这其实真的不算什么。然而令人始料不及的是,即便勒索病毒传遍了100多个国家,也仅仅才收获了5万美金。所以说勒索病毒真的不算啥。历史上比勒索病毒

云计算下半场,从金融业变革看云原生的机遇与挑战

在数字化转型过程中,上云上平台是非常关键的一步。如今是否上云已经不需讨论,云计算在国内经过十年的发展走到了下半场,成为传统产业升级的新助力。而伴随着容器、微服务等技术的逐步成熟,云计算也走到了云原生时

2019 最新计算机技能排名出炉:Python 排第三,第一名是…

除了编程语言之外,要想找一份计算机相关的工作,还需要很多其他方面的技能。最近,来自美国求职公司Indeed的一份报告显示:在全美工作技能需求中,数据库语言SQL、编程语言Java分列前两位。虽然Pyt

从技术到生态构建,云计算棋局越来越大,如何成功落地

经过十多年的发展,云计算已经从概念阶段逐步走向了实践。一批互联网巨头企业迅速抢滩布局产业基础研究与核心技术领域,以BAT为代表,在云计算领域布局迅猛,外资云如AWS、甲骨文、微软、IBM,也都通过合作

如何合理部署边缘计算?

边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台。边缘计算与云计算互相协同,共同助力各行各业的数字化转型。它就近提供智能互联服务,满足行业在数字化变革过程中对业务

税务信息化跨入大数据云计算时代的思考

现状,目前据了解国税总局执行征收管理、行政管理、决策支持和外部信息等四大类应用系统在全国的推广部署,实施大数据开放与共享的建设与开发,已经完成2个国家级税务处理中心的扩容,包括计算存储资源、系统软件及

NVIDIA再放“大招”,拓宽高性能计算边界

11月19日,在丹佛2019全球超级计算大会(SC19)上,NVIDIA创始人兼首席执行官黄仁勋进行了主题演讲,并宣布了NVIDIA在高性能计算领域的最新动态与成果。这些成果表明,NVIDIA正在将自

史上最快AI计算机发布!谷歌TPU V3的1/5功耗、1/30体积,首台实体机已交付

大数据文摘作品还记得8月份占据各家科技头条的有史以来最大芯片吗?这个名为CerebrasWaferScaleEngine(WSE)的“巨无霸”面积达到42225平方毫米,拥有1.2万亿个晶体管,400

价值100亿美元!微软刚刚击败亚马逊,拿下美国国防部十年云计算基建订单

大数据文摘授权编译自《纽约时报》编译:李雷、曹培信、刘俊寰为期10年,价值100亿美元。经过长达一年的竞标,微软接连击败了谷歌、IBM、Oracle和亚马逊,拿下了美国国防部云计算这宝贵的一单。上周五

{