计算广告学实践资料.ppt

* Thx. * 急功近利法 表示10次图书页面请求 表示10次音乐页面请求 页面请求到达顺序 贪心算法 收益：1.0 广告1 广告2 广告1 广告2 预算 1 1 图书 1% 0.99% 音乐 1% 0% Adwords模型 贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比例) Adwords模型 贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比例) f(x) = 1 – exp(-x) 完成比例 f(x) Adwords模型 贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比例) -- 最差情况 Adwords模型 贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比例) -- 最差情况 改进方法：广告i的效用 = bidi * fi -- 随机情况 Adwords模型 贪心算法：广告i的效用 = bidi 改进方法：广告i的效用 = bidi * f(广告i完成比例) -- 最差情况 改进方法：广告i的效用 = bidi * fi -- 随机情况 实际情况： 不是最差 不是随机 目录 展示广告发展现状 生态系统演化 展示广告分类 媒体端技术概览 品牌广告的计划与投放 上下文广告的投放 混合投放 点击率估计 混合投放 1k 1k 1k 1k 1k 2k 1.5k 1k cpc A B C D E 品牌广告 上下文广告 混合投放 1k 1k 1k 1k 1k 2k 1.5k 1k cpc A B C D E 品牌广告 上下文广告 1k 1k 1k 0.5k 第一种分配方法. 混合投放 1k 1k 1k 1k 1k 2k 1.5k 1k cpc A B C D E 品牌广告 上下文广告 1k 0.33k 1k 0.17k 0.33k 0.33k 0.17k 0.16k 第二种分配方法. 分配方法不同，收益差别很大. 目录 展示广告发展现状 生态系统演化 展示广告分类 媒体端技术概览 品牌广告的计划与投放 上下文广告的投放 混合投放 点击率估计 数据稀疏 Units Ads User Types 广告位的流量划分 用户属性（年龄、性别、地区、...） 用户兴趣 页面属性（电影首页、音乐首页、…） 其他属性（浏览器、操作系统、...） 流量块 Borrow Strength Units Ads Orders Units 广告位的流量划分 用户属性（年龄、性别、地区、...） 用户兴趣 页面属性（电影首页、音乐首页、…） 其他属性（浏览器、操作系统、...） 权重估计 * 点击率 点击率 点击率 点击率 PV数 PV数 PV数 PV数 流量块的不同特点会影响其权重. 权重估计 * ？ 点击率 点击率 点击率 点击率 PV数 PV数 PV数 PV数 用户点击倾向 是否点击过当前广告 当前广告浏览次数 …… …… 概念漂移 时间 点击率 时间 点击率 时间 点击率 时间 点击率 时间 点击率 时间 点击率 获取信息与利用信息 Ad1: 5/40 Ad2: 1/9 点击率 概率密度 Ad1 Ad2 获取信息与利用信息 * ？ 点击率 点击率 点击率 点击率 PV数 PV数 PV数 PV数 用户点击倾向 是否点击过当前广告 …… …… 二阶效应 * Unit1 Unit2 Ad1 0.01 0.001 0.0055 Ad2 0.009 0.0009 0.00495 Unit1 Unit2 Ad1 0.01 0.001 0.006 Ad2 0.009 0.0009 0.004 Unit1 Unit2 Ad1 0.01 0.001 0.01 Ad2 0.009 0.0009 0.0009 二阶效应 * Unit1 Unit2 Ad1 0.01 0.001 0.0055 Ad2 0.009 0.0009 0.00495 Unit1 Unit2 Ad1 0.01 0.001 0.006 Ad2 0.009 0.0009 0.004 Unit1 Unit2 Ad1 0.01 0.001 0.01 Ad2 0.009 0.0009 0.0009 二阶效应 * Unit1 Unit2 Ad1 0.01 0.001 0.0055 Ad2 0.009 0.0009 0.00495 Unit1 Unit2 Ad1 0.01 0.001 0.006 Ad2 0.009 0.0009 0.004 Unit1 Unit2 Ad1 0.01 0.001 0.01 Ad2 0.009 0.0