互联网书摘：计算广告市场变现与技术
不深入了解在线广告，就不太可能全面了解互联网业务。在线广告开启了大规模、自动化地利用数据改善产品和提高收入的先河。可以不夸张地说，在过去相当长的一段时间，大数据这一方法论在实践中唯一形成规模化营收的落地行业就是在线广告，即使在今天，计算广告仍然是大数据应用中最为成熟、市场规模最大的行业。
大数据问题：基本上不可能通过只处理一小部分数据来达到处理全量数据所能达到的效果，或者说随着数据采样率降低，解决问题的收益会快速下降。例如：个性化推荐和计算广告需要用到每一个人的行为进行定制化推送，而无法只采样其中一部分人来处理。
广告：由已确定的出资人通过各种媒体进行的有关产品（商品、服务和观点）的，通常是有偿的、有组织的、综合和、劝服性的非人员的信息传播活动。
广告的根本目的是广告主通过媒体达到低成本的用户触达。
一切付费的信息、产品或者服务的传播渠道、都是广告。
计算广告的核心问题：为一系列用户与环境的组合找到最合适的广告投放策略以优化整体广告活动的利润。
出资人、媒体和受众这三者的利益博弈关系是广告活动永远的主线、这一主线将贯穿于商业和产品形态的整个演化过程。
整合营销（integeratedmarketing）：通过多种取得的有机配合来达到整体投放效果最优。
在线广告的类型：横幅广告（bannerad）、文字链广告、富媒体广告、视频广告、社交广告、移动广告、邮件定向广告
定向广告（targetedadvertising）：受众定向（audience targeting），广告投放（ad serving）
在线分配问题（onlineallocation）合约广告中，在满足合约目标受众量的要求的同时尽可能为所有广告商分配更好质量的流量。
广义第二高价（generalizedsecond price）GSP
广告网络（ad network）ADN
千次展示收益（revenue permile）RPM
私有交易市场（private marketplace）PMP
转化率（conversion rate） CVR
千次展示期望收入（expectedcost per mile）eCPM 计算广告中最核心的量化指标之一，可分解成点击率和点击价值的乘积。
千次展示成本 CPM
广告效果产生过程
却靠前阶段，其效果改善对点击率贡献越大，越靠后阶段，期效果改善对转化率贡献越大。
计算广告期望值：
计算广告期望
a 广告 u用户 c环境 r收入 q成本；该公式的隐含假设：整体收入或者成本能被分解到每次展示上
eCPM拆解
u表示点击率，v表示点击价值
结算方式比较
在线广告产品进化示意图
对于每一种广告产品形态来说，都可能会有三个组成部分：
1. 面向需求方的接口
2.面向供给方的接口
3.中间投放系统以及匹配策略
商业产品一般有一个明确的商业目标，商业产品的使用者的使用目的也是优化这个商业目标。商业产品的任何一项功能改进，只要能带来对应商业目标的提升机会，即时在使用流程上引入一些不便，也是可以接受的。新产品的功能的规划也要在洞察历史数据以及其他用户产品的数据基础上进行。从数据分析开始，以数据结束，这样闭环式迭代是最适合商业产品的开发模式。
广告的层次分为：广告主、广告推广计划（campaign）、广告推广组（adgroup）、广告创业（creative）
受众定向
1. 地域定向
2.人口属性定向
3.频道定向：完全按照供给方的内容分类体系将库存按照频道划分，对各频道的流量投送不同的广告
4.上下文定向
5.行为定向：一些列上下文的融合
6.精确位置定向
7.重定向：精准程度最高，效果最突出
8.新客推荐定向
受众定向标签体系
实践中的展示量合约往往是以一些曝光量很大的广告位作为基础，再切分人群售卖：门户首页广告位。
流量预测：（trafficforecasting）
1. 售前指导
2. 在线流量分配
3.出价指导
流量塑形（traffic shaping）：主动影响流量以利于合约的达成
合约广告在线分配：需要根据历史数据和某种策略离线得到一个分配方案，线上则照此方案执行。当节点流量过小时，对其进行相对准确的预测变得相当困难，展示量合约对人群标签非常丰富的情况下无法有效进行，这正是竞价广告的原动力。。
搜索与竞价广告
竞价广告的本质是将量的约束从交易过程中去除，仅仅采用“价高者得”的方式投放每一次广告。也使得大量中小广告主能参与其中分配长尾流量带来的收益。
相比较合约广告，没有量也没有价。
广告竞价的标的物有：
1. 上下文页面中的关键词
2.用户行为加工的兴趣标签
查询拓展：
1. 精确匹配
2.短语匹配
3.广泛匹配
4.否定匹配
个性化广告设置：由于个人偏好以及对广告的了解不同，不同的用户对广告的容忍度和点击率呈现明显的差别。
广告网络中由于广告位的差别巨大，点击率的变动范围很大，这使得稳健地估计点击率变得非常困难。在竞价广告市场中，广告主量的需求仍然存在，因此保量合约并不是消失了，而是由代理与媒体之间下沉到广告主与媒体采买平台之间。
程序化交易广告
广告交易平台ADX对于采买方，对应的需求方平台即DSP。
从需求方来看，定制化的用户划分能力使得广告主可以像优化自己推荐系统那样优化广告购买，唯一的区别是这个推荐系统是放在站外的。出价需求的存在和广告主预算范围内的套利要求DSP具备点击率预测，点击价值预估，流量预测，站外推荐等多方面运算能力。
用定制化标签指导广告投放是实时化竞价的关键产品目标。
广告交易方式
供给方将广告位直接托管给ADN或者多个广告联盟，网络优化（network-optimization）按照一些准则或者计算结果灵活对不同的流量分割选择不同的ADN。这种交易方式虽然已经比较依赖计算，但是双方的决策并非实时完成，效率没有达到最高。这样的交易方式成为半程序化交易。
DSP：
以RTB方式购买广告的产品形态。1是RTB方式的流量购买，2是需要支持需求方定制的用户划分。
只有在信息完全对称，也就是受众信息完全被DSP知晓的情况下，DSP的出价才完全合理。
DSP中，以第一方数据为核心，结合第二方或者第三方数据的定制化标签，即t（a,u）的定向方式。各种定向中，重定向和look alike（新客推荐）的方法具有一定普适性，是DSP需要特别重视的产品策略。DSP引擎预测每一次流量的点击率和转化率，将该出价转化为CPM报价。
出价策略：在DSP中，由于每次展示都要按照CPM向ADX报价，因此准确估计eCPM非常关键，这也是DSP出价策略的基础。
首先，通过历史的观测得到市场价格曲线；然后，将一天的预算分配到那些市场价格较低的流量上。而eCPM也随着时间变化时，我们希望得到的流量应该是eCPM与市场价格比例较大的流量。
重定向
网络重定向：即将在一段时间内到达过广告主网站的用户作为重定向集合。
主要两个影响因素：1. 广告主网站的独立访问量水平2.访客与媒体重合程度
个性化重定向：对重定向流量进行深入加工，按照品类和购买阶段等因素进行创意上的深度个性化。
1， 对于处于不同购买阶段的用户，采用适合的创意推动他尽快完成转化，购买阶段包括浏览、搜索、加入购物车等
2，对已经有过一些购买记录的用户，使用推荐技术向其展示相关商品以提升二次购买率；可以认为是一种站外推荐；
个性化重定向产品三大关键：1.动态创意 2.推荐引擎 3.广告主商品库存实时接口
个性化重定向需要预先在广告主网站布置跟踪代码，这使得新广告主加入的进程变得非常复杂。
搜索重定向：搜索过于广告主直接相关的关键词的用户位置重定向集合。
基于广告主流量搜索引擎的流量统计其中频度较高的关键词作为搜索重定向词表。
某些DSP中（Critio），广告主可以根据不同的用户细分，商品种类，具体数据和创意类型设置不同的点击出价，从而达到非常精细的ROI管理和优化的目的。
SSP
广告请求是被分配到自营的广告库，还是其他广告网络，或者是DSP，是根据他们的收益在线动态决定的，这样的分配方案称为动态分配（dynamic allocation），对应的产品形态为SSP
SSP流程：
1. 从自由广告库中根据当前受众标签检索合适的广告候选，并预估每个广告候选的eCPM
2.排序得到eCPM最高的广告候选以及相应的eCPM值Rmax
3.同样根据环境信息和受众标签估算各个合作广告网络大致的eCPM
4.排序得到eCPM最高的广告网络以及相应的eCPM值R2max
5以max(Rmax,R2max)为底价，通过RTB接口向各个询价的DSP查询更高变现价值的广告
这样一来，既可以利用RTB带来的大量广告主和市场的流动性，有充分利用本地广告库抬高竞价水平
实践中主要考虑1.ADN与DSP的分成模式和比例 2他们各自的广告返回率
SSP也会从DSP购买用户数据，一方面深入预估各个广告网络的eCPM，另一方面方便了解各个DSP流量质量，从而刺激DSP竞价价格与市场流动性。
DMP
提升定向的精准程度与人群覆盖率，决定性是数据来源与质量。
有价值的数据来源：
1. 用户标识：cookie映射 IOS（IDFA）Android ID
2.用户行为：
业界通常认为，转化（conversion）、预转化（pre-conversion）、搜索广告点击（sponsoredsearch click）、展示广告点击（ad click）、搜索点击（search click）、搜索（search）、分享（share）、页面浏览（page view）、广告浏览（ad view）这些行为可以分为决策行为 ， 主动行为 ，半主动行为和被动行为
广告浏览频次和相应类别广告点击非正相关（部分时候负相关）
3.人口属性
4地理位置
5社交关系：隐含了一种联系人之间兴趣相似的合理推测
仅适用于长期稳定的兴趣，对于短时的购买兴趣不太适用。
随着用户主动意图的提升，相应行为数据的信息价值也随之增大，其次，越接近转化的行为，对效果广告的精准指导越强。不能单纯追求ROI或者转化结果，而是要根据广告主的具体人群接触目标来平衡效果和覆盖率。
DMP核心功能：
1. 为网站提供受众定向功能，并将得到的用户标签应用于网站业务。
2.如果媒体网站授权，Dmp可以提供接口对加工出来的用户标签进行变现，并与网站分成。
3.广告主网站可以通过DMP与广告采买平台渠道进行更方便的数据对接。
DMP是站在第一方数据角度提供产品，数据交易平台站在第三方数据角度提供。
标签体系
在线广告产品交互关系
交互关系
媒体1：广告位托管给广告网络ADN1，有广告网络决策广告投放从中赚取分成
媒体2：对接到广告交易平台ADX，以RTB形式变现
媒体3：将广告位托管给SSP，同时可以对接多个广告网络和PMP接口，并按照动态分配的逻辑选择变现最高的需求方。
移动互联与原生广告
所有商业化内容与非商业化内容统一生产或者混合排序的产品都可以认为与原生广告有关系，经常被称为“内容即广告”（content as ad）
1. 信息流广告：信息流中各条内容相关性并不强，如果在一些垂直媒体信息流中提供广告，则需要考虑上下文影响达到原生目的
2.搜索广告：在广告决策过程中要明确用户当前的任务和意图，并直接根据这些触发广告
3.软文广告
4.联盟：由媒体从广告库中自由选择要推广的对象，才能比较容易做到广告与内容在主题上的和谐，etc 淘宝客
原生广告平台
1.表现原生：社交网络信息
2.意图原生：搜索广告
植入式原生广告：广告平台提供的是结构化的付费内容。由于媒体控制广告的展示，广告平台返回的就不能是成型的图片或文字链创意，而必须是一些结构化的信息作为媒体拼装创意的素材，原生广告平台的广告库的结构不是简单的广告投放和创意信息，而是各行业结构化的付费内容，这一点将会显著改变广告业态的结构。
原生广告投放过程
1. 首先网站运营者给出用户意图，并用结构化查询来表示
2.广告投放机收到此查询后，回去酒店库中检索符合条件的结果并按照eCPM排序
3.将结构化的酒店信息拼装渲染入页面的过程有媒体控制，可以自由地根据自己的页面风格从广告产品信息中选取所需字段加工成最终创意。
在互联网市场上三种资产能够变成钱：数据、流量与品牌
媒体利用广告变现的决策过程
广告主在线营销决策过程
广告主在线营销决策过程
数据提供方
数据提供方决策过程