具体描述
计算广告是一项新兴的研究课题，它涉及大规模搜索和文本分析、信息获取、统计模型、机器学习、分类、优化以及微观经济学等诸多领域的知识。本书从实践出发，系统地介绍计算广告的产品、问题、系统和算法，并且从工业界的视角对这一领域进行具体技术的深入剖析。
本书立足于广告市场的根本问题，从计算广告各个阶段所遇到的市场挑战出发，以广告系统业务形态的需求和变化为主线，依次介绍合约广告系统、竞价广告系统、程序化交易市场等重要课题，并对计算广告涉及的关键技术和算法做深入的探讨，这一版中更是加入了深度学习的基础方法论及其在计算广告中的应用。
无论是互联网公司商业化部门的产品技术人员，还是对个性化系统、大数据变现或交易有兴趣的产品技术人员，传统企业互联网化进程的决策者，传统广告业务的从业者，互联网创业者，计算机相关专业研究生，都会从阅读本书中受益匪浅。
作者简介
刘鹏（@北冥乘海生），现任科大讯飞副总裁，大数据研究院院长。他在清华大学获得博士学位后，加入微软亚洲研究院，从事人工智能研究，后参与创建雅虎北京研究院，出任高级科学家。他还曾任MediaV首席科学家、360商业化首席架构师等职。在多年从业经历中，他一直致力于将人工智能方法与海量数据相结合来解决工业界问题，负责过多个大型互联网商业产品体系。
他特别重视计算广告和大数据技术的普及，他讲授的“计算广告”在网易云课堂有超过3万名学生，已经成为业界进行相关培训的基础教程。他还曾担任北京大学、中国传媒大学等高校客座教授，讲授计算广告相关课程，为推动中国广告产业的数字化、智能化做出了贡献。
王超（@德川），于北京大学获得硕士学位后，曾就职于微博、汽车之家等公司的广告部门，从事计算广告领域的研究和实践工作。现任百度主任研发架构师，从事个性化推荐领域相关的工作。
目录信息
第1章 在线广告综述3
1.1 免费模式与互联网核心资产4
1.2 大数据与广告的关系5
1.3 广告的定义与目的7
1.4 在线广告表现形式9
1.5 在线广告简史15
第2章 计算广告基础20
2.1 广告有效性原理21
2.2 互联网广告的技术特点23
2.3 计算广告的核心问题24
2.3.1 广告收入的分解25
2.3.2 结算方式与eCPM估计的关系26
2.4 在线广告相关行业协会29
2.4.1 交互广告局29
2.4.2 美国广告代理协会30
2.4.3 美国国家广告商协会30
第二部分 在线广告产品逻辑
第3章 在线广告产品概览33
3.1 商业产品的设计原则34
3.2 广告系统的产品接口35
3.2.1 广告主层级组织与投放管理35
3.2.2 供给方管理接口38
3.2.3 供需之间多种接口形式39
第4章 合约广告41
4.1 广告位合约42
4.2 受众定向43
4.2.1 受众定向方法概览43
4.2.2 受众定向标签体系46
4.2.3 标签体系的设计思路47
4.3 展示量合约48
4.3.1 流量预测49
4.3.2 流量塑形50
4.3.3 在线分配50
4.3.4 产品案例51
第5章 搜索广告与竞价广告53
5.1 搜索广告54
5.1.1 搜索广告产品形态55
5.1.2 搜索广告产品新形式57
5.1.3 搜索广告产品策略60
5.1.4 产品案例62
5.2 位置拍卖与机制设计64
5.2.1 市场保留价65
5.2.2 定价问题66
5.2.3 价格挤压68
5.2.4 Myerson最优拍卖69
5.2.5 定价结果示例69
5.3 竞价广告网络70
5.3.1 广告网络产品形态71
5.3.2 广告网络产品策略72
5.3.3 产品案例73
5.4 竞价广告需求方产品74
5.4.1 搜索引擎营销74
5.4.2 交易终端75
5.4.3 产品案例75
5.5 竞价广告与合约广告的比较77
第6章 程序化交易广告78
6.1 实时竞价79
6.2 其他程序化交易方式82
6.2.1 优选82
6.2.2 私有市场83
6.2.3 程序化直投84
6.2.4 广告交易方式谱系84
6.3 广告交易平台85
6.4 需求方平台87
6.4.1 需求方平台产品策略87
6.4.2 出价策略88
6.4.3 出价和定价过程89
6.4.4 重定向89
6.4.5 新客推荐91
6.4.6 产品案例92
6.5 供给方平台94
6.5.1 供给方平台产品策略94
6.5.2 HeaderBidding95
6.5.3 产品案例96
第7章 数据加工与交易99
7.1 有价值的数据来源100
7.2 数据管理平台102
7.2.1 三方数据划分102
7.2.2 第一方数据管理平台102
7.2.3 第三方数据管理平台103
7.2.4 产品案例104
7.3 数据交易的基本过程107
7.4 隐私保护和数据安全109
7.4.1 隐私保护问题109
7.4.2 程序化交易中的数据安全111
7.4.3 欧盟的通用数据保护条例113
第8章 信息流与原生广告115
8.1 移动广告的现状与挑战116
8.1.1 移动广告的特点117
8.1.2 移动广告的传统创意形式117
8.1.3 移动广告的挑战119
8.2 信息流广告121
8.2.1 信息流广告的定义121
8.2.2 信息流广告产品关键123
8.3 其他原生广告相关产品124
8.3.1 搜索广告125
8.3.2 软文广告125
8.3.3 联盟125
8.4 原生广告平台126
8.4.1 表现原生与场景原生126
8.4.2 场景的感知与应用127
8.4.3 植入式原生广告128
8.4.4 产品案例130
8.5 原生广告与程序化交易134
第三部分 计算广告关键技术
第9章 计算广告技术概览137
9.1 个性化系统框架138
9.2 各类广告系统优化目标139
9.3 计算广告系统架构140
9.3.1 广告投放引擎142
9.3.2 数据高速公路143
9.3.3 离线数据处理143
9.3.4 在线数据处理144
9.4 计算广告系统主要技术144
9.5 用开源工具搭建计算广告系统146
9.5.1 Web服务器Nginx146
9.5.2 分布式配置和集群管理工具ZooKeeper148
9.5.3 全文检索引擎Lucene148
9.5.4 跨语言通信接口Thrift149
9.5.5 数据高速公路Flume150
9.5.6 分布式数据处理平台Hadoop150
9.5.7 特征在线缓存Redis151
9.5.8 流计算平台Storm152
9.5.9 高效的迭代计算框架Spark152
第10章 基础知识准备154
10.1 信息检索155
10.1.1 倒排索引155
10.1.2 向量空间模型157
10.2 最优化方法158
10.2.1 拉格朗日法与凸优化159
10.2.2 下降单纯形法160
10.2.3 梯度下降法160
10.2.4 拟牛顿法162
10.3 统计机器学习167
10.3.1 最大熵与指数族分布168
10.3.2 混合模型和EM算法169
10.3.3 贝叶斯学习171
10.4 统计模型分布式优化框架174
10.5 深度学习175
10.5.1 深度神经网络优化方法176
10.5.2 卷积神经网络（CNN）177
10.5.3 递归神经网络（RNN）178
10.5.4 生成对抗网络（GAN）180
第11章 合约广告核心技术181
11.1 广告排期系统182
11.2 担保式投送系统183
11.2.1 流量预测185
11.2.2 频次控制186
11.3 在线分配188
11.3.1 在线分配问题188
11.3.2 在线分配问题举例190
11.3.3 极限性能研究192
11.3.4 实用优化算法193
第12章 受众定向核心技术201
12.1 受众定向技术分类202
12.2 上下文定向203
12.3 文本主题挖掘205
12.3.1 LSA模型206
12.3.2 PLSI模型206
12.3.3 LDA模型207
12.3.4 词嵌入word2vec208
12.4 行为定向209
12.4.1 行为定向建模问题210
12.4.2 行为定向特征生成211
12.4.3 行为定向决策过程214
12.4.4 行为定向的评测215
12.5 人口属性预测217
12.6 数据管理平台218
第13章 竞价广告核心技术220
13.1 竞价广告计价算法220
13.2 搜索广告系统222
13.2.1 查询扩展223
13.2.2 广告放置226
13.3 广告网络227
13.4 广告检索229
13.4.1 布尔表达式的检索230
13.4.2 相关性检索234
13.4.3 基于DNN的语义建模238
13.4.4 最近邻语义检索241
第14章 点击率预测模型247
14.1 点击率预测248
14.1.1 点击率基本模型248
14.1.2 LR模型优化算法249
14.1.3 点击率模型的校正256
14.1.4 点击率模型的特征257
14.1.5 点击率模型评测262
14.1.6 智能频次控制264
14.2 其他点击率模型264
14.2.1 因子分解机264
14.2.2 GBDT265
14.2.3 深度学习点击率模型267
14.3 探索与利用268
14.3.1 强化学习与E&E268
14.3.2 UCB方法270
14.3.3 考虑上下文的bandit271
第15章 程序化交易核心技术272
15.1 广告交易平台273
15.1.1 cookie映射273
15.1.2 询价优化277
15.2 需求方平台278
15.2.1 定制化用户标签280
15.2.2 DSP中的点击率预测282
15.2.3 点击价值估计283
15.2.4 出价策略284
15.3 供给方平台284
第16章 其他广告相关技术286
16.1 创意优化287
16.1.1 程序化创意287
16.1.2 点击热力图288
16.1.3 创意的发展趋势289
16.2 实验框架291
16.3 广告监测与归因292
16.3.1 广告监测292
16.3.2 广告安全294
16.3.3 广告效果归因295
16.4 作弊与反作弊296
16.4.1 作弊的方法分类296
16.4.2 常见的作弊方法297
16.5 产品技术选型实战301
16.5.1 媒体实战302
16.5.2 广告主实战304
16.5.3 数据提供方实战306
第四部分 附录
附录 主要术语及缩写索引311
参考文献317
· · · · · · (收起)
读后感
第1章 在线广告综述 广告的定义与目的 根据广告目的不同，广告分为品牌广告（brand awareness） 、直接效果广告（direct response） 在传统广告产品中，大量投送和优化效果广告的能力显然是缺乏的。这是因为，对短期效果的追求要求广告精准地送达目标人群，而这在传统媒体上...
评分第1章 在线广告综述 广告的定义与目的 根据广告目的不同，广告分为品牌广告（brand awareness） 、直接效果广告（direct response） 在传统广告产品中，大量投送和优化效果广告的能力显然是缺乏的。这是因为，对短期效果的追求要求广告精准地送达目标人群，而这在传统媒体上...
评分本来之前看过一本讲人工智能的书，有章节大概介绍过计算广告，心里对计算逻辑还是有概念的。但这本一路看下来，心里就是觉得为什么看着这么累啊。 首先不知道这本书定位是怎样的，很多章节确实讲的很浅，感觉一个话题还没展开，就结束了。一小章看完之后，脑海里面回顾一下，这...
评分第一章 在线广告 以人群为投放目标、以产品为导向的技术型投放模式 是大数据应用最成熟、市场规模最大的行业 广告主、媒体、用户 三方都要被满足 个性化推荐和程序化广告需要用到每一个人的行为进行定制化推送 广告定义：广告主通过媒体 达到低成本的用户接触 一切付费的信息、...
评分书中章节后“延伸思考”版块的问题还都算有意思，挑一些说下自己的看法。挖个坑，慢慢填。 第一章 1. 考虑到品牌广告和直接效果广告的目的性差异，两者在创意设计、投放策略、媒介选择等方面应该有什么区别？ 这个问题从媒介选择上反推会更清楚。品牌广告通常根据有效受众（T...
用户评价
《计算广告 第2版》这本书，对我来说，简直是一场知识的盛宴。作为一个对互联网广告和大数据技术充满好奇的人，我一直渴望能够深入了解计算广告这个领域，而这本书恰好满足了我的需求。它系统地讲解了计算广告的核心概念、关键技术和实际应用，从最基础的广告投放流程，到复杂的机器学习算法，再到广告系统的架构设计，无所不包。我最喜欢的部分是关于广告效果评估和归因分析的章节。以前我总是凭感觉去判断广告的效果，这本书则为我提供了一套科学的评价体系，让我能够准确地衡量广告的投入产出比，并找到优化投放的切入点。 作者在讲解过程中，将抽象的数学模型与实际的广告场景紧密结合，使得原本枯燥的理论变得生动有趣。比如，在介绍如何预测用户点击率时，作者会详细地解释逻辑回归、因子分解机等算法的工作原理，并用图表和公式来辅助说明。这种“理论与实践并重”的讲解方式，让我能够更好地理解算法的精髓，并将其应用到实际工作中。我学到了如何构建更有效的用户画像，如何进行精准的广告定向，以及如何利用不同的竞价策略来最大化广告效果。 另外，书中对反作弊和数据安全问题的探讨也让我印象深刻。在如今这个数据为王的时代，如何保障用户数据的安全和隐私，以及如何有效识别和打击广告欺诈，已经成为计算广告领域的重要课题。这本书就详细介绍了各种反作弊技术，比如流量劫持、像素填充、机器人点击等，并提出了相应的解决方案。这让我意识到，在追求技术进步的同时，也要关注伦理和社会责任。 《计算广告 第2版》的语言风格非常专业，逻辑严谨，但又充满了启发性。作者并没有一味地堆砌技术术语，而是用清晰的思路和生动的语言，带领读者一步步深入了解计算广告的魅力。虽然有些章节需要花费更多的时间去消化，但每一次的阅读都让我收获颇丰。这本书不仅提升了我对计算广告的专业认知，更重要的是，它改变了我对待广告投放的思维方式，让我能够从一个更科学、更理性的角度去解决问题。 总而言之，《计算广告 第2版》是一本非常值得推荐的书籍，它为我打开了计算广告领域的一扇新大门。无论是对于想要入行计算广告领域的新手，还是希望在现有基础上更进一步的从业者，这本书都能为你提供宝贵的知识和深刻的启发。它让我看到了计算广告的巨大潜力和无限可能，也让我对未来的广告技术发展充满了期待。
评分这次有幸拜读了《计算广告 第2版》，我真是受益匪浅。作为一名在互联网广告行业摸爬滚打了几年的人，我深知算法和数据在其中扮演的角色，但始终觉得自己在理论层面有些欠缺。《计算广告 第2版》就像及时雨，系统地梳理了计算广告的核心概念和技术，让我对这个行业有了更宏观、更深入的理解。 书中的内容涵盖了从广告投放的基本流程，到各种复杂的推荐算法、竞价策略，再到用户画像的构建和反作弊机制的原理，简直就是计算广告领域的百科全书。特别是关于实时竞价（RTB）的部分，作者用非常清晰的逻辑和生动的例子，将一个看似神秘的技术流程剖析得淋漓尽致。我之前一直对RTB的背后运作机制感到好奇，这本书解答了我所有的疑问，让我明白了每一分广告费是如何在毫秒之间被有效分配的。 此外，书中对于用户行为分析和预测模型的讲解也让我眼前一亮。通过对海量用户数据的挖掘，如何精准地识别潜在客户，预测他们的购买意愿，并为他们推送最相关的广告，这其中的奥秘这本书都一一揭示。我学会了如何从数据中提炼有价值的信息，如何构建更有效的用户画像，以及如何利用机器学习模型来优化广告投放效果。 这本书的语言风格也非常接地气，虽然涉及很多专业术语，但作者总是能够用通俗易懂的方式进行解释，并且辅以大量的图表和实例，使得学习过程更加轻松愉快。即使是初次接触计算广告的读者，也能很快地掌握其中的精髓。对于我来说，这本书就像是一本宝典，让我能够将日常工作中遇到的问题与书中的理论相结合，从而找到更好的解决方案，不断提升自己的工作效率和专业能力。 总而言之，《计算广告 第2版》是一本我强烈推荐给所有从事互联网广告、数据科学、机器学习相关领域的朋友们的书籍。它不仅能帮助你理解计算广告的运作原理，更能为你提供解决实际问题的思路和方法。这本书绝对是我近几年阅读过的最有价值的技术书籍之一，它为我的职业发展注入了新的动力，也让我对未来计算广告的发展趋势有了更清晰的认识。
评分拿到《计算广告 第2版》这本书，我最大的感受就是“厚重”。翻开目录，我就被里面涵盖的广度和深度所震撼。从最基础的概念，比如CPM、CPC、CTR、CVR，到复杂的算法，比如向量机、深度学习在广告中的应用，再到系统架构，比如Ad Exchange、DSP、SSP，这本书几乎把计算广告的方方面面都囊括进去了。我一直对广告系统是如何运作的充满好奇，这本书就像给我打开了一个潘多拉的盒子，让我看到了隐藏在屏幕背后那个庞大而精密的数字世界。 我特别喜欢书中关于竞价机制的讲解。想象一下，每天有无数的广告主在同一个时间点，为了同一个用户展示位置进行着激烈的“厮杀”，而这一切都发生在毫秒之间。这本书就详细地阐述了各种竞价算法，比如GSP、Vickrey auction，以及它们在真实场景中的应用。我这才明白，原来广告的投放并非简单的“出价高者得”，而是涉及到复杂的博弈论和优化问题。这种对底层机制的深入剖析，让我对广告的商业逻辑有了更深刻的认识。 另外，书中对用户画像和个性化推荐的讨论也非常精彩。它不仅仅停留在“知道用户喜欢什么”的层面，而是深入探讨了如何构建更精准、更动态的用户画像，如何利用协同过滤、内容推荐等算法来实现千人千面的广告展示。我学会了如何从用户的历史行为、人口统计学特征、兴趣爱好等多个维度去理解用户，并据此为他们推送最可能感兴趣的广告。这不仅能提升广告效果，也能在一定程度上改善用户的广告体验。 这本书的写作风格非常学术化，但又保持了一定的可读性。作者在阐述复杂概念时，会用清晰的逻辑和严谨的数学推导来支撑，但同时也会穿插一些实际的案例来帮助读者理解。虽然有些章节对于我这个非技术背景的读者来说，理解起来需要花费更多的精力，但我能感受到作者在内容上的精心打磨，每一个字都充满了智慧。 总的来说，《计算广告 第2版》这本书，对于任何想要深入了解互联网广告行业的人来说，都是一本必读之作。它不仅提供了一个系统性的知识框架，更重要的是，它能够帮助你建立起一种数据驱动的思维模式，让你在面对广告投放时，能够更加专业、更加高效。这本书就像一本武林秘籍，让我这个江湖新手，也能够窥探到广告界的“绝世武功”。
评分对于《计算广告 第2版》这本书，我只能说，它完全超出了我的预期。一直以来，我总觉得计算广告是一个神秘而高深的领域，但这本书就像一位循循善诱的老师，一点点地将这个领域的奥秘展现在我面前。从最基础的广告投放逻辑，到复杂的算法模型，再到整个广告生态系统的运作，这本书都讲解得非常到位。我尤其喜欢书中关于广告点击率（CTR）和转化率（CVR）预测的部分。作者用非常清晰的数学模型，解释了如何利用历史数据来预测用户的点击行为和购买意愿。 我之前一直对如何提高广告的投放效率感到困扰，这本书就为我提供了一套行之有效的方法论。它详细介绍了各种优化策略，比如如何进行A/B测试来验证不同的广告创意和投放参数，如何利用机器学习模型来动态调整出价和定向策略，以及如何通过数据分析来识别广告投放中的瓶颈。这些内容对我来说，简直是“及时雨”，让我能够将理论知识转化为实际操作，从而显著提升广告的ROI。 书中关于实时竞价（RTB）的讲解也让我大开眼界。我一直对广告交易平台（Ad Exchange）和需求方平台（DSP）等概念感到好奇，这本书就详细地介绍了这些平台的运作机制，以及它们如何在毫秒级的时间内完成广告的交易和投放。我这才明白，原来我们在浏览网页时看到的广告，背后是如此复杂而高效的系统在支撑。这种对底层架构的深入解析，让我对整个计算广告生态系统有了更全面的认识。 《计算广告 第2版》的语言风格非常严谨，但也充满了智慧。作者在讲解复杂概念时，总是能够用最简洁的语言来表达最核心的思想。而且，书中还穿插了一些实际的案例研究，让我能够更直观地理解书中的理论知识。虽然有些章节对于我这个非技术背景的人来说，理解起来需要花费更多的精力，但我能感受到作者在内容上的精益求精，每一个细节都值得推敲。 总而言之，这本书不仅是一本技术指南，更是一本思维的启迪。它让我看到了计算广告背后蕴含的巨大潜力和无限可能，也让我对未来的广告技术发展充满了期待。对于任何从事互联网广告、数据分析、算法推荐等相关领域的朋友们，我强烈推荐你们阅读《计算广告 第2版》。它绝对会刷新你对计算广告的认知，并为你的职业发展带来新的机遇。
评分刚拿到《计算广告 第2版》的时候，我还有些犹豫，想着自己毕竟不是科班出身，能不能看得懂。但读完之后，我只能说，我的担心完全是多余的！这本书的内容编排简直太合理了，从最基础的广告展示模型讲起，循序渐进地深入到各种复杂的算法和系统设计。我最喜欢的部分是关于广告效果评估和归因分析的章节。以前我总是在想，我投出去的广告到底有多少是真正带来了转化的？这本书就用严谨的数学模型和统计方法，教会了我如何科学地衡量广告效果，如何区分不同渠道的贡献，以及如何进行有效的A/B测试来优化投放策略。 作者在讲解这些内容时，并没有回避那些枯燥的数学公式，而是非常巧妙地将它们融入到实际的广告场景中，让读者能够直观地理解公式背后的意义。比如，在介绍逻辑回归用于点击率预测时，作者会详细解释每一个变量的含义，以及它们如何影响最终的预测结果。这种“知其然，更知其所以然”的学习方式，让我觉得特别过瘾。而且，书中还提供了很多代码示例和伪代码，方便读者动手实践，将理论知识转化为实际操作。 另一个让我印象深刻的是关于定向投放的部分。我一直对如何实现精准营销感到好奇，这本书详细介绍了各种定向技术的原理，从基于用户行为的定向，到基于场景的定向，再到基于人群标签的定向，每一种方法都解释得清清楚楚。更重要的是，它还讨论了在进行定向投放时可能遇到的隐私问题，以及如何平衡广告效果和用户隐私。这让我意识到，在追求技术进步的同时，也要关注伦理和社会责任。 《计算广告 第2版》的语言风格非常专业，但又不失严谨。作者用词精准，逻辑清晰，没有丝毫的含糊不清。读起来感觉像是在和一位经验丰富的广告技术专家在进行一对一的交流。虽然我可能无法完全理解书中每一个细节的数学推导，但整体的框架和核心思想我已经牢牢掌握。这本书不仅提升了我对计算广告的认知水平，更重要的是，它改变了我对待广告投放的思维方式，让我能够从一个更科学、更理性的角度去思考和解决问题。 这本书的价值不仅仅在于理论知识的传授，更在于它能够帮助读者建立起一套完整的计算广告知识体系。无论是对于想要入行计算广告领域的新手，还是希望在现有基础上更进一步的从业者，这本书都绝对是一份不可多得的宝藏。它让我看到了计算广告的无限可能，也让我对未来的广告技术发展充满了期待。
评分勉强算读过，因为第三部分技术跳过了。
评分这个必须Mark啊!
评分勉强算读过，因为第三部分技术跳过了。
评分作为广告学的学生表示买错书了
评分非常详细的说明了各种网络广告的发展与特征。尤其是通过各种技术上的细节不同，说明了在应用层面的推广和扩展，对于非it人士而言，非常友好。举的例子也算是平衡了前沿与常见，比较容易理解。 后面的公式算是较为困难，只能够囫囵吞枣地从整体上意会，细节还是无法掌握。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.quotespace.org All Rights Reserved. 小美书屋 版权所有