主编推荐语
前腾讯广告技术总监兼广告引擎总架构师10余年经验总结,全面讲解广告系统的架构、技术、实施和案例。
内容简介
这是一部从工程实践角度讲解互联网广告系统的业务价值、产品形态、架构设计、技术选型、落地方法论、实施路径和行业案例的著作。通过本书,你将掌握以下内容:
(1)互联网广告的生态和产品形态首先介绍了谷歌、Meta、亚马逊、微软等主要在线广告平台;然后介绍了主要在线广告网络和程序化购买生态;蕞后介绍了在线广告产品形态,包括在线广告的投递方式和计费方式。主要目的是帮助读者建立对互联网广告生态的宏观认知。
(2)广告投放系统的架构与设计结合FacebookMarketing、GoogleAds、TwitterAds等广告平台讲解了广告投放系统,主要内容包括广告的层级结构、三个广告平台API的特点及用法演示,以及API的基本设计原则和设计方法论。读者可以从本章中学到现代广告系统投放子系统的设计思想。
(3)广告系统的设计方法论互联网广告系统的规模往往比较大,详细介绍了以分布式系统为代表的大规模网络系统的架构设计方法论,为读者设计广告系统打下基础。
(4)广告系统的工程架构详细讲解了广告播放系统的架构设计、广告系统的数据架构设计、广告系统中的A/B测试等。
(5)广告策略系统的架构设计首先介绍了广告竞价原理和广告策略系统设计;然后讲解了广告系统预估子系统,包括预估模型数据处理、常用的模型评价方法与指标、常用的模型训练方法,以及新广告点击率预估和转化率预估。
本书系统阐述了互联网广告系统设计的方方面面,对广告系统、推荐系统、大数据系统的建设具有很高的参考价值。
目录
- 版权信息
- 序
- 前言
- 第1章 互联网广告生态
- 1.1 互联网广告生态的参与者
- 1.1.1 主要在线广告平台
- 1.1.2 主要在线广告网络
- 1.1.3 程序化购买生态
- 1.2 在线广告产品形态
- 1.2.1 在线广告的投递方式
- 1.2.2 在线广告的计费方式
- 1.3 本章小结
- 第2章 广告投放系统
- 2.1 广告层级结构
- 2.1.1 Facebook Marketing广告层级结构
- 2.1.2 Google Ads广告层级结构
- 2.1.3 Twitter Ads广告层级结构
- 2.2 API的基本设计原则
- 2.2.1 API的价值性
- 2.2.2 API的规划性
- 2.2.3 API的灵活性
- 2.2.4 API的可管理性
- 2.2.5 API的可支持性
- 2.3 广告平台API
- 2.3.1 Google Ads API
- 2.3.2 Facebook Marketing API
- 2.3.3 Twitter Ads API
- 2.4 本章小结
- 第3章 大规模网络系统架构设计
- 3.1 大规模网络系统历史背景
- 3.2 分布式集群管理系统
- 3.2.1 Docker简介
- 3.2.2 微服务技术简介
- 3.2.3 Kubernetes简介
- 3.3 分布式文件系统
- 3.3.1 GFS
- 3.3.2 HDFS
- 3.4 分布式存储
- 3.4.1 分布式存储介绍
- 3.4.2 HBase介绍
- 3.5 分布式共识服务
- 3.5.1 分布式共识算法介绍
- 3.5.2 ZooKeeper使用场景
- 3.6 负载均衡
- 3.6.1 前端请求的负载均衡
- 3.6.2 数据中心内部的负载均衡
- 3.7 监控与告警系统
- 3.8 网络服务接口规范
- 3.8.1 RESTful介绍
- 3.8.2 GraphQL介绍
- 3.8.3 RPC介绍
- 3.9 本章小结
- 第4章 广告播放系统架构设计
- 4.1 广告播放系统架构
- 4.2 数据ETL模块
- 4.2.1 数据提取
- 4.2.2 数据转换
- 4.2.3 数据加载
- 4.3 检索模块
- 4.3.1 文本检索技术
- 4.3.2 布尔检索
- 4.3.3 最近邻搜索
- 4.4 本章小结
- 第5章 广告系统数据架构设计
- 5.1 广告系统数据架构
- 5.2 广告系统数据类型
- 5.2.1 广告元数据
- 5.2.2 广告日志数据
- 5.2.3 用户画像数据
- 5.2.4 广告上下文数据
- 5.2.5 广告主私有数据与再营销
- 5.3 数据管理平台
- 5.3.1 数据管理平台简介
- 5.3.2 相似受众扩展
- 5.4 特征工程平台
- 5.4.1 特征生产
- 5.4.2 特征补录与训练样本数据流
- 5.4.3 特征存储
- 5.4.4 特征处理算法
- 5.4.5 建设统一特征工程平台的必要性
- 5.5 本章小结
- 第6章 A/B测试与互联网广告
- 6.1 A/B测试介绍
- 6.2 收集实验数据
- 6.2.1 流量管理
- 6.2.2 流量分层
- 6.3 实验数据分析
- 6.3.1 大数定律与中心极限定理
- 6.3.2 A/B测试中的样本量估计
- 6.3.3 辛普森悖论
- 6.3.4 Mantel-Haenszel指标
- 6.3.5 分桶与Jackknife重采样
- 6.4 实验信息管理
- 6.5 A/B测试的广告应用场景
- 6.6 本章小结
- 第7章 广告系统策略
- 7.1 广告竞价
- 7.1.1 博弈论基础
- 7.1.2 纳什均衡
- 7.1.3 纳什均衡存在性证明
- 7.1.4 机制设计理论
- 7.1.5 广义第二价格竞价
- 7.1.6 VCG竞价
- 7.2 广告策略系统设计
- 7.2.1 广告系统粗排设计
- 7.2.2 广告预算控制系统
- 7.2.3 广告调价算法
- 7.3 本章小结
- 第8章 预估算法
- 8.1 训练数据准备与模型离线评估
- 8.1.1 训练数据准备
- 8.1.2 模型离线评估
- 8.2 常用的预估模型
- 8.2.1 逻辑回归模型与机器学习基础
- 8.2.2 支持自动特征发现的模型方法
- 8.2.3 深度学习模型
- 8.3 新广告点击率预估
- 8.3.1 汤普森采样算法
- 8.3.2 蒙特卡洛采样
- 8.3.3 马尔可夫链蒙特卡洛采样
- 8.3.4 吉布斯采样
- 8.3.5 拉普拉斯近似
- 8.4 广告转化率预估
- 8.5 本章小结
出版方
机械工业出版社
机械工业出版社是全国优秀出版社,自1952年成立以来,坚持为科技、为教育服务,以向行业、向学校提供优质、权威的精神产品为宗旨,以“服务社会和人民群众需求,传播社会主义先进文化”为己任,产业结构不断完善,已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸,现已发展为多领域、多学科的大型综合性出版社,涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。