展开全部

主编推荐语

本书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。

内容简介

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。

第3版中加入了深度学习的基础方法论及其在计算广告中的应用。

目录

  • 版权信息
  • 内容提要
  • 对第1版的赞誉
  • 第1版序一
  • 第1版序二
  • 第1版序三
  • 前言
  • 资源与支持
  • 第一部分 在线广告市场与背景
  • 第1章 在线广告综述
  • 1.1 免费模式与互联网核心资产
  • 1.2 大数据与广告的关系
  • 1.3 广告的定义与目的
  • 1.4 在线广告表现形式
  • 1.5 在线广告简史
  • 第2章 计算广告基础
  • 2.1 广告有效性原理
  • 2.2 互联网广告的技术特点
  • 2.3 计算广告的核心问题
  • 2.3.1 广告收入的分解
  • 2.3.2 市场上常用的计费模式
  • 2.4 在线广告相关行业协会
  • 2.4.1 交互广告局
  • 2.4.2 美国广告代理协会
  • 2.4.3 美国国家广告商协会
  • 第二部分 在线广告产品逻辑
  • 第3章 在线广告产品概览
  • 3.1 商业产品的设计原则
  • 3.2 广告系统的产品接口
  • 3.2.1 广告主层级组织与投放管理
  • 3.2.2 供给方管理接口
  • 3.2.3 供需之间多种接口形式
  • 第4章 合约广告
  • 4.1 广告位合约
  • 4.2 受众定向
  • 4.2.1 受众定向方法概览
  • 4.2.2 受众定向标签体系
  • 4.2.3 标签体系的设计思路
  • 4.3 展示量合约
  • 4.3.1 流量预测
  • 4.3.2 流量塑形
  • 4.3.3 在线分配
  • 4.3.4 产品案例
  • 第5章 竞价广告的产品脉络
  • 5.1 竞价广告的三大核心问题
  • 5.2 竞价市场的机制设计
  • 5.2.1 定价问题
  • 5.2.2 价格挤压
  • 5.2.3 市场保留价
  • 5.2.4 收入最优和迈尔森拍卖
  • 5.2.5 定价结果示例
  • 5.3 计算分工带来的产品方向演进
  • 5.3.1 自然的计算分工与CPC计费
  • 5.3.2 程序化交易——需求方承担更多计算分工
  • 5.3.3 智能投放——供给方承担更多计算分工
  • 第6章 搜索广告与竞价广告网络
  • 6.1 搜索广告
  • 6.1.1 搜索广告产品形态
  • 6.1.2 搜索广告产品新形式
  • 6.1.3 搜索广告产品策略
  • 6.1.4 产品案例
  • 6.2 竞价广告网络
  • 6.2.1 广告网络产品形态
  • 6.2.2 广告网络产品策略
  • 6.2.3 产品案例
  • 6.3 竞价广告需求方产品
  • 6.3.1 搜索引擎营销
  • 6.3.2 交易终端
  • 6.3.3 产品案例
  • 6.4 竞价广告与合约广告的比较
  • 第7章 程序化交易广告
  • 7.1 实时竞价
  • 实时竞价的流程
  • 7.2 其他程序化交易方式
  • 7.2.1 优选
  • 7.2.2 私有市场
  • 7.2.3 程序化直投
  • 7.2.4 广告交易方式谱系
  • 7.3 广告交易平台
  • 产品案例
  • 7.4 需求方平台
  • 7.4.1 需求方平台产品策略
  • 7.4.2 出价策略
  • 7.4.3 出价和定价过程
  • 7.4.4 重定向
  • 7.4.5 新客推荐
  • 7.4.6 产品案例
  • 7.5 供给方平台
  • 7.5.1 供给方平台产品策略
  • 7.5.2 Header Bidding
  • 7.5.3 产品案例
  • 第8章 数据加工与交易
  • 8.1 有价值的数据来源
  • 8.2 数据管理平台
  • 8.2.1 三方数据划分
  • 8.2.2 第一方数据管理平台
  • 8.2.3 第三方数据管理平台
  • 8.2.4 产品案例
  • 8.3 数据交易的基本过程
  • 8.4 隐私保护和数据安全
  • 8.4.1 隐私保护问题
  • 8.4.2 程序化交易中的数据安全
  • 8.4.3 欧盟的通用数据保护条例
  • 第9章 信息流与原生广告
  • 9.1 移动广告的现状与挑战
  • 9.1.1 移动广告的特点
  • 9.1.2 移动广告的传统创意形式
  • 9.1.3 移动广告的挑战
  • 9.2 信息流广告
  • 9.2.1 信息流广告的定义
  • 9.2.2 信息流广告产品关键
  • 9.3 其他原生广告相关产品
  • 9.3.1 搜索广告
  • 9.3.2 软文广告
  • 9.3.3 联盟
  • 9.4 原生广告平台
  • 9.4.1 表现原生与场景原生
  • 9.4.2 场景的感知与应用
  • 9.4.3 植入式原生广告
  • 9.4.4 产品案例
  • 9.5 智能投放的产品原理
  • 9.5.1 智能投放的基本问题和起因
  • 9.5.2 oCPX的一价与二价理解
  • 9.5.3 预算表达模式
  • 9.6 原生广告与程序化交易
  • 第三部分 计算广告关键技术
  • 第10章 计算广告技术概览
  • 10.1 个性化系统框架
  • 10.2 各类广告系统优化目标
  • 10.3 计算广告系统架构
  • 10.3.1 广告投放引擎
  • 10.3.2 数据高速公路
  • 10.3.3 离线数据处理
  • 10.3.4 在线数据处理
  • 10.4 计算广告系统主要技术
  • 10.5 用开源工具搭建计算广告系统
  • 10.5.1 Web服务器Nginx
  • 10.5.2 分布式配置和集群管理工具ZooKeeper
  • 10.5.3 全文检索引擎Lucene
  • 10.5.4 跨语言通信接口Thrift
  • 10.5.5 数据高速公路Flume
  • 10.5.6 分布式数据处理平台Hadoop
  • 10.5.7 特征在线缓存Redis
  • 10.5.8 流计算平台Storm
  • 10.5.9 高效的迭代计算框架Spark
  • 第11章 基础知识准备
  • 11.1 信息检索
  • 11.1.1 倒排索引
  • 11.1.2 向量空间模型
  • 11.2 最优化方法
  • 11.2.1 拉格朗日法与凸优化
  • 11.2.2 下降单纯形法
  • 11.2.3 梯度下降法
  • 11.2.4 拟牛顿法
  • 11.2.5 信赖域法
  • 11.3 统计机器学习
  • 11.3.1 最大熵与指数族分布
  • 11.3.2 混合模型和EM算法
  • 11.3.3 贝叶斯学习
  • 11.4 统计模型分布式优化框架
  • 11.5 深度学习
  • 11.5.1 深度神经网络优化方法
  • 11.5.2 卷积神经网络(CNN)
  • 11.5.3 递归神经网络(RNN)
  • 11.5.4 生成对抗网络(GAN)
  • 第12章 合约广告核心技术
  • 12.1 广告排期系统
  • 排期与动态广告混合系统
  • 12.2 担保式投送系统
  • 12.2.1 流量预测
  • 12.2.2 频次控制
  • 12.3 在线分配
  • 12.3.1 在线分配问题
  • 12.3.2 在线分配问题举例
  • 12.3.3 极限性能研究
  • 12.3.4 实用优化算法
  • 第13章 受众定向核心技术
  • 13.1 受众定向技术分类
  • 13.2 上下文定向
  • 半在线抓取系统
  • 13.3 文本主题挖掘
  • 13.3.1 LSA模型
  • 13.3.2 PLSI模型
  • 13.3.3 LDA模型
  • 13.3.4 词嵌入word2vec
  • 13.4 行为定向
  • 13.4.1 行为定向建模问题
  • 13.4.2 行为定向特征生成
  • 13.4.3 行为定向决策过程
  • 13.4.4 行为定向的评测
  • 13.5 人口属性预测
  • 13.6 数据管理平台
  • 第14章 竞价广告核心技术
  • 14.1 竞价广告计价算法
  • 14.2 搜索广告系统
  • 14.2.1 查询扩展
  • 14.2.2 广告放置
  • 14.3 广告网络
  • 短时行为反馈与流计算
  • 14.4 广告检索
  • 14.4.1 布尔表达式的检索
  • 14.4.2 相关性检索
  • 14.4.3 基于DNN的语义建模
  • 14.4.4 最近邻语义检索
  • 第15章 点击率预测模型
  • 15.1 点击率预测
  • 15.1.1 点击率基本模型
  • 15.1.2 LR模型优化算法
  • 15.1.3 点击率模型的校正
  • 15.1.4 点击率模型的特征
  • 15.1.5 点击率模型评测
  • 15.1.6 智能频次控制
  • 15.2 其他点击率模型
  • 15.2.1 因子分解机
  • 15.2.2 GBDT
  • 15.2.3 深度学习点击率模型
  • 15.3 探索与利用
  • 15.3.1 强化学习与E&E
  • 15.3.2 UCB方法
  • 15.3.3 考虑上下文的 bandit
  • 第16章 程序化交易核心技术
  • 16.1 广告交易平台
  • 16.1.1 cookie 映射
  • 16.1.2 询价优化
  • 16.2 需求方平台
  • 16.2.1 定制化用户标签
  • 16.2.2 DSP中的点击率预测
  • 16.2.3 点击价值估计
  • 16.2.4 出价策略
  • 16.3 供给方平台
  • 网络优化
  • 第17章 其他广告相关技术
  • 17.1 创意优化
  • 17.1.1 程序化创意
  • 17.1.2 点击热力图
  • 17.1.3 创意的发展趋势
  • 17.2 实验框架
  • 17.3 广告监测与归因
  • 17.3.1 广告监测
  • 17.3.2 广告安全
  • 17.3.3 广告效果归因
  • 17.4 作弊与反作弊
  • 17.4.1 作弊的方法分类
  • 17.4.2 常见的作弊方法
  • 17.5 产品技术选型实战
  • 17.5.1 媒体实战
  • 17.5.2 广告主实战
  • 17.5.3 数据提供方实战
  • 第四部分 附录
  • 附录 主要术语及缩写索引
  • 参考文献
展开全部

评分及书评

4.5
4个评分
  • 用户头像
    给这本书评了
    4.0
    Martech 入门书

    很好的入门书,而且还在更新!

      转发
      评论

    出版方

    人民邮电出版社

    人民邮电出版社是工业和信息化部主管的大型专业出版社,成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”,致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。