最近老板发来一本广告算法入门短书，先看一遍记个笔记，留到以后学习补充~ 希望能成长成一个独当一面的人鸭~
广告简介
1.定义
广告是由已确定的出资人通过各种媒介进行的有关产品（商品、服务和观点）的、有偿的、有组织的、综合的、劝服性的非人员的信息传播活动。
2.互联网广告类型
- 条幅广告
- 邮件广告
- 富媒体广告
- 视频广告
- 文字链广告
- 社交广告 微信广告
3.广告计费模式
- CPM（Cost per Mille）
CPM即指按照千次展现计费，广告系统只负责展示，不做预估，适合大广告。 - CPT（Cost per Time）
按照单位时间计费的方式，广告系统只负责展示，不做预估，适合大广告。 -
CPS（Cost per Sale）
按照成交计费，所以广告系统对于ROI指标要进行预估。CPS下，广告系统完全站在了广告主这一边。ROI指投资回报率。
- CPC（Cost per Click）最常用
CPC最早产生于搜索广告，目前是应用最广的计费方式。顾名思义，就是按照千次点击计费。
一方面，广告平台需要预估用户点击率；另一方面，广告商可以通过竞价的形式是自己的广告排名更前。
4.广告位拍卖方式
纳什均衡
在竞拍过程中，如果存在一点，博弈各方如果改变竞价策略就会导致利益损失。这一点，就被称为纳什均衡点。
本地无嫉妒均衡（locally envy-free equilibria），又称对称纳什均衡。本地无嫉妒均衡是指，排在第k位的广告主，如果增大出价排到第k-1位，不会增加其收益。
广义一阶价格（GFP）
这里的一阶价格是指广告主本身的出价。广告的排序方式采取按照竞价降序排列，然后选取排序较高的前几个广告用于展现。在广义一阶价格模式的扣费方法是，如果广告发生点击了，便会按照广告主的竞拍出价，进行扣费。
- GFP不存在纳什均衡点
- GFP对广告平台不友好，排名第k的广告商可以将竞价降至k-1位价格高一点点的价格。
- 不合理
广义二阶价格（GSP）
对应第i位的广告，如果发生点击，那么广义二阶价格扣费是，收取第i位广告主，第i+1位广告竞价加上一个货币最小值
- 存在纳什均衡点，且不唯一
- 不是一个鼓励相容的机制
- 相对合理，且实现简单，常用
VCG机制
VCG（Vickrey-Clarke-Groves）机制是一种目标为最大化社会价值的竞价机制，若当前排名位i的广告被点击，需要付费在i以后广告的损失值。
即：loss = (xi-xi+1)+…+(xm-xm+1)
- VCG是一个激励相容的机制，在VCG机制下，按照真实估价出价是最有选择。
- VCG机制最大化社会价值，对广告主来说是一个很好的机制。
- VCG存在纳什均衡，且均衡点唯一。
- 复杂，难以向广告商解释，工业界不常用
参考链接 点这里
5.广告算法部分技术
定义：互联网广告算法的核心问题，是根据用户(User)、环境(Context)、广告(Ad)的全部有效信息，找到最合适的投放策略和模型，兼顾浏览者、广告主、广告平台的最大利益，并不断调整。
优化目标
- 对于广告商来说，优化目标是收益与访问量的比值：
- 对于用户来说，优化目标是点击量与展现量的比值：
- 对于广告平台来说，优化目标是点击带来的总价值：
其他技术
- 广告搜索引擎
- 存储和实时计算
- 推荐技术
- 广告率预测
- 广告主工具
系统架构
典型的广告投放系统，大概包括如下几个主要的组成部分：
| 模块 | 功能 | 在线／离线 |
|---|---|---|
| 前端引擎 | 接收请求，判断合法性，传入后端，返回结果 | online |
| 检索引擎 | 关键字搜索，倒排返回 | online |
| 实时点击率预估 | 计算二维的联合分数 | online |
| 广告主操作消息更新服务 | 广告主在线更改竞价信息等 | online |
| 用户行为数据收集和更新系统 | 收集用户行为，将其转化为结构化数据 | |
| 特征提取和行为分析 | 对上层收集到的数据进行提取分析 | offline |
| 反作弊系统 | 发现和处理作弊信息，包括异常的访问、无效的点击等等 | on/off |
| 广告主后台 | 广告主管理自己所有的投放活动 | on/off |
| 存储系统 | 存放数据，常以键值对的形式 | on/off |
| 计算系统 | 各种数据挖掘任务 | offline |
个人感觉主要包含两条主线的功能模块
- 面向广告商的平台-> 实时更改竞价及投放管理
- 面向用户的平台-> 在线：前端->检索->实时点击率预估及排名计算->反作弊
离线：行为收集->特征提取及分析->建模分析
