文档说明：

第一部分　在线广告市场与背景
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
· · · · · ·