计算广告学漫谈

      主要目录如下：

      一、计算广告学基础。

      二、搜索广告相关。

      三、网盟广告相关。

      四、广告反作弊相关。

      五、推荐系统相关。

      六、DSP广告的新挑战。  

      七、数据挖掘算法在计算广告学应用点。                                                                                                           

                                                                                                         图1. 计算广告学概略图

一、计算广告学基础知识：

1. 计费机制、竞价机制：

    a). 计算广告学的计费机制可以分为：

         a. CPM:：(Cost per thousand impressions) 每千人浏览的计费

         b. CPC：按照点击计费。

         c. CPA：(Cost per Action)：按照广告投放实际效果计费，如有效问答券或者订单数目计费。

         d. CPS：(Cost per sale)按照销售额计费。

         e. CPT：按照时间计费

         其他的诸如PFP,CPR, CPP，PPM并不常用。

    b). 计算广告学的竞价机制：

         a. GFP：广义一阶价格

         b. GSP：广义二阶价格

         c. VCG：通过一个广告主参加给其他广告主带来的损失来计费

         各种竞价机制的比对如下：

          a. GFP易爆发价格战，没有价格均衡。

          b. GSP价格均衡并不唯一。

          c. VCG真话占优策略均衡。

2. 模型优化评价标准：

     a). CTR：广告点击率。因为广告展现最终是预估点击率、出价和质量度的综合结果，因此为了实现变现最大化，我们就需要对广告的点击率预估越准确越好。

     b). AUC/AOC/ROC曲线：仅仅使用CTR评价和训练模型并不完善，因此我们又引入了ROC曲线来衡量模型的稳定性和效果。ROC曲线的横坐标为False positive rate(FPR=FP/F) （预测为0，实际上为1），纵坐标为True positive rate(TPR=TP/R)（预测为1，实际上为1）。ROC曲线下方的面积为AUC (Area under curve)，ROC曲线上方的面积为AOC (Area Over Curve)。AUC的数值越大表示模型效果越好，一个随机的二分类器的AUC=0.5。

     c). MAE/MSE：Mean Average Error/ Mean Squared Error

     d). NDCG: (Normalized Distributed Cumulated Gain)  DCG/IDCG： 当前排序的得分除以最优排序的得分，常用来衡量排序和推荐系统中。

3. 常用定义：

      对于搜索广告来说我们优化的方向有：

          RPM （千次广告单元带来的收入）

          CPM（千次网页展示带来的收入）

          EPCM（千次展示可获得的广告收入）

          CPC（单次点击收费）

          CTR（广告点击数除以广告展现次数）

          ACP（平均点击价格）

          ASN（平均展现条数）

          PVR（出广告检索/检索总数）。

     其中因为不是每个检索都适合出广告的、每个检索出的广告数量又是不同的。因此CTR又可以细分为CTR1、CTR2、CTR3。其中：

     a. CTR1 检索点击比率： 有效点击量/检索量。

     b. CTR2 展现点击比率： 有效点击量/展现条数。

     c. CTR3 有结果点击比率：有效点击量/出广告的检索量。

     它们之间的计算公式如下所示：

        CPM1 = CTR1 × ACP × 1000

                         |