引言
这是我阅读《互联网广告算法和系统实践》的笔记，作者王勇睿，在百度阅读上可以购买，书的篇幅很短，一天就能看完。
本书主要介绍了搜索广告算法、非搜索（定向）广告算法和实时竞价广告算法，为读者梳理了广告中的常用概念如CTR、ECPM，一个广告系统如何组成，实践中还会考虑什么问题，没有涉及多的数学和算法模型。本书适合入门，但作为小白，很多内容读完后没有具体的案例消化，理解深度上有所欠缺。我想当具备了一定的实践经验后再来翻阅此书，才能融会贯通。之后的计划是继续阅读刘鹏老师的《计算广告学》。
第一部分 互联网广告简介
1.1 广告简介
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。
传统广告业务包括三方角色：广告主、媒体、普通受众
广告历史
1.2 互联网广告
- 显示广告、合约广告、定向广告、受众定向技术
- 担保式投放
- 竞价广告、广义二阶拍卖GSP、广义一阶拍卖GSP
- 搜索广告、上下文广告、实时竞价
- 广告交易平台、需求方平台、提供方平台
- 计费方式：点击付费CPC、销售付费CPS、千次展现付费CPM
1.3 互联网广告类型
- 条幅广告
- 邮件直接营销广告
- 富媒体广告
- 视频广告
- 文字链广告
- 社交广告
- 移动端广告
1.4 有效性模型
- 曝光：位置很重要。
- 关注：广告创意吸引人，借助算法定向精准投放
- 理解：让用户迅速理解广告
- 信息接受：研究人群行为，还要借助心理学
- 保持：追求中长期转化
- 购买：最终决策，给用户提供更多更好的选择
好创意不但能吸引人（提升CTR），而且能够抓住人（提升ROI）。
1.5 计费模式
- CPM：Cost Per Mile，按照千次展现计费，展现之后的效果广告平台不保证。适合品牌广告。
- CPT：Cost Per Time，按照单位时间计费。为了增加曝光度。
- CPC：Cost Per Click，按照千次点击计费，广告系统要负责对点击率CTR预估；广告主可以参与竞价。关注点击率，但不关注广告实际成交情况，风险由广告主承担。
- CPS：Cost Per Sale，关注转化率，对广告主有利。
对广告主，风险从大到小：CPM/CPT、CPC、CPS
广告系统收益指标：若千次展现的期望收益CPM值eCPM。
1.6 机制设计
1.6.1 广告位拍卖
- n个广告A，m个广告位S，m＜n，广告位拍卖从A中选取m条广告，依次放置到S中。
- 拍卖竞争除了展现机会，还包括S中排序位置。
- 广告位拍卖过程分为广告排序和广告扣费。广告排序考虑展现哪些广告，广告扣费考虑收取多少费用。
- 广告拍卖是多次重复博弈，纳什均衡点、本地无嫉妒均衡、占优策略、激烈相容
1.6.2 广义一阶价格GFP
- 广告展现不扣费
- 一阶价格是指广告主本身出价。
- 不存在纳什均衡点，竞价机器人导致广告系统收益大大降低。
1.6.3 广义二阶价格GSP
- 对应第i位广告，若发生点击，GSP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。
- 若广告主降低竞价，其展现位置不变时，不会降低收费。下家没有降低竞价行为，导致上家付出更多点击费用。存在本地无嫉妒均衡。
- 均衡报价：n个广告A，每条广告价值V，m个广告位S，每个位置点击率X，每个位置当前竞价P。对于任意广告位i上获得位置的广告j有$(v_j-p_i)x_ige(v_j-p_)x_$
- 均衡点不唯一，不是激励相容。
- 现实中广告扣费要考虑点击率因素。对于广告i，广告系统预估i在当前场景点击率ai，结合竞价bi，计算每千次展现期望收益$ecpm_i=a_ib_i$，随后将广告集合按照$ecpm$排序，排序靠前若干条用于展现。计费时，若第i个广告被点击，从广告主扣除费用为$frac{a_{i+1}b_{i+1}}+最小货币单位$
- 若广告点击率越高，广告主扣除费用越少，激励用户优化广告质量提高广告点击率。
1.6.4 VCG机制
- 目标为最大化社会价值
- 有n个广告A，广告竞价为V，广告平台提供S广告位，每个位置点击率X，每条广告真实价格V。当广告i不参与关键字拍卖，排在i后的广告主i+1,...,m可获得的预期总收益为
[
x_iv_{i+1}+x_{i+1}v_{i+2}+...+x_mv_{m+1}
]
- 由于$a_i$参与，广告获得价值为
[
x_{i+1}v_{i+1}+x_{i+2}v_{i+2}+...+x_mv_{m}+x_{m+1}v_{m+1}
]
- 通常只有m个广告位，所以$x_{m+1}=0$，如果$a_i$被点击，那么它要付出代价是给社会其他个体带来的利益损失
[
(x_i-x_{i+1})v_{i+1}+(x_{i+1}-x{i+2})v_{i+2}+...+(x_{m-1}-x_m)v_m+(x_m-x_{m+1})v_{m+1}
]
- VCG相比GSP优势
- VCG激烈相容，按照真实估价出价是最优选择
- VCG机制最大化社会价值，有利于广告主
- VCG存在纳什均衡，均衡点唯一
- 缺点
- 计算困难，可解释性差
- 相同竞价情况VCG扣费低于GSP机制，广告系统不愿意降低收入
1.7 技术课题
优化目标
- 计算广告学：找到用户、上下文和合适广告间最佳匹配。
- 互联网广告算法核心问题：根据用户、环境、广告全部有效消息，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。
- 用户U、环境C、广告A，算法目标函数为$F(U,C,A)$
- 对于广告主，关注投资回报率ROI，(F=frac{sum_iReturn_i}{sum_iInvest_i})
- 对于用户，(F=frac{sum_iClick_i}{sum_iImpression_i})
- 对于广告系统，(F=CTR*PPC*Discount)，$CTR$是点击率，$PPC$是点击收费，$Discount$业务因子。
搜索引擎技术
- 广告系统和搜索引擎相似，广告系统没有爬虫模块，通过规范化步骤获取。
存储技术和实时计算技术
- 需要一个适合大规模读写的存储系统，需要实时计算系统。
推荐技术
点击率预估CTR Prediction
广告主工具
- 对广告主，广告系统提供推广工具和统计工具。
系统架构简介
- 前端引擎：接受网页发来广告请求，初步处理发给后端，拿到结果拼接返回请求者，这是在线部分Online
- 检索引擎：关注效率和性能，Online
- 实时点击率预估服务：对广告打分，一维、二维分数，Online
- 广告主操作消息更新服务：广告主有权随时更改广告竞价，Online
- 用户行为数据收集和更新系统：一般是Online
- 特征提取和行为分析：一般用Hadoop平台，Offline
- 反作弊系统：Offine和Online
- 广告主后台：Offline和Online
- 存储系统：存储任务<key,value>形式，有Offline和Online
- 计算系统：信息挖掘，一般采取Hadoop作数据挖掘和特征提取计算，采取MPI架构做模型训练。
第二部分 搜索广告
2.1 搜索广告架构
- 搜索广告：搜索过程中搜索引擎推送的互联网广告。
- 当用户输入查询后，广告系统会经过：广告检索、广告排序、流量分配三个模块为用户提供广告。
- 广告检索：以当前查询关键字为基础+用户自身信息，从数以万计的广告集合中粗选出合适的广告。可分为广告索引和广告匹配子模块。
- 广告索引：将广告建成$<key：用户竞价词, value：关联的广告列表>$的索引形式。
- 广告匹配：将用户查询分解成相关竞价词，从建好的索引中提取广告。
- 广告排序：计算检索到广告的质量分数并排序。
- 流量分配：根据广告排序分数，决定当前情况给用户出哪些广告。
2.2 广告检索
- 根据用户关键字，选出相关广告，实际设置粗选和精选两个步骤：
- 粗选：用信息检索，选取和查询关键字相关的一批广告。
- 精选：精确的预估广告的点击率，进行排序。
- 广告检索经过三步骤：广告分析，关键字分析和相关性匹配。
- 广告分析：对广告进行处理，获取广告相关信息。
- 关键字分析：根据用户输入，判断是否出广告，出什么广告。
- 相关性匹配：根据关键字分析结果，去索引库中检索广告。
2.2.1 广告分析
- 两个目的：
- 将广告组织成倒排索引形式$<key：竞价词-value：广告id链表>$
- 从广告中抽取特征。
- 广告主建立广告会选择相关的竞价词，容易造成常见词严重倾斜，解决问题的方法包括竞价词生成和模糊匹配。
- 竞价词生成：广告系统通过分析广告主的landing page，帮助广告主选取竞价词。
- 模糊匹配：用户选择一个通股出价，按照出价，广告系统自己选择跟广告相关的竞价词。
2.2.2 查询分析
- 长串：语义信息丰富，展现量不足，总量大，存储压力大。提取关键词汇很重要。
- 短串：语义信息不明确，根据用户个性化信息或上下文信息消除歧义。
- 重要指标：扩大召回。
2.2.3 相关性匹配
- 精确匹配：关键字严格包含某个竞价词才触发广告。
- 模糊匹配
2.3 广告排序
- 广告系统按照ECPM降序排列广告候选集，将排序靠前广告展现出来。
- (ECPM=广告竞拍价*广告CTR*1000)
- 广告竞拍价：广告主提供；CTR：广告系统利用机器学习准确预估；
- 基于点击模型的CTR预估方法
- 点击率建模为$$P(click)=P(click|Seen)P(Seen)$$，从而计算$P(click|Seen)$
- 基于机器学习的CTR预估算法
2.3.1 逻辑回归模型
- 函数形式$y=frac{1}{(1+e^{-w^Tx})}$
- (x输入特征向量，y预测目标，w学习特征权重)
- 输入x，类别为1的条件概率
；输入x，类别为0的条件概率
采用极大似然估计学习特征权重$w$
- 最大化似然函数的对数
- 逻辑回归求解属于无约束优化问题，目标函数负对数似然函数恰好是凸函数，可以采用梯度下降等方法求解$w$。
- 寻找负对数似然函数的梯度方向
- 迭代公式
- 最大化似然函数的对数
防止过拟合
- L2正则$NLL(w)+lambda w^Tw$
- L1正则$NLL(w)+lambda|w|_1$
漂移，在线学习：逻辑回归的对数似然函数具有样本可加性。
- 随机梯度下降
- 随机梯度下降
2.3.2 特征处理方式
- 将人的先验知识，表示成机器学习算法能够接受的方式。
- 常用特征
- 广告和查询关键字的相似度：广告本身特征、查询本身特征、相似广告的特征、相似查询的特征。
- 广告的树形结构信息：广告主-广告账户-广告计划-广告组-广告创意，同一个广告主的其他广告创意的CTR能帮助当前广告创意的CTR。
2.3.3 算法评估
CTR预估模型效果是否好：全流量-小流量实验-离线指标验证
衡量预估CTR和真实CTR之间差异，使用AUC衡量CTR预估精度。AUC是ROC曲线下的面积。
- ROC是二维平面上的曲线，横坐标是FPR，纵坐标是TPR。调节分类器参数，使得ROC曲线形成一条从(0,0)到(1,1)的曲线，AUC就是ROC曲线下面积之和。
- 互联网广告系统计算AUC：AUC等价于正样本score大于负样本score的概率。若正负样本score值相同，则按0.5正样本score大于负样本score对计算。
假设正样本数M，负样本数N，计算AUC开销是M*N，通过排序减少AUC时间复杂度。
将样本按照score大小从高到低排序，score第一大样本获得n=M+N的rank值；第二大样本获得rank值为n-1。对rank为r的正样本i，组成正样本score大于负样本score的样本对个数为 r-排在i后的正样本数。
因此AUC可如下方式计算
2.4 广告主推荐工具
2.4.1 投放要素
广告主注册一个推广账户Account，包含多个推广计划Campaign，每个计划包含多个推广单元Group，设置Group主要需要竞价词Bidword和广告创意Creative。
一个Group完整投放需求和策略列表
搜索广告系统需要帮助广告主”充分表达自己投放需求”，给广告主提供投放基本元素。
- 推荐重点在于竞价词Bidword。
2.4.2 竞价词推荐方式
竞价词的推荐方式
- 主动推荐：不用广告主参加
- 被动推荐：广告主主动创建一些搜索词
竞价词的匹配方式
- 精确匹配：精确命中广告主所竞价的词
- 模糊匹配：广告系统对竞价词进行一定程度的扩展
推荐工具实际上找到“一座桥梁“
- 广告主到中间节点边归一化权重，中间节点到候选词边故意话权重，文本相关性。
- 根据中间节点出度、入度信息，计算中间节点调整系数，结合第一步相关性，计算出：$<广告主1，中间节点，候选词>$的分数
- 根据$<广告主1，中间节点，候选词>$的数据，固定一个候选词，综合所有中间节点，计算所有$广告主1，候选词1>(分数，循环计算，获得)<广告主1，候选词>$打分列表。
- 根据分数排序，获取前N个词。
2.4. 3 其他工具
- 投放前后，广告主需要一些数据帮助决策或者反馈，如下
2.5 实践一：在线学习前沿
为了让模型特征量缩减，可以将逻辑回归目标函数修改成，模型将倾向于学习稀疏的$w$权重。
(NLL(w)+lambda|w|_1)
随机梯度下降法简单易行，但往往难以得到特征向量稀疏的结果，Google提出FTRL-Proximal方法可以得到稀疏性更好的训练结果，其更新公式为：
海量数据下，模型存储量过大给并发查询时效性带来很大挑战。
- 降低模型特征维数，泊松选择法
- 降低每一维特征存储量，float是4个字节，Google提出q2.13编码方式，用2个字节。
第三部分 定向广告
定向广告即非搜索广告
3.1 上下文定向
- 根据投放页面内容，推送相关广告。关键问题对页面内容的刻画：
- 内容提供商自定义：广告平台预先人工定义一些网页的类型标签，内容提供商自己选择网页类型。
- 页面关键字提取：爬虫抽取网页中内容，进行一定内容分析，从中抽取可以精确匹配上的竞价词，然后到广告库中检索广告。
- 网页聚类：使用爬虫抽取网页内容，然后对网页库进行文本聚类。
3.2 受众定向
- 给当前用户流量打标签的过程
- 显示标签应用：按照标签售卖流量
- 隐式应用：不按照用户标签显示售卖流量
- 受众定向方法：
- 用户背景资料调查、行为定向
3.2.1 监督行为定向
- 线性泊松回归模型
，其中$lambda=w^tx$，W为预估参数，x为特征向量，y为事件发生频次。
- 给定数据集$T={(x_i,y_i)}$，有对数似然函数
- 其对w的对每一项梯度值为
- 给定数据集$T={(x_i,y_i)}$，有对数似然函数
- 通过上面的线性泊松回归求出用户对该兴趣点的浏览频次的期望$lambda_(和点击频次的期望)lambda_$，用户i对类别k的CTR计算方法
3.2.2 非监督行为定向
- 将用户向量化表示
- 基于item的向量表示法、基于query的向量表示法
- 向量化后，行为定向问题建模成经典的聚类问题。
3.3 行为定向
- 按照用户的历史行为，进行广告推荐。用户的行为在不同类型的广告系统中有不同定义。
3.4 推荐系统
3.4.1 基于用户的协同过滤算法
想知道用户n对电影m的评分，需要参考与用户n相似的其他用户，用他们对m的评分来拟合n对m的评分$r_$。对于给定用户$n$，他打过分的电影集合是$M_n$，那么$n$的平均得分是$r_n=frac{1}{|M_n|}sum_i^{in}r_$，用户n对电影m的评分可以通过如下公式计算，
- $U_n$表示与n相似的用户集合，$s_$表示用户u和v之间的相似度，$z_n$是相似度平滑因子，(z_n=sum_i^{in}|s_{uv}|)。
- 如何定义与n相似的用户集合，用什么方法衡量用户之间相似度，根据具体应用不断调试。
3.4.2 基于单品的协同过滤算法
- 用相似单品的得分来计算$r_$，计算方法如下
- $s_$表示电影i同电影m的相似度，与基于用户的协同过滤算法相同，该相似度也需要根据具体应用不断调试。该算法需要用户有充足行为，当用户行为比较稀疏，难以给出准确预估结果。
3.4.3 奇异值分解SVD
- 希望将数据维度降低，实现某种程度上的聚合。
- 将数据聚集成K个隐藏类，原始矩阵R可被分解成两个矩阵乘积形式$R_=W_V_$，$w_$表示用户n对k类型电影的兴趣度，$v_$表示电影m属于k类型电影的隶属度。
- 线性代数中，任何一个实矩阵R可分解为$R=Usum P^T$
- $sum$是K*K的对角线矩阵，$K$为矩阵R的秩，对角线上每个元素为$RR^T$矩阵特征值的平方根。
- U是N*K的矩阵，每一列是矩阵$RR^T$的特征向量。
- $PT$为K*M的矩阵，P中每一列是矩阵$ATA$的特征向量。
- 去除$sum$中绝对值较小的特征值，并在U和P中除去其对于的特征向量使得
，从而达到降维目的，使得R计算高效。 - 实际推荐系统，除了使用SVD方法求得W和V以外，另一种方法令$hat=WV$，最小化$hat$和R的差异，求解出最优W和V。损失函数是
3.5 定向排序
- 定向广告排序和搜索广告排序机制基本相同，cpc收费下，两者按照ecpm进行排序。计算ecpm最重要因素是对广告进行ctr预估。
- 搜索广告的ctr预估一般是单模态模型，而定向ctr预估可看作是多模态模型，如何融合不同定向方式也是多模态学习的难点。
3.6 实践一：定向广告算法架构
定向广告解决“这样一个人”应该配"什么样的广告"？
定向广告要素
第一步根据用户历史行为，选定一批用户的意图，并找到对应的广告。
- 推荐系统（利用用户历史行为）
- 利用用户属性方法（人口统计学）
- 利用标签方法
第二步根据这些广告，进行排序。
- 如果考虑点击率就是做$<user,ad>$点击率预估，获得打分。
- 采用ecpm进行排序$ecpm=ctr*bidprice$
3.7 实践二：定向广告的平衡之道
- 关于用户疲劳
- 针对频繁访问的用户
- 针对访问次数稀疏，兴趣点转换很慢的用户
- “一次性”的类型兴趣
- “连续型”的类型兴趣
- 关于多样性
- 给用户选择的余地
- 首先保证召回率，然后根据候选集进行进一步选择，保证底线。
- 关于多目标
- 除了CTR，还有ROI、CVR
- 多指标线性融合$rankscore=ctrroibidprice$
- 对ROI好的创意筛选再利用$rankscore=ctr*bidprice$
- 关于E&E（搜寻和探索）
- 如何给新加入的广告和冷广告展现的机会。
第四部分 实时广告竞价
- 实时广告竞价：建立一种流量交换的协议，使得媒体和广告联盟向全网范围的广告主提供尚未出售的流量，广告主和广告联盟实现合作共赢。
4.1 基本概念
技术核心
- 将实时产生的展示广告流量及相关特征如客户信息、广告位信息推送给每个感兴趣的购买者，并且搜索出反馈协议。
- 对推送流量的价值进行实时评价并给出具体CPM出价的方法。
三类角色
- 广告交易市场AdExchange：实时广告竞价中流量进行实时交易的平台。
- 需求方平台DSP：广告交易市场中的买方。
- 供应方平台SSP：广告交易市场中的卖方。
4.2 广告交易市场
4.2.1 历史与现状
- Mike Walrath创办Right Media，与Double Click、AdECN三足鼎立，随后被Yahoo收购。
- 2007年广告交易市场元年
- 2009年，实时广告竞价
- 2011年9月，阿里巴巴TANX平台
4.2.2 实时广告竞价
线下部分：竞价交易各参与者之间实现用户ID相互转换和对应，即Cookie Mapping。
线上部分：处理广告请求到来时的竞价和投放过程。
4.2.3 Cookie Mapping
- 使用cookie累计用户再互联网上的行为数据。
- 实时竞价时，用户信息不能共享给第三方，于是只将用户标识再竞价请求中提供给流量需求方。Cookie Mapping是解决各互联网公司标识不一致的标准方案。
4.2.4 实践1 典型的广告交易市场架构
- 围绕核心的流量交换引擎，有三个重要子系统：
- 业务系统：为需求方和供给方提供接入共给交易市场的接口。
- 财务系统：提供安全、高效的财务结算功能
- 数据系统：对交易过程中产生的数据进行记录、处理
- 流量交换引擎：实时广告竞价体系的核心。
第五部分 广告系统架构及挑战
5.1 广告系统的特点
高性能
海量数据和存储
可运维性
5.2 功能职责划分
- 广告业务系统
- 广告投放引擎
- 广告效果检测系统
- 广告防作弊和结算
- 数据平台和算法
5.3 大型广告系统采用的技术
- 高性能广告投放引擎
- 基于Hadoop的数据平台：分布式计算框架
- CDN
- 关系数据库
- J2EE或LAMP应用开发框架
- 负载均衡
- 服务化
- 消息中间件
后记
数据管理平台DMP：Data Management Platform
DMP在4个阶段保证数据安全性
- DMP允许外部数据挖掘引擎接入，产生不同的数据分析结果，供不同的应用方使用
