计算广告----定向广告

Posted lee-yl

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了计算广告----定向广告相关的知识,希望对你有一定的参考价值。

一、场景:

例子1:浏览一个做菜的网站,旁边有一个相关的图片广告-------上下文定向

例子2:浏览一个小说网站,旁边又有一个做菜的图片广告-------行为定向

 

二、上下文定向:

根据投放页面的内容,推送相关的广告。

1、内容提供商自定义:

  DSP预先人工定义一些网页的类型标签(“科技”、“文学”)。

  SSP自己从中选择自己网页属于的类型。

  投放时,根据这些人工选定的类型标签推送广告。

  广告库中的广告则按照竞价词进行索引。

  因此,需要通过建立类型标签与竞价词的相似度联系,才能在检索到广告。

2、页面关键字提取:

  需要爬虫抽取网页中的内容,进行一定的内容分析,从中抽取可以精确匹配(模糊匹配)上的竞价词,然后再到广告库中检索广告。

3、网页聚类:

  同样需要使用爬虫抽取网页中的内容,然后对网页库进行文本聚类。然后汇总同一聚簇下的网页内容,匹配竞价词。

 

三、受众定向:

1、概念:

给当前的用户流量打标签的过程。标签的形式可以是“体育——NBA”,“连衣裙——雪纺连衣裙”等,用于区分用户的兴趣点。

展示广告中,会显式或隐式的使用到这些用户标签。

显式应用标签:按照标签售卖流量,广告主可以按照人群的标签进行加价。例如,广告主的产品主要是女装,就可以对女性用户进行加价,在这一人群上争取更多的流量。

隐式应用标签:并不按照用户标签显式售卖流量,但是在系统会按照用户标签和广告的匹配程度,动态的分配流量,提高广告系统的点击率。

2、受众定向的方法:用户背景资料调查和行为定向。

(1)用户背景资料调查:

用户使用系统时,系统让用户提供的各种自身信息,如性别、年龄、学历等,

可以单独用来作为显式流量售卖,

也可以用来后续的CTR预估模型中,作为重要特征提高精度。

但这种背景信息难以定位用户对于某一类广告的偏好。如,26岁的女性是否喜欢体育。

(2)行为定向:

根据用户的历史行为,给其打上兴趣点标签。

涉及的行为包括搜索的关键字,在特定类目内容上的点击、浏览行为等。

行为定向的方法可以分为:监督的行为定向算法和非监督的算法。

①监督的行为定向:

  使用预先定义好的兴趣点,这些兴趣点的定义跟系统中已有的广告类型有关。

  用户对于某个兴趣点的兴趣值可通过用户对该类型的预估CTR来表达。【CTR = click/show】

②非监督的行为定向:

将用户进行向量化表示,比较常见的表达方式:

基于item的向量表达法【多用于电子商务的广告系统】,根据用户的历史浏览、点击、购买等行为日志,将用户表示成item的向量。

基于query的向量表示法【多用于搜索引擎的广告系统】,根据用户的历史query进行分词,同义词归一化等操作后,将用户表示成词的向量。

向量化后,可以将用户按照其历史行为进行聚类。

聚类完成后,就可以汇总统计同类用户对广告的CTR,选择CTR高的广告投放给用户。

 

 

 

 

 

 

以上是关于计算广告----定向广告的主要内容,如果未能解决你的问题,请参考以下文章

计算广告丨学习资源整理

计算广告学笔记之基础概念

计算广告基础

计算广告学--广告有效性模型

计算广告-视频学习-随笔-009

计算广告----在线广告变现