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