计算广告学产生的行业背景是
互联网广告
营销,我们从一个全局角度进行介绍。
■ 用户:互联网用户;用户在互联网上获取内容或服务,也是广告的受众。
■ Publisher:互联网内容或服务提供商,是互联网广告投放的媒介。用户在浏览其内容或使用其服务的时候,相应的在该媒体上完成广告信息的接收和操作。
■ Ad Network:广告联盟网络,是一个连接广告主advertiser和互联网媒体publisher的广告系统平台,一方面广告主提供市场营销工具甚至广告投放服务,另一方面为互联网媒体兑现部分广告的价值。
■ Advertiser:广告主,是营销的主体,他具有投放广告到用户的商业需求并期望用户通过广告的影响成为其产品或服务的消费者。
■ Ad Exchange:是一个在不同Ad Network之间实现广告与流量交换交易的平台;该平台能够在不同商业模式之间实现市场互通,进而完成广告市场的整合与利益最大化。
通常,一个广告主如果需要投放互联网在线广告,他需要选择一个Ad Network,并依据相关营销工具进行广告创意制作、投放计划管理和投放过程及效果监控。而事情的起点就是,把
广告计划
建立起来,并付款——付款购买的是什么?是Ad Network为他带来的
潜在消费者
——而体现就是Publisher的流量。所以,这个环节只有广告主的意愿还是不够的。Ad Network需要获取大量的流量位置用来投放广告——并在营销工具中告诉广告主,你的广告可以通过什么方式选定广告位置——其实也就是选定你的潜在客户。这些潜在客户的广告触受行为,才是
广告主
真正要花钱购买的东西。另外一个视角,就是AdNetwork去建立一个
广告营销
市场,它需要有强大的销售力量,找到所有它需要的广告主进行广告营销,并能够获取并梳理Publisher流量位置,告诉广告主它们的营销价值值得他付款。
到此处,对应于我们全景图的右边部分,可以看作一个阶段。
然后,AdNetwork将选择合适的广告投放平台,对广告主的广告进行分析并添加到广告投放系统中。现在一个用户在访问某个Publisher,通过其内容或服务获取相关信息。如果当前Publisher参与了该Ad Network的广告投放活动,用户的一次PV将触发一次广告投放操作——系统自动将用户的部分信息(一般是有利于广告投放的信息)作为输入发送到广告投放平台,并经过一个复杂的决策过程,优选出一批广告回传Publisher,以事先设计的样式进行广告展现。此时用户就看到了互联网在线广告。
这又是一个阶段。
这个时候依据在线广告不同的商业模式,广告主对于“用户”的“营销消费过程”还在不同程度的延续。如果是CPM——千次展现付费——则广告浏览本身已经形成费用;系统需要将这个浏览信息记录,并启动后续广告费用及报表相关的操作。如果是CPC——点击付费——则还需要看用户是否进一步点击了广告;如果用户没有点击,则广告展现分文不取,如果用户点击了,则需要将点击信息记录,并启动后续广告费用及报表相关操作。当然,还有其他更为复杂的商业模式,我们后面再详细展开。此时广告主的费用已经被扣减了,Publisher也应该拿到了自己应得的广告费用分成部分。
这是另外一个阶段。
从这样一个角度,我们看到的是这样三个方面:
■
广告营销管理
:涉及到Advertiser、Ad Network。
■
广告投放
:涉及到用户、Publisher、Ad Network。
■
广告商业价值结算
:涉及到用户、Publisher、Ad Network及Advertiser全部角色。
这三个方面是广告投放的核心过程。而且每一个方面中,都有极具挑战的内容——且对于广告市场和广告价值实现而言具有不可忽视的影响。
我们可以说一些例子来启发你思考。比如,在广告营销管理方面,一个广告主需要投放广告——我们假设是竞价词广告,那么你应该选择什么样的竞价词来优化你的效果和成本?在广告投放方面,广告投放平台如何把握用户潜在的需求?在广告
商业价值
结算方面,如何有效判定一次广告消费不是作弊行为?
在一个更大场景上,也就是我们
全景图
中Ad Exchange参与的部分,这个广告投放活动将更为复杂,后续再进行介绍。但到此处,我们就计算广告学的全景做了一个概要性介绍。
《计算广告学:大数据时代的广告传播变革——以“互联网+”技术经济范式的视角》
载于《
现代经济探讨
》2016年第2期,作者:
刘庆振
,北京信息科技大学公共管理与传媒学院
摘要:计算广告学作为一门新兴的交叉学科,是在当前新旧技术经济范式转换的背景下产生的,它符合媒介融合时代的精准定制传播需求。计算广告学的核心精髓是实现广告、语境和消费者的精准匹配,大数据技术和双向互动平台是实现这一目标的两大基础支柱。现阶段,计算广告引发了定制化推荐、融合化传播、智能化调整、程序化购买等与传统广告传播业态截然不同的新模式。未来,计算广告学将会带来整个广告产业链的巨大变革,它也提出了对复合型计算广告人才的强烈需求。
《“互联网+”背景下计算广告技术体系的创新与应用》
载于《新闻界》2016年第2期,作者:刘庆振,北京信息科技大学公共管理与传媒学院
摘要:广告产业的进化与广告技术的创新有着十分密切的关系,每一次广告技术创新都会带来广告产业的新发展,计算广告新业态的产生也是技术创新的必然结果。而计算广告技术体系主要由当前“互联网+”背景下的通用技术体系和计算广告的具体技术体系两部分构成,通用技术体系使得具体技术体系具备了产生的条件,具体技术体系则满足了计算广告特定的需求从而使之成为一种产业现实。当然,计算广告的技术体系在定量研究方面推动了广告产业的进步,但是这并不意味着定性研究不再重要,二者的完美结合才是广告产业良性健康发展的保障。
本书主要包括计算广告学的理论构建和前沿问题两大主体部分,理论创新指导产业前沿不断发展,应用创新不断归纳升华为基本理论。在这一整体框架下,每一主体部分又由数个关键主题构成。
广告学研究面临的本质问题是理论框架的不完整、不清晰、不成熟。为了使计算广告理念和技术的应用更广泛,我们需要总结、抽象、提炼一套有关计算广告的假设、思维、理念、共识、方法、路径,进而搭建一个完整的理论框架,形成一门关于计算广告的“学”。这将为整个广告学的研究和实践带来全新思想,并丰富广告学原有的学术体系。
作者
赵 磊
昌荣传媒集团程序化营销中心执行副总经理。
计算广告学
《计算广告学实践》
笔者(一元之权)在规划的一本书,从中可以初窥计算广告学的细节内容,把规划中的目录分享给大家,后续将逐渐在百科或文库中开放。
《计算广告学实践》目录:
计算广告学实践
写在前面的话
第一部分 定义与应用
1 绪论
2 计算广告学全景
3 在线广告商务模式
4 市场营销工具
第二部分 广告竞价理论
5 拍卖理论
6 广告竞价过程
7 广告竞价与博弈
第三部分 广告投放系统
10 其他广告营销系统
11 市场营销工具
12 广告投放系统中的挑战
第四部分 计算广告学技术
14 Query分析技术
15 文本分析技术
16 人群分析技术
17 广告排序技术
18 营销工具技术
第五部分 计算广告学未来
19 新媒体与新的用户群
20 新的博弈
计算广告学将成为数字商业的奠基学科
计算广告学是一个新兴的学科,由工业界驱动,逐步形成一个学科体系。近期互联网巨头在大学开设这样的课程,进一步推动了计算广告学的逐步完善,比如Yahoo在
斯坦福
开设了计算广告学的课程。国内百度在清华、北邮、南大等学校讲授了类似课程。
计算广告学,顾名思义是计算驱动广告的学科,这是相对传统的广告而言的。在传统广告中如电视广告,广告主不清楚受众是谁,什么年龄层,看完广告之后什么感受。甚至是电视的收视率都无法精确统计,就更谈不上广告的投放效果了。而计算广告就表现出更多的智能:广告主可以了解目标客户在哪,谁看了广告,广告的效果等等,这些都可以粗略计算出来。针对计算广告学目前还没有一个相对官方的定义。我们看到
斯坦福大学
对它的描述是:“计算广告学是一个综合学科,涉及大规模搜索、
文本分析
、信息检索、
统计建模
、机器学习、分类、优化和微观经济学。计算广告的核心问题是要找到在给定的环境下,用户与广告的最佳匹配。”这里的环境可以指代用户在搜索引擎中输入一个查询语句,或者用户阅读网页,或者是用户在
便携式设备
上观看电影。
总体而言,计算广告学要优化整个广告系统,平衡广告主、服务提供商(可以是搜索引擎,或者新闻门户)以及用户的利益,使其达到最大化。因此针对广告的效果而言,是需要可以计算的。比如网络广告里面的点击率、
转换率
等等,广告主可以通过计算广告学看到直接量化的广告投放效果,计算准确ROI。
对用户而言,他们大多数情况下只希望看到自己感兴趣的地广告。那么网络服务商首先要知道用户是谁,这个要通过用户的使用行为,日志数据挖掘,构建用户特征以及兴趣模型。当然这往往是一个很粗略的挖掘,并且用户的兴趣还会出现动态变化。所以有时候会需要对用户的网络使用行为进行实时计算,并即时调整,比如用户的搜索点击行为,就可以作为一个参考数据。如果用户对搜索第一页呈现的广告没有点击,就说明可能广告匹配没有做好;那么在翻到第二页的时候就可以根据之前的行为调整广告。当然这种技术对实时计算要求比较高。
其次是广告主与服务提供商之间的合作,这里面有博弈论、拍卖机制等相关科学问题。毕竟从
产业生态系统
的角度来看,每个角色获得足够的利益才可以使整个产业链繁荣,每个角色如果获得过多的利益而损害了合作伙伴,最终都会影响到整个产业,也包括自己。比如搜索引擎的
竞价排名
,对竞价的机制要进行科学的设计,根据博弈论的理论来说,没有机制约束的选择肯定不是最优的。在搜索竞价排名中,假设没有机制约束,排名第二的广告主希望略高于第三名的竞价,可以减少预算,同时也不会改变其展示的名次。以此类推第一名希望略高于第二名,第三名希望率高于第四名,那最终的结果就是大家的竞价趋近于0,这实际上就破坏了竞价排名的商业模式,对整个产业造成伤害。因此,竞价排名的机制设计至关重要,要充分平衡双方的利益。
此外,计算广告学还要涉及
自然语言处理
、机器学习等相关学科。比如利用自然语言处理,才可以更好地识别网页的内容,理解上下文,这样才可以结合用户特征展示“最匹配“的广告。而机器学习更多的时候是在帮助完善这一匹配,不断调优系统。
从根本上来说,计算广告学之所以能够兴起,主要原因也来自于互联网公司的大数据能力。大数据解决了几个计算广告学相关的关键问题:
海量用户数据的挖掘
用户与广告特征提取与匹配
百度之所以在国内开展计算广告学相关课程,一方面
百度搜索引擎
每天几十亿的搜索,强大的“
凤巢
”推广系统;另一方面百度
网盟
联合了24个行业、30万家网站,每天都要将大量的客户推广信息以文字、图片、动画等多种形式展现在目标人群浏览的网页上。一方面积累的大量的商业推广经验,同时也积累了以大
数据挖掘
、
自然语言处理
、机器学习等相关技术。如果将这些技术汇聚形成计算广告学,并向高校传播,这将是一个造福整个数字时代的事情:让有需求的客户找到商家,商家也可以更准确、更节约投放广告。并让更多的科技工作者加入这一领域,完善这个复杂的过程。计算广告将逐步取代传统广告粗放式的广播模式,减少信息的不平衡性并减少视觉污染,将成为
未来数字
商业的基石。