Web广告--广告定向

广告定向

广告再营销（重定向）

效果很好的广告定向方式。

再营销是利用用户在互联网上的行为进行精准定向的广告策略。其中的行为可能包含浏览网页、搜索商品、查看感兴趣的商品信息、将有强烈购买意图的商品放入购物车等等，而“再”的意思则是指将用户感兴趣的商品信息以广告的形式再次展现在他面前。如到访再营销、搜索再营销、广告点击再营销等。

简单的cookie（用于标示用户的ID）植入可以用于retargeting。

网站重定向：根据用户在广告主网站上的行为进行重定向
搜索重定向：根据用户于广告主相关的搜索行为进行重定向
个性化重定向：根据用户在广告主网站上关注的具体商品和购买阶段，推送商品粒度的广告；不再推送已购买商品，而是推荐相关产品；可视为站外推荐引擎。

受众定向

即为A(d)U(ser)C(ontext)打标签的过程

建立面向广告主的流量售卖体系（确定的标签、有监督、分类而非聚类或topic model）
为各估计模块（如CTR预测）提供原始特征

人群属性

基于用户基本属性，如年龄、性别、教育背景、职业、婚姻状态、收入、消费能力、工作场所等做人群定向，相对静态，长期不变。

需要长期积累和不断建设，可以通过多家第三方ID绑定不断优化。如社交网络：朋友关系为用户兴趣和属性的平滑提供了机会、实名制社区网络的人口属性信息相对准确。

行为

基于用户历史行为数据挖掘用户兴趣，行为数据如网页浏览、网页点击、查询 query、UGC 内容（如微博、朋友圈等），一般需要区分长期、短期和实时兴趣。

九种重要原始行为（按信息强度排序）：Transaction, Pre-transaction, Paid search click, Ad click, Search click, Search, Share, Page view, Ad view. 需要去除网络热点话题带来的偏差；越靠近需求的行为对转化越有贡献；越主动的行为越有效。

Session log: 将各种行为日志整理为以用户Id为Key的形式，完成作弊和无效行为标记，作为各数据处理模块的输入源

Long-term行为定向两种多日累积方式：

滑动窗方式（f为long-term标签，下标为日期）

f_{d}^{i} (u) = \sum_{j = 0}^{T} t_{d - j}^{i} (u)

$f_d^i(u) = \sum_{j=0}^T t_{d-j}^i(u)$

这里写图片描述

时间衰减方式（空间复杂度低，仅需昨天的f和今天的t）

f_{d}^{i} (u) = t_{d}^{i} (u) + α f_{d - 1}^{i} (u)

$f_d^i(u) = t_{d}^i(u) + \alpha f_{d-1}^i (u)$

这里写图片描述

上下文（即时受众标签）

基于用户当前查询的 query、浏览的网页、使用的 App 等语义分析结果定向，均为实时访问上下文。

用在线cache系统存储url，特征表以提供实时访问
不预先加载任何cache内容，对cache中不存在的url，立刻返回空特征，同时触发相应的页面爬虫和特征提取
设置cache系统合适的失效时间以完成特征自动更新

相似用户（look-alike）

侧重基于确定的一小波人群，圈出更大规模类似的人群，保证定向效果的同时，扩大用户覆盖。因为挖掘相似用户过程中，主要依据用户基本属性或兴趣（长期），更新频率不高。

地理位置

移动互联网比较热门的定向，可以定位城市、商圈、学校等区域。

受众定向评测

Reach/CTR曲线

http://www.flickering.cn/category/ads/

http://study.163.com/course/courseMain.htm?courseId=321007#/courseDetail