计算广告学

出自 MBA智库百科(https://wiki.mbalib.com/)

计算广告学(Computational advertising)

　　计算广告学是广告与互联网应用不断结合产生的一门新兴交叉学科。

　　互联网广告是广告与互联网结合的产物，既拓展了广告投放的方式，影响人群的范围和广告效果的体现，也是当前互联网企业主要的盈利模式，还是促进互联网迅猛发展的主要因素。为了探索互联网广告的规律，结合互联网快速、精细和大规模的特点，利用互联网强大的数据收集和处理能力提升互联网广告的效果，一门新的学科应运而生，这就是计算广告学。

　　计算广告学是一门广告营销科学，以追求广告投放的综合收益最大化为目标，重点解决用户与广告匹配的相关性和广告的竞价模型的问题。计算广告学它涉及到大规模搜索和文本分析、信息获取、统计模型、机器学习、分类、优化以及微观经济学。计算广告学的主要实践场景是互联网在线广告，对于用户而言有商务搜索广告、浏览页面投放广告、社区人群广告等多种形式。目前比较成熟的是商务搜索广告、浏览页面投放广告;对于新型社区(如SNS、游戏社区等)的在线广告还在发展当中。

　　2008年在美国加州旧金山市召开的第十九届ACM-SIAM离散算法学术讨论会上，雅虎研究院的资深研究员兼副总裁 Andrei Broder 提出了计算广告(ComputationalAdvertising)的概念。2011年9月至12月，斯坦福大学邀请Andrei Broder 和另一位雅虎资深研究员 Vanja Josifovski联合开设了计算广告学导论的研究生课程 2015年，前 Yahoo!北京研究院广告与推荐技术负责人、高级科学家、MediaV首席科学家刘鹏将在清华大学和北京大学主讲《在线广告计算技术》课程。2019年中国传媒大学广告学院经过论证与筹备，特别邀请到国内计算广告的开创性科学家刘鹏与本院教师马澈组成课程团队，于2019年春季学期正式开设《计算广告》专业课程。

　　广告是企业为了一定的目标，如市场占有率、知名度等，通过媒体影响受众行为的营销手段。对于现代商业社会和市场经济的发展，广告起到了至关重要的作用。广告投放则是将广告与受众的需求作匹配。线下广告只能通过使用不同的媒体、区别版面或频道等方式间接获得细分受众需求。在互联网和大数据背景下，由工业界驱动产生了一种新的广告投放方式和形态，就是计算广告。Andrei Broder和Dr．Vanja对计算广告给出了业界比较公认的定义：计算广告是为给定情景C下的用户U找到一个合适的广告a，以实现“最优”匹配(Find the “best match”between a given user U in a given context C and a suitable advertisement a)。计算广告肇始于互联网，而且至今互联网仍是计算广告的主战场。

　　计算广告当前的主要实践领域是在互联网企业，它所面临的最主要挑战是在特定语境下特定用户和相应广告之间找到“最佳匹配”，语境可以是用户在搜索引擎中输入的查询词，也可以是用户正在阅读的网页，还可以是用户正在观看的电影等。虽然单个用户的相关信息不是很多，但因为互联网产品的使用者往往都是百万、千万甚至几亿数量级的海量用户，相对应的，潜在广告的数量也可能达到几十亿。因此，要真正实现“最佳匹配”，最大的挑战是在复杂约束条件下的大规模计算、搜索、优化等问题。

　　互联网上的计算广告相比传统的线下广告，具有两方面的优势：互联网的用户在网上留下了各种行为数据，广告发布商可以据此利用统计及机器学习方法有效地将用户进行分类，从而实现广告受众需求的细分；广告主或广告发布商可利用这些用户行为数据精准衡量广告的投放效果，从而及时调整广告投放策略，以达到某种目标(比如提升广告匹配受众的准确率，或者广告发布商的收益等)。

　　互联网广告主要关注3个问题：一是在线广告市场需求问题，即中小广告主如何购买广告位，例如搜索引擎的广告词、社交媒体的嵌入式广告位；二是在线广告市场供给问题，即中小网站如何出售广告位；三是广告交易投放场所问题。如何解决这3个问题，是计算广告学的主要研究内容，也是一个企业在计算广告学领域研究和应用水平的重要体现。

　　在解决在线广告市场需求方面，以搜索广告为例，主要包括3个方面的内容：(1)如何筛选可展示的广告，即广告触发，从用户搜索的检索词(query)中找到广告主所购买的关键词(keyword)集合，进而筛选出可以展现的广告集合。在实践中，广告触发面临的技术挑战是在一个动态的广告库集合上实现在线匹配，不能影响正常检索需求，需要在毫秒级内完成。(2)对筛选出的广告质量进行判断，即点击率预估(Click．through Rate，CTRo通常点击率预估使用典型的机器学习技术，针对一段时间用户点击的样本进行模型训练，预估该广告可能点击的概率。为了减少预估误差，一般会采用大量细颗粒度特征，精细刻画CTR。像百度和Google这样规模的搜索引擎一般会达到百亿级别的特征。(3)根据广告的质量和广告主的出价确定广告的展示位，这涉及展示位的拍卖机制。现在业界通常使用广义二阶价格(GSP)拍卖机制，学术界也在探索其他机制，如Myerson机制、VCG机制等。这些机制设计理论往往有很多假设，比如广告主是理性的、广告主有着完全信息等，这在实践中会面临不小的挑战。搜索引擎常常会根据实际的广告主行为，对机制进行相应调整，以适应环境的变化。

　　在解决在线广告市场供给方面，实现聚合中小网站广告位的是广告网络。这种网络联盟集中分散的广告位库存，开发分发广告的投放引擎，使中小网站出售广告位成为可能。搜索引擎仍然是此种能力的最佳候选者：一方面搜索引擎是上网的入口，吸引了大量中小网站围绕在其周围以获得流量；另一方面，搜索广告又带来大量投放广告的客户，本身具有投放广告的技术服务能力和营销能力。搜索引擎天然就是广告主和网站之间的一座桥梁。虽然最早的广告网络并不是搜索引擎首创，但最成功的广告网络毫无疑问是搜索引擎创造的，最典型的例子就是Google AdSense和百度网盟。

　　在解决广告交易投放场所方面，广告交易市场的建设是业界的热点。这里交易的不是广告位，而是把广告位转化成“有不同标签的受众”去交易。广告交易市场获得网站出售的需求后，确定将这一信息发送给哪些广告主。通常接人广告交易市场的是广告主的委托代理人——需求方平台(Demond Side Platform，简称DSP)。DSP虽然类似于传统广告代理，但DSP是个技术导向的平台，它的主要职能是为广告主寻找物美价廉的广告展现机会。

　　“研究如何利用计算的方法求解广告活动中的各类问题”是计算广告学的本质之一，在互联网企业中，整个在线广告的实践过程涉及多种信息和技术平台，谁获得的信息多，计算最准确，系统运转良好，谁就能占据优势。这涉及平台建设、算法设计、数据收集和处理、系统运营和维护等方方面面的能力。

• 张高,田瑞雄等.校企合作推动计算广告学科建设初探[J].计算机教育.2013,20