計算廣告學

出自 MBA智库百科(https://wiki.mbalib.com/)

計算廣告學(Computational advertising)

　　計算廣告學是廣告與互聯網應用不斷結合產生的一門新興交叉學科。

　　互聯網廣告是廣告與互聯網結合的產物，既拓展了廣告投放的方式，影響人群的範圍和廣告效果的體現，也是當前互聯網企業主要的盈利模式，還是促進互聯網迅猛發展的主要因素。為了探索互聯網廣告的規律，結合互聯網快速、精細和大規模的特點，利用互聯網強大的數據收集和處理能力提升互聯網廣告的效果，一門新的學科應運而生，這就是計算廣告學。

　　計算廣告學是一門廣告營銷科學，以追求廣告投放的綜合收益最大化為目標，重點解決用戶與廣告匹配的相關性和廣告的競價模型的問題。計算廣告學它涉及到大規模搜索和文本分析、信息獲取、統計模型、機器學習、分類、優化以及微觀經濟學。計算廣告學的主要實踐場景是互聯網線上廣告，對於用戶而言有商務搜索廣告、瀏覽頁面投放廣告、社區人群廣告等多種形式。目前比較成熟的是商務搜索廣告、瀏覽頁面投放廣告;對於新型社區(如SNS、游戲社區等)的線上廣告還在發展當中。

　　2008年在美國加州舊金山市召開的第十九屆ACM-SIAM離散演算法學術討論會上，雅虎研究院的資深研究員兼副總裁 Andrei Broder 提出了計算廣告(ComputationalAdvertising)的概念。2011年9月至12月，斯坦福大學邀請Andrei Broder 和另一位雅虎資深研究員 Vanja Josifovski聯合開設了計算廣告學導論的研究生課程 2015年，前 Yahoo!北京研究院廣告與推薦技術負責人、高級科學家、MediaV首席科學家劉鵬將在清華大學和北京大學主講《線上廣告計算技術》課程。2019年中國傳媒大學廣告學院經過論證與籌備，特別邀請到國內計算廣告的開創性科學家劉鵬與本院教師馬澈組成課程團隊，於2019年春季學期正式開設《計算廣告》專業課程。

　　廣告是企業為了一定的目標，如市場占有率、知名度等，通過媒體影響受眾行為的營銷手段。對於現代商業社會和市場經濟的發展，廣告起到了至關重要的作用。廣告投放則是將廣告與受眾的需求作匹配。線下廣告只能通過使用不同的媒體、區別版面或頻道等方式間接獲得細分受眾需求。在互聯網和大數據背景下，由工業界驅動產生了一種新的廣告投放方式和形態，就是計算廣告。Andrei Broder和Dr．Vanja對計算廣告給出了業界比較公認的定義：計算廣告是為給定情景C下的用戶U找到一個合適的廣告a，以實現“最優”匹配(Find the “best match”between a given user U in a given context C and a suitable advertisement a)。計算廣告肇始於互聯網，而且至今互聯網仍是計算廣告的主戰場。

　　計算廣告當前的主要實踐領域是在互聯網企業，它所面臨的最主要挑戰是在特定語境下特定用戶和相應廣告之間找到“最佳匹配”，語境可以是用戶在搜索引擎中輸入的查詢詞，也可以是用戶正在閱讀的網頁，還可以是用戶正在觀看的電影等。雖然單個用戶的相關信息不是很多，但因為互聯網產品的使用者往往都是百萬、千萬甚至幾億數量級的海量用戶，相對應的，潛在廣告的數量也可能達到幾十億。因此，要真正實現“最佳匹配”，最大的挑戰是在複雜約束條件下的大規模計算、搜索、優化等問題。

　　互聯網上的計算廣告相比傳統的線下廣告，具有兩方面的優勢：互聯網的用戶在網上留下了各種行為數據，廣告發佈商可以據此利用統計及機器學習方法有效地將用戶進行分類，從而實現廣告受眾需求的細分；廣告主或廣告發佈商可利用這些用戶行為數據精準衡量廣告的投放效果，從而及時調整廣告投放策略，以達到某種目標(比如提升廣告匹配受眾的準確率，或者廣告發佈商的收益等)。

　　互聯網廣告主要關註3個問題：一是線上廣告市場需求問題，即中小廣告主如何購買廣告位，例如搜索引擎的廣告詞、社交媒體的嵌入式廣告位；二是線上廣告市場供給問題，即中小網站如何出售廣告位；三是廣告交易投放場所問題。如何解決這3個問題，是計算廣告學的主要研究內容，也是一個企業在計算廣告學領域研究和應用水平的重要體現。

　　在解決線上廣告市場需求方面，以搜索廣告為例，主要包括3個方面的內容：(1)如何篩選可展示的廣告，即廣告觸發，從用戶搜索的檢索詞(query)中找到廣告主所購買的關鍵詞(keyword)集合，進而篩選出可以展現的廣告集合。在實踐中，廣告觸發麵臨的技術挑戰是在一個動態的廣告庫集合上實現線上匹配，不能影響正常檢索需求，需要在毫秒級內完成。(2)對篩選出的廣告質量進行判斷，即點擊率預估(Click．through Rate，CTRo通常點擊率預估使用典型的機器學習技術，針對一段時間用戶點擊的樣本進行模型訓練，預估該廣告可能點擊的概率。為了減少預估誤差，一般會採用大量細顆粒度特征，精細刻畫CTR。像百度和Google這樣規模的搜索引擎一般會達到百億級別的特征。(3)根據廣告的質量和廣告主的出價確定廣告的展示位，這涉及展示位的拍賣機制。現在業界通常使用廣義二階價格(GSP)拍賣機制，學術界也在探索其他機制，如Myerson機制、VCG機制等。這些機制設計理論往往有很多假設，比如廣告主是理性的、廣告主有著完全信息等，這在實踐中會面臨不小的挑戰。搜索引擎常常會根據實際的廣告主行為，對機制進行相應調整，以適應環境的變化。

　　在解決線上廣告市場供給方面，實現聚合中小網站廣告位的是廣告網路。這種網路聯盟集中分散的廣告位庫存，開發分發廣告的投放引擎，使中小網站出售廣告位成為可能。搜索引擎仍然是此種能力的最佳候選者：一方面搜索引擎是上網的入口，吸引了大量中小網站圍繞在其周圍以獲得流量；另一方面，搜索廣告又帶來大量投放廣告的客戶，本身具有投放廣告的技術服務能力和營銷能力。搜索引擎天然就是廣告主和網站之間的一座橋梁。雖然最早的廣告網路並不是搜索引擎首創，但最成功的廣告網路毫無疑問是搜索引擎創造的，最典型的例子就是Google AdSense和百度網盟。

　　在解決廣告交易投放場所方面，廣告交易市場的建設是業界的熱點。這裡交易的不是廣告位，而是把廣告位轉化成“有不同標簽的受眾”去交易。廣告交易市場獲得網站出售的需求後，確定將這一信息發送給哪些廣告主。通常接人廣告交易市場的是廣告主的委托代理人——需求方平臺(Demond Side Platform，簡稱DSP)。DSP雖然類似於傳統廣告代理，但DSP是個技術導向的平臺，它的主要職能是為廣告主尋找物美價廉的廣告展現機會。

　　“研究如何利用計算的方法求解廣告活動中的各類問題”是計算廣告學的本質之一，在互聯網企業中，整個線上廣告的實踐過程涉及多種信息和技術平臺，誰獲得的信息多，計算最準確，系統運轉良好，誰就能占據優勢。這涉及平臺建設、演算法設計、數據收集和處理、系統運營和維護等方方面面的能力。

• 張高,田瑞雄等.校企合作推動計算廣告學科建設初探[J].電腦教育.2013,20