计算广告笔记-受众定向核心技术

受众定向技术分类

总体上看，按照计算框架的不同，这些受众定向技术可以分为3种类型：

1. 用户标签，可以表示成t(u)形式的标签，以用户历史行为数据为依据，为用户打上的标签；
2. 上下文标签，可以表示成t©形式的标签，根据用户当前的访问行为得到的即时标签；
3. 定制化标签，可以表示成t(a, u)形式的标签，也是一种用户标签，不同之处在于是针对某一特定广告主而言的，必须根据广告主的某些属性或数据来加工。

以上各种定向中，地域定向、频道定向和上下文定向属于t©的定向方式；人口属性、行为定向属于t(u)的定向方式；重定向和新客推荐属于t(a,u)的定向方式。

上下文定向

从打标签的方法上看，上下文定向主要的几种思路如下：

1. 用规则将页面归类到一些频道或主题分类；
2. 提取页面中的关键词；
3. 提取页面入链锚文本中的关键词；
4. 提取页面流量来源中的搜索关键词；
5. 用主题模型将页面内容映射到语义空间的一组主题上，这样做的目的是为了泛化广告主的需求，提高市场的流动性和竞价水平。

行为定向

行为定向：根据用户的历史行为进行挖掘的方法。具体可以描述为，根据用户一段时期内的各种网络行为，将该用户映射到某个定向标签上。

行为定向建模问题

行为定向问题的目标是找出在某个类型的广告上eCPM相对较高的人群。通常把某个用户在某类广告上的点击量作为建模的对象。

由于点击行为是离散达到的随机变量，对其数量最自然的概率描述是泊松分布：

其中，h为某个用户在某个定向类别广告上的点击量，t代表某个受众标签，而 λ t \lambda_t