計算廣告學實踐資料(編輯修改稿)
2025-05-29 03:34 本頁面
【文章內(nèi)容簡介】 組合爆炸問題： 流量合并 對偶問題 流量波動問題： 重新規(guī)劃 在線規(guī)劃 目錄 ? 展示廣告發(fā)展現(xiàn)狀 ? 生態(tài)系統(tǒng)演化 ? 展示廣告分類 ? 媒體端技術概覽 ? 品牌廣告的計劃與投放 ? 上下文廣告的投放 ? 混合投放 ? 點擊率估計 上下文廣告特點 ? 效果導向（點擊率 /收益估計） ? 流量需求無法離線預測 急功近利法 廣告 1 廣告 2 預算 1 1 圖書 1% % 音樂 1% 0% 表示 10次圖書頁面請求 表示 10次音樂頁面請求 頁面請求到達順序 急功近利法 表示 10次圖書頁面請求 表示 10次音樂頁面請求 頁面請求到達順序 完整信息 收益： 廣告 1 廣告 2 廣告 1 廣告 2 預算 1 1 圖書 1% % 音樂 1% 0% 急功近利法 表示 10次圖書頁面請求 表示 10次音樂頁面請求 頁面請求到達順序 貪心算法 收益： 廣告 1 廣告 2 廣告 1 廣告 2 預算 1 1 圖書 1% % 音樂 1% 0% 急功近利法 表示 10次圖書頁面請求 表示 10次音樂頁面請求 頁面請求到達順序 貪心算法 收益： 廣告 1 廣告 2 廣告 1 廣告 2 預算 1 1 圖書 1% % 音樂 1% 0% Adwords模型 ? 貪心算法：廣告 i的效用 = bidi ? 改進方法：廣告 i的效用 = bidi * f(廣告 i完成比例 ) Adwords模型 ? 貪心算法：廣告 i的效用 = bidi ? 改進方法：廣告 i的效用 = bidi * f(廣告 i完成比例 ) f(x) = 1 – exp(x) 完成比例 f(x) Adwords模型 ? 貪心算法：廣告 i的效用
教學課件相關推薦
鄂ICP備17016276號-1