在线计算广告，如何做候选资源排序？

01的起源一直是对广告领域的一半了解。毕竟，在目前的职业生涯中，我还没有做过真正的广告。直到去年年底，一些与广告相关的数据在项目中逐渐合作和对接，我才对广告领域有了一点了解和认知，但这不是一个系统。因此，我一直想深入了解广告，围绕广告建立自己的认知体系（我习惯于在不同的知识领域建立认知体系，广告确实是一个相对空白的部分）。因此，一方面，目前的系列是对这方面的整理，更多的是结合当前六年多数据领域的学习经验进行延伸和思考。当然，目前或多或少会涉及到一些广告的实际工作，一些相关有用的东西也会融入其中。这样，也许以后还有机会在这个领域继续深入做下去。对于整个系列的组织，说真的，我没有彻底思考，因为我目前没有系统的认知，所以我有权在学习和思考的同时做一系列的笔记。如有不当和未知，欢迎纠正。假如对广告和数据系统感兴趣，也不妨跟着看，也应该有点用。既然说到广告，我们首先要对广告有一个基本的了解。在过去，在互联网远不流行的时代（在网络时代之前），大多数广告载体是纸质媒体或线下物理广告牌，然后是电视广告和各种LED富媒体广告。随着互联网流量的增加，许多广告形式开始出现在互联网上，其次是移动互联网的到来、各种移动应用程序、移动载体应用程序等。对于新一代来说，纸媒估计接触很少，线下广告的关注度也不是很高。比如我好久没看电视了，更别说在电视上插广告了，但是我们花了很多时间在互联网上，所以我们这里说的广告更多的是指互联网在线广告。我们的出发点是数据，所以我们必须以互联网在线广告为核心，这些广告与数据关联度最高（这并不意味着线下广告或电视广告不能使用数据，但效果并不大，也不是核心驱动力）。对于我们需要关注的在线计算广告，与其他传统广告的根本区别在于，其广告效果可以跟踪效果，结果可以量化，人群可以定向计算，中间过程可以不断优化，资源所有权可以进行投标。这些问题本质上推翻了传统广告效果难以跟踪、过程难以优化、用户难以个性化匹配等问题。从这个角度来看，无论是数据跟踪回收、人群肖像定位、点击转换估计、招标模型等，都与数据/算法密切相关。甚至可以说，在线计算广告领域是一种真正实施大数据并产生真金白银的商业模式。对于广告，整体可分为两类，以品牌传播品牌声誉为目的，核心追求长期关注和利益；以点击转换为核心目的一般称为效果广告，即当前广告带来的实际转换。围绕以上两个目的，单纯从商业计费的角度分为CPM/CPC/CPS/CPD..还有很多类似的收费方式。CPM，千人成本可以理解为显示千人对应的成本，不负责转化效果。CPC，每个点击成本，即不考虑显示曝光，只根据每个广告点击收费，在一定程度上需要考虑效果转换，但一般只是转换的中间层，以电子商务页面为例，用户点击页面，也只进入详细页面，最终转换取决于是否订购。CPS，每个销售成本，即直接将最终销售与广告费用联系起来，实际上更像是一种分享模式，即销售多少，你需要给分流广告费用，是一个纯粹的效果负责任的广告。CPA，每个动作成本，所谓的动作，一般是指一些下载或实际的转换动作，如在流量池中放置应用程序的下载页面，只要有下载记录一次，也是一种倾向于对效果负责的模式。CPD，每天收费，这实际上是拉出时间维度作为收费方式，除了每天还有其他时间粒度，如小时、每周等，这种广告模式在各种应用分销市场非常常见，对于一些资源每天计算成本，通常不负责效果转化。例如，上面列出了五种常见的广告计费方法。事实上，有很多，如果添加o（optimized）例如，OCPA、OCPC等，是所谓的动态优化广告，区别在于O可以利用转换估计模型实现智能动态投标（投标），这是数据、优化效果、提高利润的灵魂，也是我们将反复讨论和探索的一部分。03互联网在线计算广告的本质，无论是商业模式还是具体的计费方式，事实上，我们的核心是认识到广告（这里我们主要讨论的是数据核心授权的在线计算广告）的核心是将广告商的资源与用户联系起来，我们所做的一切都是为了目的，然后优化中间过程。至于目的，广告商是有限的预算，最大化转型，但注意转型不能简单地认为是广告转型，如品牌广告，个人认为即使品牌广告追求是最终的销售转型，但路径长，周期长，所谓的品牌影响力、品牌形象，最终会转化为购买力，只是一种隐藏的影响，不能进行明显的定量跟踪。对于平台，一方面需要努力提高广告和用户的匹配，匹配是提高广告商广告转型的核心逻辑，但从平台的角度来看，同时需要考虑平台收入最大化，例如，假设AB广告匹配C用户，但一个时间周期场景用户只能看到其中之一，如何选择？假设A的匹配度稍高，那么选择A吗？显然不一定。如果B说我会给我十倍的成本。因此，这涉及到匹配度和收入的权衡，随之而来的是广告竞价体系。因此，当我们遵循这个想法时，我们会发现更基本的逻辑是，对于流量（用户），如何排序候选资源（广告资源），只是说在许多场景中，只允许显示前1名的候选资源。我们的数据需要做的是做好连接层，优化匹配过程，提高效果转化预测，权衡竞价和交付问题。