【targeting學習筆記】Display Advertising Targeting

背景：stanford的計算廣告學（computational advertising）課程，yahoo的人主講，這個ppt使其中的一講，93頁

主要内容：

1. Display ad targeting：

    相比于搜尋廣告來講，搜尋展現了明顯的意圖，顯示廣告，使用者隻有浏覽行為，而浏覽行為展現出的使用者行為比起搜尋行為差了好多，是以是“High entropy” of user intent。相比而言，顯示廣告的CRT和搜尋廣告相比也差了幾個數量級。

    如何降低“high entropy"？利用搜尋行為、利用使用者交易行為（購買、放入購入車、添加關注等等）

   展示廣告定向可以分解為三個相關聯的任務：

（1）User profile generation: describe the user

（2）Audience selection: find the best audience for a given ad

（3）Performance prediction: find the best ad for a given impression (we have discussed this before) 

   對上面三個任務，細分來說：

（1）User profile generation：可以利用的資訊（使用者注冊資訊，活動——點選、浏覽等，使用者的社會關系——郵件組、好友等）。總之，user data --> intents and interests

（2）Audience selection: 與（1）相關聯，但是目标不同，可以由不同的公司來做

  使用者篩選與廣告篩選是一個對偶問題。

2. 傳統定向廣告技術

傳統的定向廣告技術都是把人群進行分類，在此基礎上将人群與廣告類别建立起來聯系，對特定人群投放特定的廣告。

細分為如下幾類技術：

（1）Demographic targeting ——人口統計學

（2）Geo targeting —— 地理位置資訊

（3）Behavioral targeting —— 使用者行為資訊

（4）Retargeting —— 重定向廣告

細分來詳細說：

（1）Demographic targeting：網站的注冊資訊，年齡、性别、收入、位置、興趣等等

這些資訊有的是使用者直接注冊的，有些是需要推斷的，方法是根據使用者的行為，訓練分類器，進行特定類别的分類；除了分類器外，還可以利用 網頁——使用者 之間的二部圖、輔以一些降維技術（SVD）。

（2）Geo targeting：

這部分資訊比較難獲得，即便獲得也不見得準确。擷取方式：使用者注冊、使用者ip、gps、使用者浏覽器或者作業系統的語言設定。在手機上LBS更有需求。

（3）Behavioral targeting：

基于使用者曆史行為的定向廣告，曆史性為包括：浏覽、搜尋、購買、廣告點選等等

（4）Retargeting：

ppt上說的不是太詳細，我了解是Retargeting的過程是：使用者近期浏覽行為（或者其他行為），抽取關鍵詞，存放在使用者cookie當中，當使用者浏覽網頁有廣告投放需求的時候，通過cookie中的關鍵詞來決定投放什麼廣告

以下的内容，每一節介紹一篇yahoo發表的論文

3. Social targeting: the power of the graph

是指基于社交網絡的定向廣告。

社交網絡能夠利用量方面資訊：1. 使用者注冊資訊；2. 使用者關系鍊

“The social graph can be used to smooth the data available” —— 作者認為社交關系鍊的作用之一，是對使用者目前缺失注冊資訊的一種平滑，可以根據他的朋友是什麼樣的人來推斷他是什麼樣的人

graph分幾種：1. mail graph（郵件之間的關系）；2. social graph

graph的用法：1. 分類（将graph特征加入到标準behavior targeting流程中）；2. ensemble（結合behavior model和graph model）；3. network propagation（随機遊走的方式，推測網絡中缺失的屬性值）

實驗表明：單獨的使用者行為特征在targeting中遠好于單獨的graph特征，不過兩者結合的能取得最好的結果。

4. current trend in targeting

從基于使用者群劃分的模型逐漸轉向基于模型的、更加精準的個性化推薦

5. User profile generation: interests and intents 

     ——Working with high entropy of intent

讨論了人口屬性中對定向廣告的影響。

有一個觀察：使用者在買了某個大件商品之後，不再可能再買同樣的東西了，此時投放廣告是沒用的

6. Generative language models for user profiles 

講的是CIKM2011上的一篇文章。

形式化“Audience selection task”任務：給定一群種子使用者，尋找和目前使用者群相似的使用者，類似資訊檢索。

種子使用者的使用者行為用event來表示，event序列用語言模型來模組化

7. Learning BT categories from click data 

預測CRT的。用的回歸。相關細節和公式可以參考原文。

8. Information-Theoretic User Profile Generation

9. 總結：直接copy&paste原文了

! -Targeting is a key step in differentiation of impressions and 

extracting value! 

!  -Traditional targeting: demo, geo, BT 

!  ---How to get the data from the user? 

!  ---Infer the data from historical activity 

!  One of the key step in targeting is user profile generation 

!  ---Generative models to assign probability of a sequence of events 

!  ---Weighting based on time, event type and content 

!  ---Predict the counts of events in certain categories 

!  ---Clustering and other unsupervised techniques useful – more to come in the next lecture