dsp广告

原文：http://www.inboundjournals.com/rtb-real-time-bidding-the-future-of-online-advertising/ [资讯图表] RTB实时竞价广告是未来趋势 RTB (Real Time Bidding) 实时竞价，已经成为网路广告产业最新的代名词，它是网路广告圈不断发展下的必然产物，目前盛行于欧美国家，最近引进亚洲。 究竟什么是RTB？ 本资讯图表将作系统的说明。 阶段一 网路上一开始便存在两种角色：广告主与媒体(例如网站)。 广告主可以直接跟网站买Banner，或者透过代理商买Banner。 由于这个模式很有赚头，大家纷纷投入，开始出现非常多的分众网站。 广告购买也开始越来越复杂，广告主面对庞杂的分众网站时就会一团乱。 阶段二 因应需求，AD Network (联播网)出现，先把个大型网站搜集、分类之后，再把这些网站的广告版位卖给广告主，广告主只要投钱，其余就由联播网负责打理(一站式服务)。 但这种模式又出现几种​​问题，让广告效率变低…… 因为联播网并没有真的串连所有网站，有些单独的网站仍须客户自己去下广告。 虽然广告主可以选择分众网站，却无法精确选择让「谁」看到，也无从验证。 如果有一个男生误点女性网站的广告也被计算进去，实际上是一个无效曝光。 这种计费方式粗糙，如果广告在三个不同的网站被同一个人看到

提 纲 1、 移动DSP与传统营销有什么不同？ 2、为什么移动DSP是大势所趋？ 3、哪些因素决定移动DSP的精准与否？ 4、如何辨别移动DSP的真伪优劣？ 5、不同行业的广告主如何用好移动DSP？ 6、怎么用移动DSP获得最优ROI？ 7、什么样的广告主适合选择PMP？ 8、移动DSP 2.0为什么是移动程序化场景营销？ 1 移动DSP与传统营销有什么不同？ 移动DSP与传统营销都是广告主进行品牌宣传的手段，不同在于： 就广告投放的 本质 而言，移动DSP实现的是媒体背后的人群购买，而传统营销则是对媒体版面的购买； 就广告投放的 流程 来说，移动DSP大多采用实时竞价的方式进行广告的实时投放，广告主可根据投放效果及时调整、优化投放策略，而传统营销则需要提前与媒体谈判购买固定的版面，投放期间也无法实时调整或优化； 就广告投放的 效果 而言，移动DSP全程数据化、公开化、透明化，曝光、点击、下载、购买等均有数据可查，而传统营销只能通过媒体属性来估算曝光量和覆盖面。 2 为什么移动DSP是大势所趋？ 首先，传统购买媒体版位、模糊估算广告效果的投放方式被认为“一半的广告费被浪费，还不知道浪费在哪里”，以大数据和技术为基础的移动DSP很好的解决了这一问题； 其次，全球智能手机用户数量将在今年超过20亿，中国网民达6.68亿，9成用户使用手机上网。

《计算广告》学习笔记（三） 第六章：程序化交易广告 6.1实时竞价 6.2其他程序化交易方式 6.2.1优选（preferred deals） 6.2.2私有市场（private marketplace） 6.2.3程序化直投（programmatic direct） 6.2.4广告交易方式谱系 6.3广告交易平台 6.4需求方平台 6.4.1需求方平台产品策略 6.4.2出价策略 6.4.3重定向 6.4.4新客推荐 6.5供给方平台 6.5.1供给方平台产品策略 6.5.2Header Bidding 第六章：程序化交易广告 市场的发展方向是向需求方开放，即提供广告主自主选择流量和每次展示单独出价的功能，这些功能要求询价、出价、竞价在展示时进行，这就产生了以实时竞价（RTB）为核心的程序化交易市场。 广告交易平台（ADX）即为使用RTB方式的竞价平台，其采买方为DSP。在这里，需求方可以定制自己的用户划分（根据第一方数据），这就要求DSP有点击率、点击价值估计等功能。同时媒体可以动态划分自己的流量选择不同的方式变现，从而实现利益最大化，这就是SSP的功能。 6.1实时竞价 在完成某些任务时（对流失用户和潜在用户推广），需要利用广告主自有的数据，这个叫做定制化用户标签。在传统广告网络中，通过在广告主网站设置代码或由广告主上传用户ID的方式来解决。这种方式的问题是： （1

https://blog.csdn.net/LW_GHY/article/details/71455535 ADX出价调整， 预估ctr抽样后调整还原 2. 动态调整报价 在DSP的报价环节，点击率预估模型会对每一个流量预估出一个CTR，为了适应adx市场的需要，会加上指数和系数项进行调整。但是通过这种报价方式获取的流量，由于外部竞争环境的变化，流量天然在不同时段的差异，经常会出现CPC不稳定。该报价的系数对于所有的媒体都是一致的，而一般的优质媒体都是有底价的，且不同媒体的底价不一致，造成该报价方式无法适用所有的媒体，出现部分优质媒体无法获取足够的流量。 我们的目标是在CPC一定的情况下，在优质媒体、优质时段尽可能多的获取流量，这里我们需要根据实时的反馈和期望稳定的CPC来动态调整线上的报价[10]。从而在竞价环境、时段、媒体变化时，CPC保持稳定，进一步保证我们的收益最大化（同样的营销费用，获取的流量最多）。 4. 负样本采样 由于广告点击的正负样本分布极其不均，站外广告的点击率普遍较低，绝大多数样本是负样本，为了保证模型对正样本的召回，需要对负样本按照一定比例抽样。 5. 真实CTR校准 由于负样本抽样后，会造成点击率偏高的假象，需要将预测值还原成真实的值。调整的公式如下： q: 调整后的实际点击率。 p: 负样本抽样下预估的点击率。 w: 负样本抽样的比例。 来源：

海思新出的HI3559A和Hi3519A自带了DSP，对于我们这种做图形图像处理及加速的太有用了。拿到开发板后，才发现海思只提供了一个膨胀和腐蚀的例子。更坑的是，居然没有源代码，关键算法被封装成库了。 经过几番折腾，在某宝上买到了廉价的xtensa xplorer开发工具（官方的太贵了，哈哈），终于把海思的DSP用了起来。使用步骤简单描述一下吧： 1. 首先得有xplorer的编译工具，这个工具不是免费的，要有license才能用，包括开发和性能调优。 2. 买一个海思的开发板，一般某宝上的几千块的就行，不过只能接一个摄像头。例子中我是使用了自己做的开发板，直接接入了4路3G-SDI摄像头做输入源了，开发板我就不多说了，免得被误解是打广告的 。 3. 使用海思自带的svp/dsp例子，在里面加入一个自己的算法（反正就是依葫芦画瓢，理解一下dsp的调度），难点主要是算法的优化，海思SDK给的膨胀和腐蚀两个例子都是没有源码的，这个比较坑。我也是自己用xplorer工具一点一点的理解加优化，实现了一个边沿检测算法（sobel和candy两种算法都实现了）。代码这种东西，这里我就不分享了哈。 4. 运行并显示画面，vio和dsp两个程序是相互独立的，所以我单独开dsp程序就能看到处理后效果，不开的话就是处理前原始画面。 效果图如下： 4.1. 使用dsp前画面： 4.2.

可以将文章内容翻译成中文,广告屏蔽插件可能会导致该功能失效(如失效，请关闭广告屏蔽插件后再试): 问题: I have looked a lot of placed to find this answer, but I have not been able to find anything that pertains to my situation. It seems so easy, which is why this is so frustrating. I am building a project with CMAKE. I am generating two shared libraries. One includes the other. I am also generating an executable. The executable is linking to the shared library that encapsulates the other one. Here is the relevant portion of the code: ################################################################################ # Make the shared libraries ##

DMP说明： DMP(Data Management Platform)数据管理平台，是把分散的多方数据进行整合纳入统一的技术平台，并对这些数据进行标准化和细分，让用户可以把这些细分结果推向现有的互动营销环境里的平台。 1.项目背景 互联网广告（本项目针对手机，OTT，PC）的崛起得益于信息技术的发展和普及，智能的终端设备迅猛的发展。 互联网广告的优势： 1）受众多 10亿+网民 2）可以跟踪用户的行为，进而可以做精准营销 2.dsp流程 如果用户是第一次进来，在DMP中没有信息，有默认的广告投放公司，比如可口可乐会去投（追求曝光率） DSP主要是有两个属性，1就是广告，2就是DMP系统，里面有我们用户的信息（比如关注的物品的权重） 3.项目开发部分 项目开展之前进行一下操作，成为项目准备阶段 1）需求分析 这里简单的说几句，因为涉及到公司机密和技术要点，不便于详细说明，望理解。 dmp项目就是用来支撑精准广告投放的，主要是用用户画像，根据埋点采集的数据，进行ETL处理，然后进行数据分析，抽象出来一些标签，再根据用户行为数据，从不同维度数据的权重，给用户打上标签，实现广告精准投放。 2）技术架构 详细的请看下图： 3）技术选型 CDH5.16.1(hadoop2.6.x,hbase等) Spark2.3（sparksql，sparkstreaming） Java1.8 Scala2

爱奇艺技术沙龙——广告算法与架构设计-爱奇艺直播-爱奇艺 一、AI在视频广告中的应用： 1、广告的目的： 在一定周期，让尽可能多的人产生消费。 长周期：品牌广告（比如阿迪、nike等品牌），短周期：效果广告（比如平时打开网页出现在眼帘的广告）。 消费行为：购买、激活、安装、下载、点击。 2、如何传达消费价值： 匹配需求： 用户行为（搜索、浏览、点击等）、统计特征（性别、年龄、地区等） 　　能够将用户想要看的广告适时地推到面前，让广告主的广告得到合理的投放。 展示价值： 场景（点位）+效果（索引） 　　 场景化投放：如用户台风天在大街上伞被吹走（这种场景），如果当场有个广告关于能够抵抗12级台风的伞，是很合适的。 3、AI（视频理解方面）的主要工作： 生成/推荐点位：场景 辅助创作素材：效果 4、点位 　（1）场景化示意 　　创可贴：广告内容和视频内容十分贴切，比如图一中吃饭场景付费是采用支付宝，则视频中会出现支付宝支付界面的广告。 　　前情提要：图二可以看到人物下方会有饮料的广告，这广告可能和前情提要有相关的，比如这里哭得稀里哗啦的要来点饮料解渴。 　　video in：视频中后期加入广告，在视频中剪辑进入一个雪碧广告等。 　（2）视频广告如何实现场景化 　　商业价值点=有消费需求的点位【找到这些点位，然后打上标签】 　　聚餐--想喝饮料、地铁---听点音乐、海滩----希望防晒