计算广告
广告主 媒体 用户
用户画像 ROI
进化： 合约广告（多个合约在线分配问题）->竞价广告(交易终端TD 广告网络ADN)->实时竞价RTB（广告交易平台ADX 需求方平台DSP）
品牌广告 效果广告
点击率CTR 点击价值（到达率 转化率）
eCPM 千次展示期望收入 RPM CPM 千次展示付费 CPC CPT CPS/CPA
冷启动：新广告才开始 不会分太多流量的
关键词竞价 展示广告 搜索广告
MRP 市场保留价
广义第二高价
VCG定价 给其他市场参与者带来的价值损害 不好衡量
价格挤压（挤压出价的作用 因为排序由出价和点击率共同决定）
广告网络ADN 各种媒体的不同广告位聚合在一起售卖剩余流量
实时竞价RTB： 用的数据还要自己提供的 不光是平台提供的 （因为竞价广告的标签都是供给方提供的 只能采买特定的用户 而需求方有时候想自定义用户标签） 每次展示时实时出价 只要把广告展示的url以及访客的用户标识等信息传递给需求方，它就能进行完成定制化的人群挑选和出价
基于DSP的广告采买 叫程序化交易
实时竞价过程：1 cookile映射（用户标识的对应） 2.用户访问媒体某广告位 前端向ADX发起广告请求 ADX向各个DSP传送用户标识 DSP决定是否参与竞价（DSP会进行eCPM预估的） ADX选出出价最高的DSP返回给媒体网站
半程序化交易 也依赖计算 但是决策不是实时完成的 如ADN
先看看有没有优质销售（比如品牌广告大老板） ADN（这是我自己加的） 然后再竞价流程（提高填充率）
SSP 对应于DSP 当成ADX看吧 它的功能：从自有广告库 广告网络 中找到eCPM高的 以其为底价 询问DSP
cookie做用户标识比较合理
DMP 数据管理平台 数据交易平台
第一方数据 广告主的
第二方数据 广告平台数据
第三方数据 不直接参与广告交易的其他数据
第一方数据管理平台 帮广告主管理他们自己的用户数据 加工成用户标签 卖给广告主
第三方数据管理平台 从媒体买他们的用户的行为数据 加工成用户标签 卖给DSP 一般通过ADX发给DSP 在广告询价的过程中
DSP可能要买这些数据
数据安全问题
信息流广告 如在社交网络 多个内容相关性不大 插个广告用户还以为是内容
原生广告 内容即广告 表现原生与场景原生 场景（可通过手机来监控）与上下文不同 是需要媒体参与的 比如媒体向广告库发起符合某场景的广告请求 需要媒体主动参与 与之前的不大一样
实时的 在线投放引擎
离线的 分布式计算数据处理平台
在线的 实时反馈的流计算平台
数据高速公路
CTR模型
用户标签一般放入redis 方便在线投放引擎使用
检索+排序（按eCPM）
倒排索引 倒排链
向量空间模型 各个关键词在文档中的强度组成矢量
机器学习略了一部分
CDN是内容分发网络
GD 流量预测 频次控制
框架：各个公司都有自己的框架 提供了一系列api实现 模型 多个api代码写在一起（有输入层 中间层 池化层 输出层）
布尔表达式
class Assignment {
public:
int attribute; // 标签类型
bool belong; //属于还是不属于
int value; //指定的标签取值
}
// 一个或多个Assigment的交
typedef vector Conjunction;
// 一个或多个Conjunction的并
typedef vector DNF;
