百度计算广告学沙龙（第3期）于12月14日下午成功举办，百度联盟大数据学习技术负责人夏粉和百度商务搜索部资深研发工程师陈雨强关于计算广告学中的大数据学习、机器学习在搜索广告中的应用与挑战方面做了精彩演讲。

2013年11月23日，第二期百度计算广告学沙龙在上海成功召开（http://guanggaoxue.csdn.net/572）。百度深度学习研究院首席科学家张潼、百度联盟研发总监沈抖、百度商务搜索部高级产品经理戎文晋从机器学习、展示广告、机制设计等多个方面，透析大数据对计算广告发展的影响。继第一期沙龙在业界产生重要影响后，第二期沙龙吸引了逾300位业界、学术界专家参会，热烈的研讨碰撞出了计算广告学发展新思路。

2013年10月26日，主题为“数据驱动智能——百度计算广告学沙龙”的活动在京举行，来自百度的研发总监、架构师以及来自搜狐的高级总监作为本次演讲嘉宾，为现场热情的观众带来了精彩的内容盛宴。

Ad Network、Ad Exchange、DSP、SSP、RTB、DMP 这些模式之间存在着内在的关系，所以在理解的时候，我们需要联系起来进行理解，不能分开。

什么是广告？广告是由已确定的出资人通过各种媒介进行的有关产品（商品、服务和观点)的，通常是有偿的、有组织的、综合的、劝服性的非人员的信息传播活动。

直接媒体购买（供给方：广告排期系统1、帮助媒体自动执行多个合同的排期2、不提供受众定向，可以将广告素材直接插入页面。需求方：代理商1、帮助广告商策划和执行排期2、用经验和人工满足广告商质和量的需求。代表 4A公司）

广告网络：1、Connects advertisers to web sites that want to host advertisements（见Wikipedia）2、自行估计给定（a，u，c）组合的CTR主要特征：1、竞价系统（Auction system）2、淡化广告位概念3、最合适的计价方式为CPC4、不足：不易支持定制化用户划分

广告投放条件过滤可以视为表达式检索问题

有效展示1、可以通过Eye tracking测算2、工程上可以使用Expected Click（EC）来进似有效展示。EC的计算1、实测法：实际随机流量测算2、Bias模型法：只使用与广告决策无关的bias特征训练的CTR模型：EC=Pbias（a，u，c）

累计接触度（以千人为单位）指多个载体所到达的总人次，以千人次表示，也即多个载体的接触度之和。公式：AcCont（000）=计划中每个载体的接触度（以千人为单位）之和累计成本计划中各载体广告段位的累计价格。公式：AcCost=计划中每个载体的成本之和。累计每收视点成本（也称累计每毛评点成本）计划中各载体获得一个收视点所需的成本。公式AcCost/GRP=累计成本/累计毛评点累计每千人成本（以千人为单位）计划中各载体分别到达一千人次所需的累计成本，以元表示。

计算广告学是一门广告营销科学1、以追求广告投放的综合收益最大化为目标2、重点解决用户与广告匹配的相关性和广告的竞价模型的问题3、计算广告学涉及到自然语言处理、数据挖掘以及竞价营销、创意设计等诸多学科的融合4、对于用户而言存在商务搜索广告、浏览页面投放广告、社区人群广告等多种形式。

计算广告是随着互联网应用发展起来的一个综合多学科的研究领域,这多学科包括数据管理、信息检索、数据挖掘、统计分析、机器学习、分布式系统等。由于其广泛的应用和巨大的市场价值,计算广告学已逐步发展成一个独立的研究方向。

有人画的 "计算广告学" （Computational Advertising）的一个框图 (不是我画的) ，有些基本术语，思路也比较清晰，有兴趣的朋友可以看看。想学习详情的，可以看看 Dr. Andrei Broder 在 Stanford 的课程 "Introduction to Computational Advertising" http://t.cn/hqTNNJ