本博客记录观看品牌展示广告部分的一些笔记， 绝大多数为原slide内容，只做简单的整理。
1. 基本概念
展示广告分类
按广告作用分类：品牌广告(Brand Display)； 直效广告(Direct Response)
按创意形式分类：图片，图文，富媒体，视频，Email
广告和营销场景
影响品牌展示广告的主要因素
1. 人； 2. 品牌自身； 3. 媒体(覆盖率/质量，知名度)； 4. 创意形式(消息)
2. 售卖
品牌展示广告售卖的参与者
1. 消费者/在线用户； 2. 广告主； 3. 广告代理商； 4. 媒体； 5. 售卖平台
品牌展示广告售卖的方式
1. 包段
某组广告位一段时间内由一个广告主独占或几个广告主轮播
计价方式： CPD
特点：1.简单，易组织； 2. 广告主承担流量变化风险； 3. 无法区分同一位置不同时间不同用户的价值(无法最大化广告主和媒体双方的价值)
2. GD合同制
以一定CPM预约符合定向规则，时间规则和其他规则的一定数量的广告展现
定向规则： 1. 人群定向； 2. 媒体位置定向
其他规则： 1. Frequency Capping； 2. 投放均匀度
广告主需要支付相应的费用， CPM*实际广告展现
当实际广告展现无法达到约定时， 售卖方对广告主进行补偿
3. NGD拍卖式售卖
剩余流量：现有包段或GD合同之外的流量
媒体售卖率： SellThroughRate = SoldImpressions / Capacity
通常选择是将剩余流量交给网络联盟或者Ad Exchange进行基于拍卖的售卖
3. 精准投放技术
营销目标：正确的时间，正确的场合，最正确的人说适合的内容
精准投放(Targeting): 在上述因素中，根据广告内容进行精确匹配做到正确
媒体定向(Media Focused Targeting)
Offline投放形式：1. 户外； 2. 报纸杂志； 3. 电视； 4. 广播
Online投放形式：1. 定位到站点； 2. 定位到页面关键词
特点：1. 时间性； 2. 粒度；3.真正想定位什么？
受众定向(Audience Focused Targeting)
Demographic(性别，年龄，职业，收入等)
数据收集，数据整合， 属性预测与机器学习技术
Geographic (家庭地点，工作地点，常见地点，实时地点； 地点周边信息，如商业配套等)
数据收集，数据整合，商业场景
Lifestyle/Psychographic (生活习性，偏好，兴趣爱好等等)
数据采集，品牌市场细分与洞察，用户行为分类技术
Re-targeting/Re-messaging (用户与商家说产生的历史互动)
线上线下数据的贯通，线上用户行为记录
Behavioral (用户的在线行为，包括搜索和网页浏览等)
用户行为与商品关联理解与洞察，用户行为基础分类技术，特征提取和机器学习技术
智能创意
4. 品牌展示广告的基本问题
订单接受控制(Admission Control)
系统应该接受还是拒绝订单：雅诗兰黛，下周7天，定向25-35岁女性，投放新浪女性等20个站点，CPM12元，目标5千万展现
库存分配
根据目前已确认的所有订单，应该如何分配广告展现机会到每一个订单
库存分配扩展问题
考虑：广告主希望在订单时期内均匀输出广告展现
考虑：当同时向GD和NGD进行售卖时，优化总体总收益
Reference：Bidding for Representative Allocations for Display Advertising. (WINE 2009. Arpita Ghosh etc)
价格体系
价格是基于销售和谈判的。但对于这个谈判，有没有一个价值指引？
5. 效果评测
品牌广告问卷调查
对符合测试组和对比组的用户/cookie进行均匀采样
互动指数(Engagement Index)
量化用户与品牌间的各种互动E_i， 得到最终的互动指数 EngagementIndex = sigma(W_i *E_i)
从广告影响方式的角度
Reach; Frequency/频次; Dwelling-time/Brand Exposure; 媒体综合质量; 创意互动程度