广告推荐算法 - 学习笔记

1、前言

本篇博客，是我用来记录学习广告推荐算法的一些笔记和总结。

参考内容：
1、王喆："深度"学习计算广告
2、deepseek

2、学习笔记

2.1、什么是计算广告系统？

计算广告系统的核心目标是通过数据、算法和技术，在合适的场景下，将最相关的广告精准推送给目标用户，同时实现广告主、媒体平台和用户之间的多方利益最大化。

广告主：需求方
核心目标：通过精准投放广告，最大化转化（如点击、购买）并控制成本，提升投资回报率（ROI）。
关键行为：广告创建，定向设置，预算与出价策略，效果监控

媒体平台：供给方
核心目标：最大化广告收入，同时保持用户体验以避免用户流失
关键行为：广告库存管理，竞价与拍卖机制，用户与场景分析，收益与体验平衡

用户：终端消费者
核心目标：减少无关广告干扰，甚至从广告中获取有价值的信息（如个性化推荐）
关键行为：主动信号，被动画像，隐私控制

• 传统广告：依赖人工销售（如固定位置、固定价格），资源利用率低。
• 计算广告：将广告投放转化为实时动态优化问题，通过算法自动匹配海量广告与海量用户。

核心内容 - 平衡三方利益

• 广告主：追求高转化率（如点击、购买），控制成本（如CPC、CPM）。
• 媒体平台：最大化广告收益（如通过竞价拍卖），同时保持用户体验。
• 用户：减少无关广告干扰，甚至获得有价值的信息（如个性化推荐）。