互联网广告系统：架构、算法与智能化

这是一部从工程实践角度讲解互联网广告系统的业务价值、产品形态、架构设计、技术选型、落地方法论、实施路径和行业案例的著作，是作者在Google和腾讯从事广告系统架构设计与工程实现的10余年经验总结。通过本书，你将掌握以下内容：（1）互联网广告的生态和产品形态首先介绍了谷歌、Meta、亚马逊、微软等主要在线广告平台；然后介绍了主要在线广告网络和程序化购买生态；蕞后介绍了在线广告产品形态，包括在线广告的投递方式和计费方式。主要目的是帮助读者建立对互联网广告生态的宏观认知。（2）广告投放系统的架构与设计结合Facebook Marketing、Google Ads、Twitter Ads等广告平台讲解了广告投放系统，主要内容包括广告的层级结构、三个广告平台API的特点及用法演示，以及API的基本设计原则和设计方法论。读者可以从本章中学到现代广告系统投放子系统的设计思想。（3）广告系统的设计方法论互联网广告系统的规模往往比较大，详细介绍了以分布式系统为代表的大规模网络系统的架构设计方法论，为读者设计广告系统打下基础。（4）广告系统的工程架构详细讲解了广告播放系统的架构设计、广告系统的数据架构设计、广告系统中的A/B测试等。（5）广告策略系统的架构设计首先介绍了广告竞价原理和广告策略系统设计；然后讲解了广告系统预估子系统，包括预估模型数据处理、常用的模型评价方法与指标、常用的模型训练方法，以及新广告点击率预估和转化率预估。本书系统阐述了互联网广告系统设计的方方面面，对广告系统、推荐系统、大数据系统的建设具有很高的参考价值。

序前　言第1章　互联网广告生态1　1.1　互联网广告生态的参与者11.1.1　主要在线广告平台21.1.2　主要在线广告网络81.1.3　程序化购买生态12　1.2　在线广告产品形态151.2.1　在线广告的投递方式151.2.2　在线广告的计费方式18　1.3　本章小结19第2章　广告投放系统20　2.1　广告层级结构202.1.1　Facebook Marketing广告层级结构202.1.2　Google Ads广告层级结构222.1.3　Twitter Ads广告层级结构25　2.2　API的基本设计原则262.2.1　API的价值性272.2.2　API的规划性282.2.3　API的灵活性302.2.4　API的可管理性322.2.5　API的可支持性34　2.3　广告平台API362.3.1　Google Ads API372.3.2　Facebook Marketing API402.3.3　Twitter Ads API50　2.4　本章小结57第3章　大规模网络系统架构设计58　3.1　大规模网络系统历史背景58　3.2　分布式集群管理系统593.2.1　Docker简介613.2.2　微服务技术简介633.2.3　Kubernetes简介64　3.3　分布式文件系统663.3.1　GFS663.3.2　HDFS68　3.4　分布式存储693.4.1　分布式存储介绍693.4.2　HBase介绍70　3.5　分布式共识服务723.5.1　分布式共识算法介绍723.5.2　ZooKeeper使用场景73　3.6　负载均衡763.6.1　前端请求的负载均衡763.6.2　数据中心内部的负载均衡77　3.7　监控与告警系统77　3.8　网络服务接口规范783.8.1　RESTful介绍793.8.2　GraphQL介绍793.8.3　RPC介绍81　3.9　本章小结84第4章　广告播放系统架构设计85　4.1　广告播放系统架构85　4.2　数据ETL模块864.2.1　数据提取874.2.2　数据转换914.2.3　数据加载92　4.3　检索模块954.3.1　文本检索技术964.3.2　布尔检索1034.3.3　最近邻搜索119　4.4　本章小结129第5章　广告系统数据架构设计130　5.1　广告系统数据架构130　5.2　广告系统数据类型1315.2.1　广告元数据1315.2.2　广告日志数据1335.2.3　用户画像数据1345.2.4　广告上下文数据1475.2.5　广告主私有数据与再营销148　5.3　数据管理平台1505.3.1　数据管理平台简介1505.3.2　相似受众扩展153　5.4　特征工程平台1575.4.1　特征生产1575.4.2　特征补录与训练样本数据流1595.4.3　特征存储1615.4.4　特征处理算法1625.4.5　建设统一特征工程平台的必要性165　5.5　本章小结165第6章　A/B测试与互联网广告166　6.1　A/B测试介绍166　6.2　收集实验数据1676.2.1　流量管理1686.2.2　流量分层169　6.3　实验数据分析1766.3.1　大数定律与中心极限定理1766.3.2　A/B测试中的样本量估计1796.3.3　辛普森悖论1816.3.4　Mantel-Haenszel指标1826.3.5　分桶与Jackknife重采样186　6.4　实验信息管理191　6.5　A/B测试的广告应用场景194　6.6　本章小结194第7章　广告系统策略195　7.1　广告竞价1957.1.1　博弈论基础1977.1.2　纳什均衡2007.1.3　纳什均衡存在性证明2027.1.4　机制设计理论2117.1.5　广义第二价格竞价2317.1.6　VCG竞价237　7.2　广告策略系统设计2427.2.1　广告系统粗排设计2437.2.2　广告预算控制系统2457.2.3　广告调价算法247　7.3　本章小结250第8章　预估算法251　8.1　训练数据准备与模型离线评估2528.1.1　训练数据准备2528.1.2　模型离线评估254　8.2　常用的预估模型2618.2.1　逻辑回归模型与机器学习基础2628.2.2　支持自动特征发现的模型方法2888.2.3　深度学习模型294　8.3　新广告点击率预估3148.3.1　汤普森采样算法3158.3.2　蒙特卡洛采样3188.3.3　马尔可夫链蒙特卡洛采样3258.3.4　吉布斯采样3308.3.5　拉普拉斯近似331　8.4　广告转化率预估334　8.5　本章小结336