在线广告业务的初始阶段，媒体与广告主的代理商是市场的主要参与者。线下广告的商业逻辑也被照搬到了线上，由广告代理公司和媒体签订协议，确保某些广告位在某时间段为指定的广告商所占有，同时广告商按整体合同支付广告费用。这种按CPT结算的广告位合约方式对技术的依赖性较小，只需要用到简单的广告排期系统。

    从供给方产品和技术的复杂程度来看，CPM合约甚至比竞价产品系统更加复杂，其复杂性主要来源于如何满足多个合约对投放系统量的要求，这就是合约广告中重要的在线分配问题。按CPM售卖的展示量合约广告直接催生了受众定向技术。当然，受众定向本身的意义和重要程度远远超出了合约广告的范畴。

    在合约广告中，需求方的产品技术并没有太大发展。这是因为广告投放的要求都以合约的形式交由供给方来完成了，需求方并没有太大优化的空间。正是由于需求方对深入优化效果的需求进一步发展，才产生了按照竞价方式来售卖的广告系统。

一、广告位合约

    广告位合约是最早产生的在线广告售卖方式。它是指媒体和广告主约定在某一时间段内在某些广告位上固定投送该广告主的广告，相应的结算方式为CPT。这种方式的缺点非常明显，即无法做到按受众投放广告，因而也无法进行深入的效果优化。

    这种方式在一些特定的场景下也有可取之处：首先，在一些强曝光属性的广告位上采用这种独占式的广告投放，往往可以有效地给用户带来品牌冲击，而在其他一些横幅位置长期独占式的购买，有利于形成“橱窗效应”，塑造不断攀升的品牌价值和转化效果；其次，这种销售模式可以向广告主提供一些额外的附加服务，如同一个页面上的竞品排他，这就使高溢价的流量变现成为可能。

    随着受众定向技术的发展，广告位合约的执行方式也发生了很大的变化。即使某个广告位全部投放一个广告主的创意，也并不意味着要投放同样的创意，受众定向在其中也可以起到很重要的作用。

    即使在受众上无法区分，也可以利用频次控制的方式向同一用户递进式地展示一系列创意，以达到更好的效果。这些与受众定向结合的广告位合约，实际上与其他非独占式售卖在系统实现上没有本质区别。

    广告位合约还有一种变形形式，即按照广告位的轮播售卖。在这种方式中，同一个用户对同一个广告位的一系列访问，被依次标上一组循环的轮播顺序号，如{1,2,3}。将其中具有同样顺序号的展示作为一个虚拟的广告位，售卖给广告主。

    随着受众定向、实时竞价等广告投放方式越来越普及，这些产品的功能也都在逐渐演进，从简单的广告排期管理逐渐拓展出其他售卖方式下媒体需要的功能，如果结合了动态分配和RTB等功能，也就接近于供给方平台了。

二、受众定向

    随着在线广告技术和业务的发展，产生了各种各样的受众定向方法，这些方法的综合应用使广告的精准程度越来越高。在考察某种定向方法时，有两个关键点需要关注：一是定向的效果，即符合该定向方式的流量高出平均效果的水平；二是定向的规模，即这部分流量占整体广告库存流量的比例。

    广告系统有必要同时提供多种定向方法的支持，以达到整体流量上质的最优化。

1、受众定向方法概览

水平方向表示的是定向技术在广告信息接收过程中大致起作用的阶段，而垂直方向为定性的效果评价

（1）地域定向（geo-targeting）。这是一种很直觉也很早就被广泛使用的定向方式。由于很多广告主的业务有区域特性，因此地域定向是所有在线广告系统都必须支持的定向方式。

（2）人口属性定向（demographical targeting）。人口属性定向虽然在效果上未必突出，但是由于在传统广告的话语体系中大量使用这类标签来表达受众，因此它特别为品牌广告主所熟悉。在在线广告的品牌合约中也经常会有对人口属性的要求。人口属性的主要标签包括年龄、性别、受教育程度、收入水平等。

（3）上下文定向（contextual targeting）。根据网页或应用的具体内容来匹配相关的广告，这就是上下文定向。上下文定向的粒度可以是关键词、主题，也可以是根据广告主需求确定的分类。上下文可以粗略地描述用户当前的任务，而任务的匹配对于提高广告的关注程度至关重要。在不同类别的内容上，上下文定向的效果有很大的区别。但是，这种方式有一个非常大的好处，那就是覆盖率比较高。对大多数广告展示，不论对当前访问用户的信息了解有多少，往往都可以根据当前浏览的页面推测用户的即时兴趣，从而推送相关广告。由于覆盖率高，上下文定向也是ADN中首选的定向方法之一。

（4）行为定向（behavioral targeting）。行为定向是展示广告中非常重要的一种定向方式，其框架是根据用户的历史访问行为了解用户兴趣，从而投送相关广告的。行为定向之所以重要，是因为它提供了一种一般性的思路，使我们可以变现在互联网上收集到的用户行为数据。因此，行为定向的框架、算法和评价指标奠定了在线广告数据驱动的本质特征，并催生了相关的数据加工和交易的衍生业务。

    如果把上下文定向看成是根据用户单次访问行为的定向，那么行为定向可以被认为是一系列上下文定向的融合结果。

（5）精确位置定向（hyper-local targeting）。在移动设备上投放广告时，我们有可能获得非常精准的地理位置。

（6）重定向（retargeting）。这是一种最简单的定制化标签，其原理是对某个广告主过去一段时间内的访客投放广告以提升效果。

    重定向在各种定向方式中被公认为精准程度最高、效果最突出的，不过其人群覆盖量往往较小。

（7）新客推荐定向（look-alike targeting）。由于重定向的量太小，而且无法满足广告主接触潜在用户的需求，因此不能仅仅依靠它来投送广告。新客推荐定向的思路是根据广告主提供的种子访客信息，结合广告平台更丰富的数据，为广告主找到行为上相似的潜在客户。

（8）动态定价（dynamic pricing）。这并不是一种定向广告技术，但却与其有一定的关联

（9）场景定向（scenario targeting）。场景定向是移动环境下的新问题。移动设备不同于PC，它体现了场景上的丰富性。你在健身时、吃饭时、看电视时、开会时，都会携带和使用手机，这些你在使用手机时的背景状态就是场景。显然，场景对于广告的决策有非常重要的意义。

2、受众定向标签体系

    在一些反映用户兴趣的受众定向方法（如行为定向、上下文定向等）中，我们需要一个标签体系，将每个用户映射到其中的一个或几个标签上去。

    一般来说，标签体系有两种组织方式。

    一种是按照某个分类法（taxonomy）制定一个层次标签体系，其中上层的标签是下一层的父节点，在人群覆盖上是包含关系。

    （1）当标签作为广告投放的直接标的时（包括CPM广告及竞价广告中直接可被广告主选择的人群），这些标签既要能够为广告主所理解，又要方便广告主的选择。因此，在这种情形下，结构化的层级标签体系往往是较合理的产品方案，特别是在CPM广告中，标签的划分不能过细

    另外一种兴趣标签的组织方式，是根据广告主的具体需求设置相应的标签，所有的标签并不能在同一个分类体系中描述，也不存在明确的父子关系。这种半结构化或非结构化的标签体系往往包含一些比较精准的标签的集合，因而主要适用于多种目标，特别是效果目标并存的广告主的精准流量选择要求。

    （2）当标签仅仅是投放系统需要的中间变量，作为CTR预测或者其他模块的变量输入时，结构化的标签体系其实是没有必要的，应该完全按照效果驱动的方式来规划和挖掘标签，而各个标签之间也不太需要层次关系的约束。还有一种特殊的标签形式，即关键词。直接按照搜索或浏览内容的关键词划分人群，往往可以达到比较精准的效果。

3、标签体系的设计思路

    受众定向产品上最关键的环节就是如何描述用户，也就是如何设计标签体系，这甚至比受众定向的技术更加重要。

    一般来说，标签体系的设计必须要分行业进行，而其中的关键思路是深入研究该行业的用户决策过程。简单来说，就是要洞彻在这个行业里，用户决定买什么、不买什么的原因和逻辑。

（1）汽车行业。汽车行业的用户决策逻辑比较清晰。一个准备购买汽车的用户首先考虑的因素一定是价格：如果有20万元预算，就买不了50万元的车，也不大会考虑10万元以下的车。在价格区间范围需要挑选的就是车型：如果家里有两个孩子，很可能会考虑七座车；如果是单身贵族，可能会对跑车感兴趣。这两项都是比较理性甚至刚性的约束。而在这之后，才是对品牌的精挑细选。因此，汽车行业的标签体系大体应该是价格、车型和品牌，这里对重要程度的排序是不能错的。

（2）游戏行业。游戏有与电影和音乐类似的艺术性特质，它的用户决策过程总体上不易把握。因为人们对艺术的喜爱并不是理性的，也就难以总结规律。如果直接用RPG、ACT、SLG、RTS、STG这些游戏分类作为标签体系行不行呢？其实这些分类只是为了便于游戏的组织和索引，并不能准确反映用户的决策逻辑。难道一个“RPG游戏爱好者”会看到RPG就非玩不可，其他的游戏都不屑一顾吗？显然不是如此。

要想把游戏的用户标签做好，就要深入细分的游戏场景中去深入研究。比方说，玩老虎机游戏的用户往往经常换不同素材的新游戏，也就是说，将“老虎机爱好者”作为一个用户标签，与用户决策过程是相符的。而喜欢海岛奇兵游戏的用户，对于SuperCell新出的游戏也往往心仪，此时“SuperCell”这个品牌就成了有效的用户标签。

（3）电商行业。从消费者决策的角度来看，电商行业其实不能称为一个行业，而是多个行业的集合。不过，对于电商中典型的商品类型，如服装等，用户决策过程也是相当微妙的：某个女生看了H&M的某款裙子，其实很难推断出她要买裙子，也不一定是对H&M情有独钟，也许仅仅是因为这款裙子的特殊造型。在这类商品中，“H&M”或者“连衣裙”都不一定是有效的用户标签。因此，在实践当中，电商行业的实际做法是基本上不依靠分类，主要以“单品+个性化推荐”的方法构建和使用标签体系。

三、展示量合约

    互联网主流的品牌广告投放方式是按照CPM结算的展示量合约。展示量合约指的是约定某种受众条件下的展示量，并按照事先约定好的单位展示量价格来结算。这种合约还有一个名称，就是担保式投送，即GD，其中的“担保”指的就是量的约定。在实际执行中，在未能完成合约中的投放量时，可能要求媒体承担一定的赔偿。

    媒体从按固定广告位售卖变为按CPM售卖，初衷是为了在流量变现的基础上加入数据变现，面向的仍然是原来的品牌广告主。广告主按广告位采买时，比较容易预估自己拿到的流量，可是按照人群定向的方式采买，流量却有诸多不确定的因素。因此，需求方希望在合约中加入对量的保证，才能放心地采买。

    在CPM这种结算方式下，无法将多个差别很大的广告位打包成同一售卖标的。因为不同广告位的曝光有效性可能差别巨大，所以合理的CPM也会相应地大幅变动。实践中展示量合约往往是以一些曝光量很大的广告位为基础，再切分人群售卖，最典型的例子是视频网站的贴片位置或者门户网站首页的广告位。

    虽然从交易模式上看，展示量合约仍然是比较传统的交易模式，但是从技术层面上看，这种模式的出现实际上已经反映了互联网广告计算驱动的本质：分析得到用户和上下文的属性，并由服务端根据这些属性及广告库情况动态决定广告候选。这一商业模式的出现，需要有一系列技术手段的支持，这些手段主要包括受众定向、流量预测和担保式投放等。

1、流量预测

    展示量合约售卖的是某特定人群上的广告曝光次数，而人群不同于确定的广告位，因此必须在合约中约定投放的量。于是，就产生了流量预测（traffi c forecasting）这一问题。流量预测在广告产品中有以下3个主要用途。

（1）售前指导。在展示量合约广告中，因为要约定曝光总数，所以事先尽可能准确地预测各人群标签的流量至关重要。

（2）在线流量分配。同样是在展示量合约广告中，由于合约之间在人群选择上会有很多交集，当一次曝光同时满足两个以上合约的要求时，怎样决策将它分配给哪个合约以达到整体满足所有合约的目的，这是下文将要讨论的在线分配问题。各种在线分配算法都要依赖流量预估的结果，以达到高效和准确的目标。

（3）出价指导。在竞价广告中，由于没有了量的保证，广告主往往需要根据自己预计的出价先了解一下可能获得多少流量，以判断自己的出价是否合理。与前面的应用不太一样，这里的流量预测还多了出价这样一个条件。

    广告里一般的流量预测问题，可以描述成对流量t(u,b)这个函数的估计，其中第一个参数u是给定的人群标签或人群标签的组合，第二个参数b是出价。在展示量合约中，因为没有竞价，所以可以看成是上述问题在b→∞情形下的特例。

2、流量塑形

    流量预测对于展示量合约非常重要，不过这本质上还是被动地统计流量情况。在有些情形下，我们可以主动地影响流量，以利于合约的达成。这一产品策略问题称为流量塑形（trafficshaping）。

    流量塑形的典型场景可以参考门户网站上售卖的展示量合约广告。门户网站各子频道的流量严重依赖于首页关键位置链接的导流。假如在车展期间，汽车频道上的展示广告需求旺盛，那么首页上的链接应该更多地给汽车频道导流以利于收入的增加。这样的想法相当直接，在实践中也被广泛使用。不过，从商业产品的要求来看，要系统化、高效率地达到流量塑形的目标，需要将用户产品与广告产品的需求情况打通，然后按照一定的准则，在不伤害用户体验的情况下，尽可能提高商业变现的效率。

3、在线分配

    展示量合约这种保量合约会面临一个问题：各个合约要求的人群很可能大量交叠，如何设计分配策略，使得各个合约都尽可能被满足。

    为了描述这一策略问题，我们将其简化为一个二部图（bipartite graph）匹配问题：二部图的一方表示广告库存的供给节点，每个节点代表的是所有人群标签都相同的流量集合；二部图的另一方表示广告合约的需求节点，每个节点代表的是一个广告合约的人群标签条件。

    供给节点、需求节点和在线分配二部图的示例如图所示。在这个示例中，下方的6个节点为供给节点，而上面的3个节点为需求节点。如果某供给节点的受众标签能够满足某需求节点的要求，我们就在相应的2个节点间建立一条连接边。

    如果系统允许在一天结束后才对流量做分配，我们可以很容易地设计策略：根据每个供给节点的流量和各需求节点的约束，解上面的分配问题，得到每个供给节点应该分配多少比例的流量给某个需求节点。不过在实际情况中，我们不可能等到流量情况全部已知后再做决策，而是需要在每一次曝光时实时做出分配决策，因此，这一策略问题称为在线分配。在线分配需要根据历史数据和某种策略，离线得到一个分配方案，线上则照此方案执行。如果可选的标签数量很少，比如只开放年龄和性别，那么供给节点的数量就不多；如果合约的数量也不太多，那么需求节点的数量也不多。在这种情形下，我们仍然可以借鉴上面的离线方法做在线分配：根据流量预测的结果得到代替实际流量，再解上面的分配问题，得到每个供给节点应该分配多少比例的流量给某个需求节点，而线上的系统则根据解得的分配比例来执行。

    随着标签数量的增加，供给节点的数量会以指数速度上升，而每一个供给节点的流量当然也就迅速收缩。当节点的流量过小时，对其进行相对准确的预测就变得相当困难，这时上面所说的方案就会变得完全不可行。因此，展示量合约这类广告产品在人群标签非常丰富和精准时，是无法有效地运作的，而这正是竞价广告产品的原动力之一。