每月IT评点

一、求赢利,各网站纷纷推出”在线巨型广告”随着网络泡沫的消退,各网站的网络广告收入大幅下降,网络广告收入能否维持网站的运行和发展成为人们的怀疑对象,甚至以网络广告为主的雅虎也在考虑另辟方向大力发展。在此时刻,CNET推出了幅面大约为标题广告4倍的“在线巨型广告”。广告推出后,业内人士普遍看好,雅虎、美国在线等公司积极规划新的“在线巨型广告”标准。在国内,几大网站也开始了“在线巨型广告”的跟风。     

来自恶意广告的新威胁

从根本上说,我们之所以能够免费使用各种网络服务是因为它们有在线广告的支持。在线广告是一个高达数十亿美元的庞大业务,由大规模的多层次广告网络基础设施所支持,其中不仅包括合法的广告商也包括网络罪犯。实际上,安全厂商BlueCoat公司2011年网络威胁报告指出：恶意广告已经在2011年攀升至10大网络攻击方法中第3的位置。     

来自恶意广告的新威胁

从根本上说,我们之所以能够免费使用各种网络服务是因为它们有在线广告的支持。在线广告是一个高达数十亿美元的庞大业务,由大规模的多层次广告网络基础设施所支持,其中不仅包括合法的广告商也包括网络罪犯。实际上,安全厂商Blue Coat公司2011年网络威胁报告指出:恶意广告已经在2011年攀升至10大网络攻击方法中第3的位置。下面将介绍这种新现象的原理,以及如何最好地应对它的某些结论。     

基于多源融合特征提取的在线广告预测模型

针对智能移动终端应用平台上的广告点击率(CTR)预测问题,在传统PC端Web平台在线广告CTR预测方法的基础上,提出一个新的智能移动终端在线广告投放业务架构。基于此架构,构建基于机器学习的在线广告预测模型,对用户基本信息、广告内容、用户使用环境等多源特征进行融合提取,实现在线广告CTR的精确预测。结合移动APP应用环境的特点,将用户历史行为数据加入预测模型进一步提高CTR预测性能。实验结果表明,该模型具有较高的CTR预测准确率。     

从新浪看2008年在线广告

从新浪的在线广告业绩表现中,我们不难看出,2008年整个在线广告市场将迎来新的机遇。     

广告添收入

一个工业研究表明,网络出版商在赢利方面抓到了一个更大块的电子商务行为,而这种行为不再归于简单的广告服务。由国际互联网广告局发布的图表说明,在1998年第4季度,一半以上的在线广告交易除了包含放置广告的通常费用外,还拥有某些电子商务成果。这些混合交易大     

要做媒体驱动型产业——微软在线服务集团中国区销售总监陈啸谈广告营销

从操作系统到网络门户,从Windows到广告用户,微软开始将目光移向广告营销。微软在线服务集团中国区销售总监、上海美斯恩网络通讯技术有限公司(MSN中国)销售副总裁陈啸称:“我们是一个纯粹网络广告收入的公司。”微软首先整合了具有广告价值的资源,除了微软在线用户,游戏机、掌上电脑以及移动设备的用户也将在应用时看到广告。中国市场广告用户增长达3倍陈啸曾用“江宽不碍船行”来形容中国广告市场的潜力大,那么这个正式运营1年零7个月,只有150人左右的公司已在广阔的中国广告市场划行多远了呢?“我们目前的广告用户比起第一年已经增长了…     

来自恶意广告的新威胁

从根本上说,我们之所以能够免费使用各种网络服务,是因为它们有在线广告的支持。在线广告是一个高达数十亿美元的庞大业务,由大规模的多层次广告网络基础设施所支持,其中不仅包括合法的广告商,也包括网络罪犯。     

360与微软达成合作MSN中文网将接入360平台

2015年1月15日,360公司联合微软在线宣布建立360品牌广告联盟,微软在线旗下MSN中文网将接入360广告平台,双方将在网站优化及广告营销方面展开全面合作。360公司高级副总裁于光东在发布会上表示,360品牌广告联盟将整合PC端与移动端多样化     

科技要闻

互联网调查公司Jupiter Media Metrix 8月8日削减了美国未来几年的在线广告收入预期。这又一次暗示,在线广告市场的萎缩现象仍在不断加剧。 Jupiter预计该国今年的在线广告收入为57亿美元,这一数字比此前的预期值猛减了16亿美元。尽管该公司认为,在未来的几年内,这一市场将有所反弹,但它还是将2005年的在线广告收入预期从此前的165亿美元削减到129亿多美元。该公司     

网络广告人多气盛

Forrester研究公司公布的报告认为,全球在线人口的稳步增长和主要广告商的介入,将推动全球在线广告消费到2003年将超过150亿美元。这家技术研究公司预计美国的Internet广告花费将从1998年的13亿美元增加到2003年的105亿美元。该公司曾经估计1997年的全球在线广告消费略低于10亿美元。Forrester公司煤体和技术战略服务部主任在声明中说:“Internet作为广告媒体已经被认可。今后五年在线广告巨大的金钱投入以及大型     

今年网上广告流行色:巨大、互动

网络广告争夺的是网民的注意力。由于目前广告主和代理商过于强调点击率,网络广告的创意越来越受到各方的关注。 今年２月底,美国互联网广告联合会（ＩＡＢ）公布了一系列新的在线广告规定。除目前被广泛采用的４６８ × ６０象素旗帜广告外,又增加了７种新的广告样式。从ＩＡＢ所推荐的７种广告尺寸来看,大尺寸的广告占了绝大部分,美国部分网站也开始使用大尺寸广告,像ＣＮＥＴ在今年年初就正式推出了微型广告网站（Ｍｅｓｓａｇｉｎｇ Ｐｌｕｓ Ｕｎｉｔ）。为推出这种广告,ＣＮＥＴ经过了长达６个月的策划、反馈及改版。在国内,…     

丑小鸭要变天鹅

根据美国广告商联合会(ANA)一项新的研究报告表明,在线广告正在激增。二个星期前,在芝加哥召开的广告技术@d:Tech大会上,ANA发布了这项研究结果,停业了观众对于媒体不确定性的几乎一周的争论。根据对124家大公司的调查,68％的公司已经在Internet上做了广告,同一年前的38％相比,这是一个飞跃。一年中,公司在网络上的广告花费几乎增加了两倍。从25.1万美元上升到71.4万美元。     

富媒体步入“青春期”

7月，沃尔玛在国外推出了一项名为“School My Way”的在线比赛，让学生来创作视频广告，获胜者的作品将在有线电视播出。对一向“沉稳”的沃尔玛来说这一做法足够创新，其实耐克、万事达、通用汽车、丰田汽车和欧莱雅等诸多大广告主，都在尝试这一“与用户互动”的广告形式。     

消灭在线浏览广告骚扰

很多朋友都会访问相关网站在线读书或浏览博客,但由于种种原因,这些网站都会放置很多的广告,在浏览过程中不时飘出的各式广告显然会让我们相当烦恼,稍不小心,甚至会误点某一广告跳转到其他的站点。如果你使用的是Windows 8.1,那么可以在Metro界面下使用IE,消灭在线浏览的广告骚扰。     

调查显示:网络广告呈现多元化发展趋势

网络广告对于网站来说无疑是命脉所系,以三大门户为代表的内容网站盈利模式始终依赖于网络广告,在过去的几个月里,各大网站为吸引广告客户使出了浑身解术,进行形式上的突破,内容上的更新,只为了一个目的——开拓广告市场,增加在线广告的收入。因此,了解谁更青睐网络广告便成为网站经营者最为关心的问题。 网络广告先锋公司的最新调查报告显示,2000年度对网络广告最有兴趣的为网络媒体类广告主,在     

网际视窗

网易近日宣布,即将推出全新的在线广告形式——微型广告网站。与传统的在线广告形式相比,微型广告网站最突出的特点就是尺寸要大得多。 在大多数电脑显示器上,微型广告网站以长6英寸、宽5英寸的形式出现,约占17英寸电脑显示器上总面积的14％,几乎是标准广告条的四倍。 亚信公司全新一代融合计费系统AICBSv1.0日前一举中标四川移动通信公司GPRS业务运营支撑系统工程,这也是截止到目前为止的     

基于用户兴趣行为模型的个性化广告推荐研究

随着移动互联网和网络终端的快速发展,产品的营销方式发生了重大变化,在互联网上投放广告已成为商家的重要宣传和销售渠道。然而,在线广告能否进行准确推荐是困扰产品厂家和广告代理商的一个主要问题。文章通过分析在线广告的非结构化特征和搜索用户行为数据,提出一种基于用户兴趣行为模型的个性化广告推荐方法,该方法可以通过主题模型提取用户的兴趣偏好,并基于最近邻算法和用户行为生成广告推荐列表。实验结果表明,基于最近邻算法和用户行为的个性化广告推荐方法可以推荐个性化广告,并且比基于内容的推荐方法具有更好的性能。     

基于用户实时反馈的点击率预估算法

当前主流的在线广告点击率（CTR）预估算法主要通过机器学习方法从大规模日志数据中挖掘用户与广告间的相关性从而提升点击率预估精度,其不足之处在于没有充分考虑用户实时行为对CTR的影响。对大规模真实在线广告日志进行分析后发现,在会话中,用户CTR的动态变化和用户先前的反馈行为高度相关,不同的用户行为对用户实时CTR的影响不尽相同。基于上述分析结果,提出一种基于用户实时反馈的点击率预估算法。首先,从大规模真实在线广告日志数据中定量分析用户反馈和点击率预估精度的相关关系;然后,根据分析结果将用户的反馈行为特征化;最后,使用机器学习方法对用户的行为进行建模,并根据用户的反馈实时动态调整广告投放,从而提升在线广告系统的点击率预估精度。实验结果表明,用户实时反馈特征和用户点击率高度相关;相比于传统没有用户实时反馈信息的预测模型,该算法在测试集上对AUC（Area Under the Curve）和RIG（Relative Information Gain）指标提升分别为0.83%和6.68%。实验结果表明,用户实时反馈特征显著提高点击率预估的精度。     

基于集成学习方法的点击率预估模型研究

由于互联网中积累的广告日志具有数据稀疏、特征量大、正负样本分布极其不均匀等问题,使得人工特征提取费时费力,并且单一预测模型很难得到更好的预测性能。针对这些问题,提出梯度提升树GBDT和Stacking相融合的点击率预测模型GBDT-Stacking。通过引入梯度提升树自动进行特征提取与构造,并结合Stacking集成模型对在线广告点击率进行预测,有效提高了单个预测模型的性能。在真实广告数据集上的实验结果表明,GBDT-Stacking集成模型比对比模型在AUC的取值上至少提升了4%。