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

这是一本深入探讨互联网广告系统设计与实现的专业著作。该书以作者在互联网广告领域的10余年经验为基础，全面解析了互联网广告生态，包括在线广告的主要产品形态、跨国互联网公司的广告系统、在线广告的定义及优势等。书中详细介绍了广告投放系统的架构与设计，如广告层级结构、API的基本设计原则等，为读者提供了现代广告系统投放子系统的设计思想。 在介绍广告系统的设计方法论时，作者深入阐述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，为设计广告系统打下了坚实的基础。书中还详细讲解了广告系统的工程架构，包括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。 书中还深入探讨了广告策略系统的架构设计，包括广告竞价原理和广告策略系统设计，以及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。 在探讨点击率预估的重要性时，作者指出点击率是衡量广告吸引力的关键指标，也是广告平台竞价算法中的重要因子。书中详细介绍了CTR预估的两种思路，一种是建立概率模型，另一种是使用数据和特征驱动的机器学习技术，为读者提供了