有一句话是这样说的“不要讨厌广告，是他让你免费使用产品”，这句话的言外之意是广告支撑了该平台的持续发展，平台输出优质内容的同时，也需要以另一种方式来谋取营收。广告和内容、增值变现一道，同是作为企业盈利方式之一，是重要的运营变现方式。
一、先来了解什么是互联网广告
1、广告定义
广告，即广而告之之意；广告是为了某种特定需要通过一定形式的媒介，公开而广泛的向公众传递信息的宣传手段。
广告有有广义和狭义之分：
广义广告包括非经济广告和经济广告，非经济广告指不以盈利为目的的广告，又称效应广告，如政府部门、社会事业单位、乃至个人的各种公告、启事等，主要目的是推广。
狭义广告仅指经济广告、又称商业广告，是指以盈利为目的的广告；通常是指商品生产者、经营者、和消费者之间沟通的信息重要手段；或者企业占领市场、推销产品、提供劳务的重要形式主要目的是扩大经济效益。
2、广告类型
根据媒介的类型划分为传统广告和互联网广告，二者的区别：
①传统广告
- 媒介包括：报纸、电视、广播、广告牌、印刷品等；
- 内容形式：印刷类、视频类、音频类、图片等；
- 效果可行性评估：可评估曝光量、转化较难评估。
②互联网广告
- 媒介包括：视频、信息流、网站、搜索引擎、应用内(pc和移动)、硬件设备(互联网电视、手机、盒子)；
- 内容形式：网页、视频、音频、图片、H5等；
- 效果可行性评估：曝光量精准计算、转化率可精准计算。
3、互联网广告名词解释
4、互联网收费模式
二、如何接入一个适合自己的广告平台
在用户量不多的情况下选择跟广告平台合作，接入一个广告平台：
1、选择合适的广告位
- 封面广告：拥有自己独立的客户端(移动OR PC )；
- 信息流广告：资讯类(新闻)，社交类(微信，QQ，微博，陌陌)，博客，电商搜索引擎；
- 气泡广告：拥有自己独立的客户端，但该形式比较适合PC客户端类产品；
- BANNER广告：几乎是全互联网产品线了，只有你有空位，且不是很打扰用户；
- 插入式广告：视频类，阅读类。
2、设计广告位把握原则
- 不要打断用户的连续操作；
- 要在适合的时间弹出；
- 广告位需要与内容做清晰的区别，有明显的广告识别；
- 严格控制内容的质量；
- 要适可而止。
3、如何选择合适自己的广告平台
- 你的用户：适合什么样的用户主；
- 他的广告资源：是否丰富；
- 你的产品：与什么平台兼容性比较好；
- 他的技术：稳定性，效率，精准性是否可靠；
- 你的市场：在哪里，海外OR国内；
- 他的素材：他的素材与你的广告位是否匹配。
4、接入第三方广告系统流程
5、运营中要关注的数据
- 点击率：CTR=点击量/曝光量，它反映了广告的精准度；
- 埴充率：填充率=实际投放量/可投放量，它反映了广告资源的丰富度；
- 关闭率：关闭率=关闭量/曝光量，它反映了用户对广告的厌恶程度；
- 停留时长：停留时长=广告位总展示时长/展示次数，它反映的还是广告对用户的吸引程度；
- 钱：最后就是关注一下，收入怎么样。
三、如何搭建一个轻量级的广告平台
1、数据系统思路
①数据系统搭建逻辑
- 数据采集：从社交平、电商、游戏、视频、搜索、网页浏览、资讯、安全等产品采集数据；
- 数据存储：离线数据仓库(TDW)、实时存储数据文件、埋点上报、日志上报数据库导入；
- 数据处理：推荐算法模型、用户画像、离线数据计算、实时数据计算；
- 数据应用：如应用于qq空间、qq聊天、微信、浏览器等产品。
②数据系统另外思路
- 标签引擎：针对产品打标签
- 数据引擎：针对用户采集数据
- 分析引擎：针对数据进行聚类分析
- 推荐引擎：针对不同场景进行精准推荐
2、为什么要打标签
目的 -> 让数据标准化。
3、搭建数据系统
①打标签
- 给谁打标签：给你的用户或内容打标签；
- 打哪些标签：对用户或内容进行分类、兴趣关键字、其他与需求相关的标签(使用场景、适用人群等)；
- 如何打标签：通过建立用户或内容与标签的映射关系，可以通过人工，也可以通过后台系统自动设置；
②数据采集
③如何进行数据采集
④如何进行数据存储
⑤用户画像
#了解你的用户：
- 知道他是谁？
- 他喜欢什么？
- 他什么习惯？
- 他有没有钱？
然后找到他想要的东西给他？
如：腾讯通过用户画像了解用户的关键行为，为精准推荐提供数据支撑
#清楚你的用户基本属性：
- 基础属性：年龄、性别、联系方式、地域、婚育情况、学历；
- 行为数据：活跃天数、活跃时间、活跃地域；
- 社交属性：传播好友数、传播能力、传播核心；
- 兴趣标签：一级兴趣标签、分值、二级兴趣标签、分值、三级兴趣标签、分值；
- 金融属性：消费能力、信誉分值、消费额度
- 设备信息：手机品牌、操作系统、分辨率
⑥推荐算法
•推荐算法-user_base
根据系统用户的基本信息发现用户相关程度，然后将相似用户喜欢的其它物品推荐给当前用户。
•推荐算法-item_base
根据内容的基本信息发现内容间的相关程序，然后将相似内容推荐给当前用户。
•推荐算法-协同过虑
根据user_base和item_base两种算法的结合，协同过虑后推荐给当前用户。
