由于工作关系，先后参与过大数据分析、广告监测监播、DMP+DSP开发、媒体监测等相关产品设计、开发及营销，对当下的计算广告有一定了解，所以计划写个系类文章来分享下我的所见所得。
1. 什么是计算广告？
计算广告学是一门由信息科学、统计学、计算机科学以及微观经济学等学科交叉融合的新兴分支学科。计算广告这个概念首先是由美国工程院院士、前雅虎副总裁AndreiBroder是由提出的，之后，AndreiBroder和另一位Yahoo！科学家在斯坦福开设了此课程，被称为互联网广告从业人员的“必修课”。而在国内，曾经担任Yahoo！高级科学家的刘鹏博士在网易云课堂系统地讲授过这门课程。
简单地说，
2. 计算广告生态链
2.1计算广告生态链构成
在移动广告生态链中计算广告是使免费用户互联网产品获得资产变现的一种系统性手段，其中，这些资产主要包括：数据、流量和品牌价值。
对大多数媒体和用户产品来说，品牌价值往往不容易获得，主要的资产还是数据和流量。计算广告的基本任务就是把数据和流量规模化变现。它涉及到DMP积累、营销引擎、机器学习及数据挖掘等，是数字和计算驱动的行业。，由6部分主体组成：
- 广告主
- 广告代理公司
- 广告平台（优化平台）
- 应用开发者
- 应用发布渠道
- 移动用户。
以AdMob为代表的广告平台，其上游面对广告主和广告公司，此主体为广告的最终埋单者，而下游则是应用开发者，其开放自身广告位，由广告平台（优化平台）整合销售。依照移动用户的曝光数或广告点击数，开发者和广告平台对销售所得进行分成。比如一位游戏开发者开放了自己的广告位给AdMob，AdMob卖给广告主，最后，收入所得的68%给开发者，32%归AdMob。
计算广告生态链构成复杂，环节众多，如下图是有LUMA发布的计算广告生态链的主体环节以及各个环节的主流公司，具体内容会在后续的文章详细介绍。
2.1 付费模式
流量变现始终是广告以及大数据行业不变的主题，在移动广告行业，广告付费模式决定着生态链各方的收入，甚至是广告各个环节的构成。按照行业通用标准一般分为三类：
- CPM(Cost Per Mille或者Cost Per Thousand/Impressions，每千人成本)
广告投放过程中，听到或者看到某广告的每一人平均分担到多少广告成本。此种由传统媒体多为采用的方式也多为品牌广告采用，比如苹果iAD即以此方式计费。 - CPC(Cost Per Click/Thousand Click-Through每点击成本)
CPC通过点击率限制可以加强作弊的难度。大家常见的朋友圈广告就主要采用CPC计费。 - CPA(Cost Per Action 每行动成本)
按广告投放实际效果，即按回应的有效问卷或定单来计费，而不限广告投放量。CPA的计价方式有一定对赌的意思，该方式对于网站而言有一定的风险，但若广告投放成功，其收益也比CPM的计价方式要大得多。
除上述三种计费模式外，广告交易还常用
- CPT（Cost per Time）
- CPS（Cost per Sale）
- CPD（Cost per Download）
- CPD（Cost per Day）
- CPI（Cost per Install 每次安装成本、一般用于APP计费方式）
- CPP (Cost Per Purchase) 每购买成本
- CPP (Cost per person) 按人头收费，这点是我们在做场景话精准营销时自己设计的计费模式。
- CPR (Cost Per Response) 每回应成本
- 包月方式
- PFP(Pay-For-Performance) 按业绩付费
- CPL(Cost Per Leads)：以搜集潜在客户名单多少来收费;
- CPS(Cost Per Sales)：以实际销售产品数量来换算广告刊登金额
其实，不同的设计模式都是为了应对不同广告应用场景而设计的，广告计费模式一定程度上反应了广告应用场景的商业模式。一般而言，CPM和包月方式对网站有利，而CPC、CPA、CPR、CPP或PFP则对广告主有利。目前 比较流行的计价方式是CPM和CPC，最为流行的则为CPM，在精准的场景话营销里，CPP对各方更有利。
3. 国内现状
下图是国内广告行业构成概览；
个人认为国内计算广告行业主要表现有如下几方面：
1. DMP扎堆出现
DMP在互联网广告中的核心位置为”鸡蛋黄中的钻石“级别，为何这么这么重要？因为只要帮了为广告主搭建DMP这件事，那么其他业务就是顺理成章衍生了，所以DMP桥头堡这关非占不可。比如CRM巨头安客诚，如果为广告主搭建了DMP之后，EDM，直复营销，Callcenter，CRM全部顺利成章囊中之物，整体协调也更有效。易传媒的嵌入式DMP能为互联网广告投放得更精准，admaster的DMP则能够评估各媒体渠道投放的效果。DMP没有统一的功能，大多是为广告主量身定做的，所以DSP+DMP一家供应商这种情况在美国也非常常见，也有大型广告主讲究DMP与投放渠道独立的，广告主各有各的故事，建了DMP一切都好说。
2.移动流量RTB adexchange已由蓝海变火海
技术框架上DSP和RTB没有太大区别，目前中国移动端的展示量据说已经超过美国，装机量跳跃式增长，市面上，91+秒针，芒果，三星adhub，还有阿里妈妈等流量控制者，都在建移动adexchange。
3.Data Exchange的出现
中国adexchange生态里，高质量第三方数据奇缺，多数掌握在BAT+Sina+电信运营商手里，但是可喜的是，Alimama与baidu已经开始动起来了，据说阿里妈妈正在对接Google Bidding Manager，可能是看中了google的品牌广告主。
4.DSP的技术及数据实现越来越容易
2013年算是DSP元年，大量DSP公司涌现。起初，DSP的构建具有很高的门槛，一般而言，一个真正意义的DSP，必须拥有两个核心特征，一是拥有强大的RTB(Real-Time Bidding)的基础设施和能力，二是拥有先进的用户定向(AudienceTargeting)技术。通俗的说，就是必须具备很强的计算机工程能力和强大的硬件、网络基础设施做支撑，同时需要由大量用户数据的积累，实现广告定向投放。
在各大巨头纷纷开发计算能力和数据能力的今天，构建一个功能强大的DSP变得很容易，2017年前，DSP公司若想走到市场前列，关键时依靠过硬的技术支撑和海量的数据积累，如上的两大行业壁垒将不再时DSP公司的核心价值，个人认为DSP行业的核心价值会越来越回归商业本质，即构建更透明的商业模式来服务广告主。
例如，在2017年我主导公司的一个场景话精准营销的产品，在阿里云营销引擎的基础上，配合阿里云提供的相关产品，仅用了一个月时间就构建出一套业内最为先进的DSP营销系统，技术方面阿里提供了一整天解决方案，DMP方面，阿里提供了市场中最为精准的数据支撑（非淘系数据）。
（说个题外话，本人从事计算机由七八年时间，前后从事过单板机，嵌入式软硬件开发，linux内核开发，机器学习和数据挖掘算法研究，大数据开发，行业洞察和广告营销，对计算机行业日新月异的发展颇有感慨：ARM出现，使得芯片设计变得通用；android出现使得嵌入式行业的技术难点变成通用模块；google三大论文后出现的hadoop，spark等大数据计算平台，使TB级数据分析变得很容易；阿里云等云产品不仅很大程度上降低了企业的基础设施等重资产投入、运维成本以及研发成本，更使得企业在运维、基础技术构建等方面变得得心应手。不仅如此，而今，构建一款视频APP，构建一套开箱即用的大数据计算平台或中台系统，构建一个有行业特色的DMP+DSP营销系统等都变得很容易；16年人工智能大火，当时的判断是人工智能在各大巨头及学术界共同发力下，必将在未来几年内成为计算机行业的基础设施，实际上，前几年人工智能火，主要解决计算视觉、音频识别相关课题以及文本识别相关课题这三个方向原始信息的识别，而这些课题一旦功课，就会变成类似API方式的商业应用，所以个人认为，技术的存在即价值是为了解决问题，计算机行业的前景是在了解计算机技术边界的基础上，努力发掘商业的边界，例如本文讲的DSP，在阿里云营销引擎的基础上，几乎人人都可以有自己的DSP，所以关键不再是如何构建DSP，而是在DSP构建变得轻而易举后，商业模式会有什么样的变化，以及会有什么样的新的商业模式）
