本篇文章给大家谈谈

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。

请点击输入图片描述（最多18字）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。