注冊 | 登錄讀書好，好讀書，讀好書！

廣告與營銷風控：方法與實踐王東旭

定　價：￥99.00

作　者：	王東旭
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網 (￥83.60)

ISBN：	9787111764021	出版時間：	2024-10-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　內容簡介本書從技術和業(yè)務角度全面闡述互聯(lián)網廣告與營銷的黑灰產業(yè)鏈，以及應對各種風險的風控思路和解決方案。在業(yè)務層面，結合行業(yè)發(fā)展現(xiàn)狀以及當前AIGC技術快速爆發(fā)的背景，對廣告與營銷領域的黑灰產業(yè)鏈進行了深入剖析，特別是人、貨、場之間的博弈關系，以及商家、渠道、用戶、平臺等不同參與方的利益鏈等。在技術層面，基于前置的業(yè)務剖析，深入探討了基于概率統(tǒng)計、近鄰算法、圖分析和時序分析等異常檢測方法，并結合內容風控技術，提供了一套立體的面向互聯(lián)網廣告與營銷場景的風控解決方案。每一章都結合了理論與實踐，通過豐富的案例分析，幫助讀者深入理解風控技術的應用，并掌握如何應對AIGC時代廣告與營銷領域的新挑戰(zhàn)。本書的讀者對象包括互聯(lián)網廣告與營銷行業(yè)的算法、工程、運營、產品從業(yè)者，既包括正向的搜索、推薦、廣告業(yè)務人員，也包括負向的風險控制業(yè)務方向，以及廣告報表、結算、埋點、歸因等中間數(shù)據(jù)團隊人員。此外，對互聯(lián)網安全攻防感興趣的愛好者、開設相關課程的在校師生也可閱讀本書。通過閱讀本書，你可以收獲以下知識。（1）互聯(lián)網廣告的發(fā)展歷程和演變過程，以及常見的互聯(lián)網廣告形態(tài)。（2）互聯(lián)網廣告與營銷領域背后的攻防博弈和黑灰產利益鏈。（3）基于概率統(tǒng)計、近鄰相似檢索、圖關系分析、時序序列等異常檢測方法。（4）圖像、文本、視頻、直播等多媒體內容安全識別方法。（5）在線、近線、離線互補的風控系統(tǒng)架構，風控領域MLOps循環(huán)。（6）AIGC技術爆發(fā)下的新風險對抗思路。希望讀者朋友在本書中，能夠找到和自己業(yè)務或研究方向相匹配的內容，知行合一，把書中介紹的方法應用到自身具體的業(yè)務場景，讓知識發(fā)揮更大的價值，一起“建設更安全的互聯(lián)網”！

作者簡介

　　王東旭畢業(yè)于北京郵電大學，師從國內著名安全組織“幻影旅團”成員luoluo，在2013年通過為多家廠商挖掘、提報安全漏洞成為WooYun社區(qū)白帽子。先后在百度垂直搜索部、第四范式先知機器學習平臺任職，目前擔任阿里巴巴高級技術專家，負責淘寶電商廣告流量反作弊和內容風控業(yè)務的算法工程方向工作，深耕互聯(lián)網廣告與營銷行業(yè)一線，對流量反作弊和內容風控背后的利益鏈條和攻防博弈有豐富的實踐經驗，帶領團隊完成了風控引擎的全面升級，打造了百億流量規(guī)模在線、近線、離線互補的互聯(lián)網電商風控系統(tǒng)。

圖書目錄

前　言
第1章　互聯(lián)網廣告與營銷1
　1.1　營銷、廣告與流量1
1.1.1　營銷、廣告、流量的定義2
1.1.2　流量的價值3
1.1.3　流量商業(yè)化變現(xiàn)模式3
1.1.4　自然流量和廣告流量6
1.1.5　流量質量和無效流量7
　1.2　互聯(lián)網廣告營銷基礎知識9
1.2.1　互聯(lián)網廣告發(fā)展史10
1.2.2　主流廣告形式11
1.2.3　廣告營銷參與方14
1.2.4　歸因分析模型17
1.2.5　計費方式和作弊風險20
　1.3　互聯(lián)網廣告營銷形勢23
1.3.1　營收發(fā)展形勢24
1.3.2　新媒體創(chuàng)新形勢25
1.3.3　監(jiān)管合規(guī)形勢26
　1.4　本章小結27
第2章　廣告與營銷黑灰產業(yè)鏈28
　2.1　營銷的人、貨、場28
2.1.1　人：用戶需求29
2.1.2　貨：精準獲客30
2.1.3　場：流量為王30
　2.2　廣告與營銷的利益鏈31
2.2.1　商家視角的利益和風險32
2.2.2　渠道視角的利益和風險43
2.2.3　用戶視角的利益和風險48
2.2.4　平臺視角的利益和風險51
　2.3　黑灰產作弊上下游鏈路55
2.3.1　黑灰產上游55
2.3.2　黑灰產中游63
2.3.3　黑灰產下游65
　2.4　本章小結66
第3章　廣告與營銷領域的立體風控思路67
　3.1　廣告與營銷風控范疇67
3.1.1　流量反作弊67
3.1.2　內容風控68
　3.2　風控業(yè)務生命周期70
3.2.1　事前階段71
3.2.2　事中階段73
3.2.3　事后階段75
　3.3　風控立體防御體系77
3.3.1　在線風控78
3.3.2　近線風控81
3.3.3　離線風控83
　3.4　風控MLOps84
3.4.1　什么是風控MLOps85
3.4.2　風控MLOps流水線85
　3.5　本章小結88
第4章　異常檢測技術概述90
　4.1　什么是異常檢測90
4.1.1　有監(jiān)督異常檢測91
4.1.2　半監(jiān)督異常檢測91
4.1.3　無監(jiān)督異常檢測92
　4.2　異常檢測面臨的問題和挑戰(zhàn)92
4.2.1　異常的稀疏性92
4.2.2　異常的多樣性93
4.2.3　異常的對抗性95
4.2.4　異常檢測的魯棒性96
4.2.5　異常檢測的可解釋性97
4.2.6　異常檢測的可控制性99
　4.3　基于規(guī)則的異常檢測99
4.3.1　基于名單的規(guī)則99
4.3.2　基于窗口聚合的規(guī)則100
　4.4　基于模型的異常檢測101
　4.5　本章小結102
第5章　基于概率統(tǒng)計的異常檢測103
　5.1　異常檢測中的概率知識103
5.1.1　拋硬幣問題103
5.1.2　獨立同分布104
5.1.3　離散概率分布104
5.1.4　連續(xù)概率分布109
　5.2　擬合優(yōu)度114
5.2.1　卡方檢驗114
5.2.2　G檢驗116
5.2.3　K-S檢驗118
　5.3　極值分析和尾概率約束119
5.3.1　馬爾可夫不等式119
5.3.2　切比雪夫不等式121
5.3.3　切爾諾夫界123
5.3.4　中心極限定理124
　5.4　多維隨機變量異常檢測125
5.4.1　COPOD126
5.4.2　ECOD134
　5.5　集成決策方法135
5.5.1　Bagging135
5.5.2　Boosting136
5.5.3　Stacking137
　5.6　本章小結138
第6章　基于近鄰的異常檢測139
　6.1　LOF139
6.1.1　算法原理139
6.1.2　刷單騙補應用案例142
　6.2　KNN144
6.2.1　K近鄰分類144
6.2.2　K近鄰距離度量145
　6.3　ANN151
6.3.1　風險向量表示方法153
6.3.2　風險向量檢索算法163
6.3.3　相似風險檢索業(yè)務應用168
　6.4　近鄰聚類169
6.4.1　K-Means169
6.4.2　DBSCAN172
　6.5　本章小結174
第7章　基于圖的異常檢測175
　7.1　什么是圖175
7.1.1　圖的基本概念176
7.1.2　圖的分類177
7.1.3　作弊圖的構建分析178
　7.2　作弊社區(qū)發(fā)現(xiàn)181
7.2.1　標簽傳播181
7.2.2　連通分量182
7.2.3　Louvain187
7.2.4　Fraudar190
　7.3　圖嵌入193
7.3.1　為什么需要圖嵌入193
7.3.2　圖嵌入方法194
7.3.3　風控應用場景202
　7.4　本章小結207
第8章　基于時序的異常檢測208
　8.1　風控中的時序特征208
8.1.1　什么是時序特征208
8.1.2　時序特征工程210
　8.2　基于時序的異常檢測算法214
8.2.1　統(tǒng)計類算法215
8.2.2　深度學習類算法222
　8.3　CEP技術226
　8.4　本章小結228
第9章　內容風控技術229
　9.1　文本風控230
9.1.1　關鍵詞過濾230
9.1.2　文本分類237
9.1.3　相似文本檢索242
　9.2　圖像風控246
9.2.1　圖像分類247
9.2.2　圖像檢測251
9.2.3　圖像檢索253
9.2.4　OCR技術253
　9.3　短視頻和直播風控257
9.3.1　視頻抽幀257
9.3.2　關鍵幀提取260
9.3.3　視頻相似檢索263
9.3.4　直播間風控264
　9.4　本章小結268
第10章　廣告與營銷風控未來思考269
　10.1　業(yè)務：理解業(yè)務,服務于業(yè)務269
　10.2　數(shù)據(jù)：合規(guī)埋點和科學歸因271
　10.3　算法：經驗驅動和數(shù)據(jù)驅動相結合274
　10.4　系統(tǒng)：在線、近線、離線互補,可持續(xù)的架構277
　10.5　AIGC：帶來的新挑戰(zhàn)279
　10.6　本章小結281