计算广告学——智能营销与计算广告
分享
课程详情
课程评价
spContent=运用数据和算法的“洪荒之力”是清晰描绘消费者画像、精准实现营销传播目标、呈现商业传播规律的主要手段,“电脑+人脑”才是未来经济的原动力! ——充实自己、提升能力、让营销传播精细化!通过8周学习,你将了解智能营销与程序化广告投放的思维和方法。左手效率,右手投入产出比,天马行空的创意与精打细算的管理不矛盾! 本课程入选2019年广东省在线开放课程、粤港澳大湾区高校在线开放课程。获得暨南大学第22批校级教改项目支持,获得第十届暨南大学教育教学成果二等奖。以本课程为主干的实习实践基地已于2020年升格为暨南大学校级实习实践基地。
—— 课程团队
课程概述

为什么要学习这门课?

【补充学习】

作为一门复合学科,计算广告学既离不开广告的基本运作原理,又离不开大数据、云计算和深度学习等热门技术。无论你来自理工农还是文经管,这门课程都能作为你学科教育的补充,让你深入了解程序化广告的原理和应用,有望成为商业社会中的新新人才。

【帮助就业】

程序化广告交易总值在多个国家已超过数字广告交易总值的60%,这一数字还在持续增加。快速拓展的版图亟需大量相关人才,趁“懂技术的不懂广告,懂广告的不懂技术”,赶紧来学习课程,抢占先机。

这门课的主题是什么?

这还用说?“新文科+新理工”的“计算广告学”啊!我们不讲“广告学概论”、“广告史”、“广告管理”、“计算机原理”等等,怕你觉得工作中用不到;我们也不讲高级的计算机语言编程,免得你是文科肠胃吃了吐(当然,你要感兴趣的话,自学PythonR语言等等也不是什么坏事,兜里藏些飞镖总有用)。讲一丢丢开拓商业思维的东西,讲大块块能提升大家未来吸金能力的东西就好啦!

这门课有什么特色和亮点?

【知原理】

这是一门多学科交叉、多角度切入的有趣课程,不设专业门槛。只要你对大数据社会感到好奇,无论你是何种学科背景,有没有广告学专业知识,我们都真诚欢迎报名,一同站在营销传播领域的最前沿,收获眼界和思维。

【通应用】

这是一门实践性极强的有用课程。在5G时代和数字技术背景下,各行各业对智能营销与计算广告的人才需求日益迫切。本课程不仅从理论出发,也十分注重实战与案例分析。业界的大腕就在这里,我们寻找真问题、现实问题和迫切问题,并且尽力将知识转化为生产力!正在或计划从事数字营销行业的你,一定不要错过。

【勤反思】

  这是一门“讲伦理,重原则”的课程,在专注数据、算法的开发与应用,关注产品、服务的体验与优化的同时,我们也关注个人数据隐私、数据的法律保护和数字营销行业的职业道德。让我们一起探索路径而非走捷径,欢迎你们的加入!


授课目标

1.了解程序化广告经营与管理方面的基本概念和常用术语。

2.理解有关广告公司、媒体、企业的程序化广告经营或管理的基本思想和具体工作的基本流程及方法,能够自我研究该行业的发展趋势并具有一定的技术开发手段。

3.了解国际、国内程序化广告市场,熟悉程序化广告行业、大型程序化广告企业和特色企业的基本情况。

4.对我国在程序化广告管理方面的法律法规、行政管理措施、行业自律等有一定了解。

5.通过团队合作完成程序化广告产品和客户行业专题研究报告,培养和锻炼学生的团队合作精神、沟通能力和表达能力。


达标要求

指标点

课程目标

综合素养

1.3 具备良好的法律意识和良好的职业道德,熟悉程序化广告监管法规,能够合理、合法、合规地从事广告专业工作。

课程目标4

知识技能

2.2 系统掌握营销传播学和广告学专业知识,熟悉广告学和营销传播学的相关理论。

2.3 熟悉人文社科领域常用的质化和量化研究方法,并能运用这些方法独立或领导团队开展业务调研和理论研究。

课程目标1、2

 

思维能力

 

3.1 具备较强的独立思考能力和一定的逻辑思维、发散思维、创意思维能力。

3.2 能够以较强的观察力和想象力发现并思考广告和营销传播领域的典型现象和关键问题。

课程目标2、5

解决问题

4.2 能够运用所掌握的研究方法开展市场调研和消费者研究,并能够结合所掌握的专业知识对相关业务进行综合分析。

课程目标2、5

数字素养

5.1 能够运用通用计算机操作技能和专业数字技术开展文字处理、专业设计、数据分析等工作。

5.2 了解数字营销传播领域的技术动态和业务发展趋势,对本领域的主流应用技术有一定程度的了解和理解。

5.3 能够运用数字营销传播领域的相关应用技术,参与数字营销传播领域的业务开发、产品研发、市场开发、客户服务等工作。

课程目标1、2、5

沟通表达

6.2 具有突出的专业沟通能力,能够与业务团队成员和服务对象充分进行专业沟通和业务交流。

6.4 具有较强的口头表达能力,能够面向业务团队成员、服务对象、广告业同行、社会公众等进行广告业务和一般事务的口头表达。

课程目标5

 

团队协作

 

7.2 具有较强的团队适应能力,能够胜任广告业务团队内部不同岗位和不同角色的工作。

7.3 具有一定的团队领导力,能够激励团队成员提升士气、领导团队有效工作。

课程目标2、5

 

国际视野

 

8.3 能够在国际化广告业务团队中进行良好的人际沟通、业务沟通和有效合作,并能够参与或带领国际化广告团队开展跨文化营销传播工作。

课程目标1、2、3

 

终身学习

 

9.2 具有强烈的终身学习意识,养成自主学习的良好习惯,并能够通过自主学习不断更新知识、提升素质、实现个人的可持续发展。

课程目标2



课程大纲
预备知识

建议阅读少量市场营销学和广告学概论类书籍,对当前大数据在营销当中的应用有一定感知,有基本的数据处理能力或者学过任何一种计算机汇编语言即可。

证书要求

为积极响应国家低碳环保政策, 2021年秋季学期开始,中国大学MOOC平台将取消纸质版的认证证书,仅提供电子版的认证证书服务,证书申请方式和流程不变。

 

电子版认证证书支持查询验证,可通过扫描证书上的二维码进行有效性查询,或者访问 https://www.icourse163.org/verify,通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。

 

完成课程教学内容学习和考核,成绩达到课程考核标准的学生(每门课程的考核标准不同,详见课程内的评分标准),具备申请认证证书资格,可在证书申请开放期间(以申请页面显示的时间为准),完成在线付费申请。

 

认证证书申请注意事项:

1. 根据国家相关法律法规要求,认证证书申请时要求进行实名认证,请保证所提交的实名认证信息真实完整有效。

2. 完成实名认证并支付后,系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。


参考资料

一、书籍(以出版时间倒序) 1.陈韵博.程序化广告的道与术:数据技术时代的营销变革[M].北京:社会科学文献出版社,2020. 2.刘鹏,王超.计算广告:互联网商业变现的市场与技术(第2版)[M].北京:人民邮电出版社,2019. 3.梁丽丽.程序化广告:个性化精准投放实用手册[M].北京:人民邮电出版社,2017. 4.刘庆振,赵磊.计算广告学:智能媒体时代的广告研究新思维[M].北京:人民日报出版社,2017. 5.盖兹.Google广告高阶优化(第3版)[M].北京:电子工业出版社,2015. 6.拉塞尔.社交网站的数据挖掘与分析(第2版)[M].北京:机械工业出版社,2015. 7.克里夫顿.流量的秘密[M].北京:人民邮电出版社,2013.   二、论文(以发表时间倒序) 1.冉华,刘锐.计算技术背景下广告产业形态演进研究——基于“技术-供需”的分析框架[J].新闻与传播评论,2021(5). 2.梁灯.隐私计算定向广告应用的法律边界[J].信息通信技术与政策,2021(7). 3.蔡润珩,宋若涛.智能决策:计算广告运作环节的功能性重构[J].新闻爱好者,2021(4). 4.颜金尧,张海龙,苏毓敏.计算广告中的点击率和转化率预测研究[J].中国传媒大学学报(自然科学版),2021(2). 5.钟书平.计算广告时代广告学科知识体系与培养目标重构[J].现代传播,2021(4). 6.刘琴,祝翔.迷思与反思:计算广告学的演进逻辑与现实判断[J]. 中南民族大学学报(人文社会科学版),2021(4). 7.王水.计算技术范式下广告产业发展中的“人—机”关系嬗变[J].广告大观(理论版),2020(6). 8.Theo Araujo et al. From Purchasing Exposure to Fostering Engagement: Brand–Consumer Experiences in the Emerging Computational Advertising Landscape[J]. Journal of Advertising, 2020, 49(4): 428-445. 9.Joseph T. Yun et al. Challenges and Future Directions of Computational Advertising Measurement Systems[J]. Journal of Advertising, 2020, 49(4): 446-458. 10.Yuping Liu-Thompkins et al. Creating, Metavoicing, and Propagating: A Road Map for Understanding User Roles in Computational Advertising[J]. Journal of Advertising, 2020, 49(4): 394-410. 11.Jisu Huh and Edward C. Malthouse. Advancing Computational Advertising: Conceptualization of the Field and Future Directions[J]. Journal of Advertising, 2020, 49(4) : 367-376. 12.Guda van Noort et al. Introducing a Model of Automated Brand-Generated Content in an Era of Computational Advertising[J]. Journal of Advertising, 2020, 49(4) : 411-427. 13.Natali Helberger et al. Macro and Exogenous Factors in Computational Advertising: Key Issues and New Research Directions[J]. Journal of Advertising, 2020, 49(4) : 377-393. 14.王子睿.基于异构计算的广告图片识别系统设计与实现[D].硕士学位论文,北京:北京邮电大学,2020. 15.吕尚彬,郑新刚.计算广告的兴起背景、运作机理和演进轨迹[J].山东社会科学,2019(11). 16.曾琼.突破与重构:大数据时代的计算广告学研究[J].湖南师范大学社会科学学报,2019(5). 17.梁洋.计算广告检索系统的理论研究及其应用[D].硕士学位论文,北京:北京化工大学,2019. 18.蔡润珩.场景融合营销中计算广告作用研究[D].硕士学位论文,开封:河南大学,2019. 19.张俊峰.计算广告中点击率与转换率预估算法研究[D].硕士学位论文,长沙:湖南大学,2019. 20.曾琼,刘振.计算技术与广告产业经济范式的重构[J].现代传播,2019(2). 21.刘庆振.智能算法语境下的媒体、传播和广告再思考[J].新闻知识,2018(12). 22.杨扬.计算广告学的理论逻辑与实践路径[J].理论月刊,2018(11). 23.Mengmeng Chen and Luis Rabelo. Deep Learning Based Modeling in Computational Advertising: A Winning Formula[J]. Industrial Engineering & Management, 2018, 7(3): 1-8. 24.张平.面向计算广告学的影响最大化及阻隔方法研究[D].博士学位论文,武汉:武汉大学,2018. 25.Zhize Wu and Shouhong Wan and Ming Tan. Discriminative Image Representation based on Multi-Cues for Computational Advertising[J]. International Journal of Performability Engineering, 2018, 14(7). 26.陈虹.基于集成学习的计算广告转化率预测[D].硕士学位论文,昆明:云南大学,2018. 27.赵星宇.基于相似性计算与半监督聚类方法的微博广告发布者识别研究[D].硕士学位论文,南京:南京大学,2018. 28.段淳林,杨恒.数据、模型与决策:计算广告的发展与流变[J].新闻大学,2018(1). 29.马澈.计算广告对数字媒体的影响:基于技术、数据和市场的重构[J].中国出版,2017(24). 30.吴忠斌.关于计算广告相关算法的解析[J].电子世界,2017(21). 31.张艳.智能技术时代的广告内容营销传播[J].中国出版,2017(19). 32.刘庆振.智能传播:工业4.0时代传媒产业转型的新思维与新模式[J].教育传媒研究,2017(6). 33.李沁.沉浸广告模式:大数据时代的逻辑颠覆与概念重构[J].当代传播,2017(5). 34.马澈.关于计算广告的反思——互联网广告产业、学理和公众层面的问题[J].新闻与写作,2017(5). 35.颜景毅.计算广告学:基于大数据的广告传播框架建构[J].郑州大学学报(哲学社会科学版),2017(4). 36.Rui Qin and Yong Yuan and Fei-Yue Wang. Exploring the optimal granularity for market segmentation in RTB advertising via computational experiment approach[J]. Electronic Commerce Research and Applications, 2017, 24: 68-83. 37.钟夏泉.大数据与用户画像在计算广告发展中的应用研究[D].硕士学位论文,广州:华南理工大学,2017. 38.Shahriar Shariat and Burkay Orten and Ali Dasdan. Online evaluation of bid prediction models in a large-scale computational advertising platform: decision making and insights[J]. Knowledge and Information Systems, 2017, 51(1): 37-60. 39.Mengmeng Chen and Luis Rabelo. Real Time Bidding Optimization in Computational Advertising[J]. IIE Annual Conference. Proceedings, 2017,: 175-180. 40.汪臻真,朱志华,蔡政.计算广告中的效果衡量方法[C].中国网络传播研究,2017(2). 41.刘庆振.“互联网+”时代的计算广告学:产生过程、概念界定与关键问题[J].新闻知识,2016(6). 42.刘庆振.计算广告学:大数据时代的广告传播变革——以“互联网+”技术经济范式的视角[J].现代经济探讨,2016(2). 43.柴林麟.大数据时代下互联网广告及计算广告学的应用研究[J].信息与电脑(理论版),2015(16). 44.许磊.基于大数据的新媒体在线广告收益管理研究[D].硕士学位论文,中国科学院大学,2015. 45.Machine Learning; Recent Findings in Machine Learning Described by Researchers from International Institute of Information Technology (Computational Advertising: Techniques for Targeting Relevant Ads)[J]. Robotics & Machine Learning, 2015,: 284-. 46.陈敏.计算广告中冷启动问题的研究[D].硕士学位论文,哈尔滨:哈尔滨工业大学,2014. 47.周傲英,周敏奇,宫学庆.计算广告:以数据为核心的Web综合应用[J].计算机学报,2011(10). 48.赵耀.计算广告学技术的研究进展[C].2011 International Conference on Future Information Engineering, Bangkok, Thailand, 2011-09-30. 49.郭庆涛,郑滔.计算广告的匹配算法综述[J].计算机工程,2011(7).   三、参考网站: 1.能量派,https://www.energypie.cn/。可百度搜索“能量派”,已使用程序化广告技术置顶。 2.广告从业者自习室,微信公众号,可百度搜索,已使用程序化广告技术置顶。 3.CSDN技术社区 4.知乎