● 摘要
随着互联网展示广告的发展，互联网上涌现出大量的没有自身广告投放平台或广告位过剩的网络媒体，媒体和广告主通过接入广告网络进行广告投放。以广告网络为中心的广告投放平台对媒体页面进行聚集和分类，提供支持上下文定向的流量售卖方式，一方面提高广告投放的精准度，另一方面减少媒体页面的剩余流量。2005年左右广告网络已颇具规模，在线广告投放体系进一步扩展，形成了广告网络、广告商、需求方/供应方平台(DSP/SSP)等多种角色通过广告交易平台 (Ad Exchange)对广告位进行实时竞价(RTB)和媒体直接售卖(no-RTB) 的程序化购买广告的生态体系。
据中国互联网络信息中心报告称截至2014年底中国网民规模达6.49亿人，每个人的一次上网浏览行为都会发生一到多次展示广告请求，全国每日产生的互联网展示广告请求达数百亿次，而且在程序化广告购买的过程中为了不影响网民浏览网站的体验，要求所有请求响应时间不能超过80ms，所以整个程序化购买对投放系统（DSP）有极高的并发和实时响应要求，随着接入流量规模的增大设计出一个高并发和高实时响应的投放系统（DSP）将是支持业务发展的必要因素；目前程序化购买以RTB（Real Time Bidding）的竞价购买为主流，在广告交易平台(Ad Exchange)中以二级价格密封拍卖为模型进行竞价拍卖交易，在多方投放系统（DSP）竞争展示请求的情况下，怎么从中找到一个严格的报价占优策略使成本控制和竞价成功率最大化，是投放系统一直在不断探索和优化的问题；程序化购买相对于传统媒体购买方式的不同在于受众购买，即建立在用户数据分析的基础上，找到符合营销诉求的目标受众对其进行相关广告的投放，能否找到和广告相关的受众直接决定了广告投放效果，找到精确的广告受众给用户数据收集和挖掘带来很大挑战。
本文首先设计实现了一个需求方平台的广告投放系统（DSP），在程序化购买的过程中能够支持主流的地理位置信息、投放时段、用户终端类型和访客重定向等定向投放功能，广告主可以通过该平台程序化购买多方媒体资源，实现针对指定人群的广告投放。论文针对投放系统高并发和高实时响应的问题，提出除了应用系统采用多点分布式计算架构的方案外，作为缓存服务的Redis也采用了“一主多从，读写分离”的设计原则来提高系统的并发、响应能力和增加其扩展性，避免缓存服务器成为系统性能的瓶颈；针对寻找报价占优策略使成本控制和竞价成功率最大化的问题，文章提出了通过历史竞价数据建立多元线性回归预测模型的方案来对出价进行预测指导。论文实现并验证了以上两种方案，通过方案前后系统关键指标数据的对比证明了两种方案是有效的，其分别在一定程度上优化了系统的并发性能问题和报价策略问题。