Google利用机器学习推出了AdSense“自动广告”,以进行投放和获利选择

本文主要是介绍Google利用机器学习推出了AdSense“自动广告”,以进行投放和获利选择,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Google利用机器学习推出了AdSense“自动广告”,以进行投放和获利选择

文章来源:ATYUN AI平台 

Google于21日公布了一项新的AdSense广告单元, 该广告单元反映了该公司在其业务中添加更多人工智能的巨大推动力,并且可能会吸引更多可能考虑加大广告投放但却没有时间或其他因素的发布商资源来管理它们。

Google正在推出“自动广告”——不是针对汽车的广告,而是一个新的广告单元,它利用机器学习“阅读”一个页面来检测和放置适合放置在哪里的广告,包括放置在哪里,以及有多少可以运行。发布者通过页面上的一行代码激活自动广告。

该服务实际上是在2017年4月的一个有限的测试版中悄然推出的,现在它为所有人而活。Google告诉我们:“参与beta测试的出版商平均收入增长了10%,收入增加了5%到15%。”

对于那些跟踪或使用AdSense的人来说,你知道的服务中已经有了相当程度的自动化。该产品被数千万的网络发布者用来指示放置广告的位置(横幅和其他单位); 然后由Google根据抓取的网页选择哪些广告来确定哪些广告可能最相关。它已经在母公司Alphabet的广告收入中占有相当大的比例,在最近一个季度其320亿美元的收入中占据了270亿美元。

Auto Ads的新功能是,Google正在承担选择展示位置的任务 – 为发布商完成所有工作,包括确定要投放到特定网页上的广告的数量,放置什么位置,以及什么样的广告将会运行。

使用机器学习在这里很有趣,因为它不仅被应用于寻找广告的去向,而且它还被用于分析广告如何更好地“教导”系统如何在未来更好地投放广告。

一个黑洞(还有潜在的陷阱)是,Google的自动广告似乎决定了它将在一个页面上投放多少广告——如果没有它,你将会有更多的控制权。Webmaster World上的这个主题详细介绍了一些早期beta测试人员对于有多少广告最终拥挤他们的页面以及对网站上的用户体验做了什么感到不满。

我们要求Google对这一点做出回应,以及是否允许用户限制自动广告可以放在页面上的单元数量。

它还将突出显示有关Google在所有情况下的判断如何的问题。

AdSense服务已经受到了关注,因为它让很多恶毒的内容渗入到其中,包括带有“虚假新闻”的广告和其他误导性内容的广告。该公司一直在努力与此作斗争。该公司在2017年1月发布的“不良广告报告”中指出,该公司删除了17亿条不可靠的广告,并禁止了200家来自AdSense的广告。

目前,我们的目标似乎是推出此服务,并通过登录你的AdSense帐户来激活你的服务,从而为你提供便利的服务。从“我的广告”中检查全局设置; 复制那里的代码并将其粘贴在希望广告出现的每个页面的标题标签之间(它们在10-20分钟内出现,Google表示)。

在AdSense工程经理Tom Long和产品经理Violetta Kalathaki的博客文章中,我们注意到Auto Ad组合中包含的单元将包括Anchor和Vignette广告,以及文本和展示广告,Feed内容广告和Matched内容广告。他们还写道,发布者可以指定要运行哪一个。

对于那些一直使用页面级广告的用户(根据页面主题而不是整个网站指定不同类型的广告),他们的代码都将移植到自动广告中运行。对于那些正在将Google的APM服务用于移动网页的用户,你需要使用AMP Auto广告的代码。

本文转自ATYUN人工智能媒体平台,原文链接:Google利用机器学习推出了AdSense“自动广告”,以进行投放和获利选择

更多推荐

如何在远程服务器上运行Jupyter Notebooks? 

Facebook开源深度学习推荐模型DLRM,提供个性化结果

机器人利用AI与声源定位绘制房间地图

2019百度AI开发者大会:百度大脑AI能力全面升级,鸿鹄芯片、数字人来袭

欢迎关注ATYUN官方公众号,商务合作及内容投稿请联系邮箱:bd@atyun.com
欢迎关注ATYUN官方公众号,商务合作及内容投稿请联系邮箱:bd@atyun.com

 

这篇关于Google利用机器学习推出了AdSense“自动广告”,以进行投放和获利选择的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/801929

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

如何选择适合孤独症兄妹的学校?

在探索适合孤独症儿童教育的道路上,每一位家长都面临着前所未有的挑战与抉择。当这份责任落在拥有孤独症兄妹的家庭肩上时,选择一所能够同时满足两个孩子特殊需求的学校,更显得尤为关键。本文将探讨如何为这样的家庭做出明智的选择,并介绍星贝育园自闭症儿童寄宿制学校作为一个值得考虑的选项。 理解孤独症儿童的独特性 孤独症,这一复杂的神经发育障碍,影响着儿童的社交互动、沟通能力以及行为模式。对于拥有孤独症兄

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

C#实战|大乐透选号器[6]:实现实时显示已选择的红蓝球数量

哈喽,你好啊,我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记,这是第6篇; 接下来实现实时显示当前选中红球数量,蓝球数量; 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时,在对应的位置显示实时已选择的红球、蓝球的数量; 02 标签名称 分别设置Label标签名称为:lblRedCount、lblBlueCount

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验