如果你想学习搜索与程序化广告，就赶紧看吧。。。

《搜索引擎与程序化广告》一书打开了一扇了解搜索与程序化广告世界的大门，带我们一探究竟，帮助理解每天冒出来的广告是如何精确找到潜在受众的。书中分析了一个底层的搜索引擎框架，同时给出一些案例分析广告是如何通过搜索引擎‘智能准确‘找到受众的。

在看似复杂的数字广告世界中，数据和搜索算法是本质，书中强调了二者在制定与优化广告投放策略中的重要核心地位，它提供了理论算法，也给出一些案例进行分析。

比如书中第7章：定向广告和重定向广告小节。

想象一个足球场，里面挤满了观看比赛的人。你是一个销售，你愿意把你的产品向足球场的每一位观众进行推销吗?这个操作既昂贵又浪费。或许你可以根据一些简单的数据分析和研究挑 出那些理想的潜在客户。

定向广告是一种基于消费者过去的行为、兴趣、爱好等，基于人口统计学创建的在线广告。 投放定向广告的第一步通常是创建广告活动，然后针对广告活动配置目标受众、目标广告库存等 定向条件信息，最后广告引擎根据广告活动决定向特定的用户展示特定的广告产品。

而重定向(Retargeting)广告，则是指在定向广告的基础上，广告商使用有针对性的广告向 客户展示之前浏览过的产品。

无论是定向广告还是重定向广告，本质上都需要对目标受众或者目标广告库存进行详细描 述，因此常常使用布尔逻辑表达式进行建模。

那么为什么需要将布尔逻辑表达式转换成DNF呢?此处先按下不表。 先给出一个例子，有两个广告活动上配置有targeting，如下所示:

Campaign1's inventory targeting: (site = 'www.baidu.com' OR country = 'China') AND NOT(device: ['Android']) Campaign2's inventory targeting: (site = 'www.baidu.com' OR country = 'USA') AND NOT(device: ['Apple']) 引入符号语言，化简如下: A: site = 'www.baidu.com' B: country = 'China' C: country = 'USA' D: device: ['Android'] E: device: ['Apple'] Campaign1's inventory targeting: (A | B) & C Campaign2's inventory targeting: (A | D) & (not E)

在逻辑表达式中，变量或者输入通常以复杂的方式交织在一起。将布尔逻辑表达式转换成范 式后，变量之间的分离程度更高，就更加容易识别出整个逻辑表达式是否满足条件。

比如，DNF是对合成从句的分离，这可以看作AND的OR组合。为了检查DNF是否满足条件，

需要逐个判断每个子句是否为真，直到你遇到某一个子句(AND联结的命题)为真并停止检查。 (A & C) | (B & C)

接下来，我们将逐步讨论如何从布尔逻辑表达式转换成DNF，然后基于DNF进行相似度检测， 最后判断众多广告活动是否使相同的广告库存产生竞争和浪费。这就是上面所说的需要将布尔逻 辑表达式转换成DNF的原因。

完成这本书的阅读 ，你或许会对’不请自来’的广告多一些新的理解与看法 --- 它们并非随意出现，背后其实是通过一系列技术来实现精准的广告投放。