迷思与反思：计算广告学的演进逻辑与现实判断
摘 要：计算广告在中国的发展路径一直秉承着技术逻辑与市场逻辑的双重推动，相对传统广告，它正经历模型的三维到一维、目的的品牌到直接市场、生态的直线到多方平台等全方位颠覆。然而，计算广告学的研究却相对滞后。数据、决策和创意是计算广告实现的思维力、统筹力和创新力，也是计算广告学构建的三种知识能力。计算广告学的外部知识供给已成熟，内部知识孵化渐成体系，回应了其学科属性。作为一门新的学科，计算广告学在现实发展中面临着技术迷思带来的工具理性放大而导致价值理性缺失等问题，需要承担其经济属性与意识形态性双重责任。同时，基于对计算广告学的反思，分析了其学科定位、人才培养的框架设置及未来发展的整合模型，以期推动计算广告学研究的良性有序发展。
关键词：计算广告学；技术迷思；演进路径；现实判断
刘 琴，祝 翔
作者
一
计算广告学研究现状
2019年是中国现代广告史发展的第四十个年头，也是计算广告学落户中国的第十年。截至2018年底，广告业总额达到7000亿元。与此同时，广告教育研究一直秉承批判的主旋律与反思学科建设的风格，学者们普遍认为中国广告教育存在“办学动因不清、定位不准、师资不够、课程设置不科学”等问题［1］,尚未形成本学科领域普遍认同并共同遵循的科学研究范式［2］,广告教育面临着上有学科调整的压力，下有业界结合的矛盾［3］。技术逻辑与产业转型正在驱动着广告学教育转型，从扩展宽度、增加厚度、提升高度几个方面展开［4］。2008年，安德雷·布罗德提出计算广告概念，认为它是为给定情景C下的用户U找到一个合适的广告A，以实现“最优”匹配［5］。安德雷·布罗德揭示了计算广告的核心关键词，后来学者虽有所修正，但基本都是遵从其要义。2009年计算广告引入中国，十年时间，由术变学，清华大学、中国传媒大学、北京大学、北京信息管理大学等高校相继开设了计算广告专业或课程。然而，计算广告教育的研究相对滞后，目前能检索到的教程只有两本：刘鹏的《计算广告：互联网商业变现的市场与技术》和刘庆超的《计算广告学：智能媒体时代的广告研究新思维》。
为探讨国内外计算广告的研究实景，本文使用文献计量软件citespace5.3.R4进行研究。在外文文献上，数据集以“computational advertising”为主题关键词在web of science核心数据库中进行检索，并进一步设置social science进行精炼，截至2019年6月得到645条文献数据。在中文文献上，以“计算广告、计算广告学”为主题关键词，在中国知网文献数据库中进行检索，得到196条文献数据。虽然计算广告引入国内已经十年，但研究人员和研究成果总体数量偏少。最早的研究学者周傲英教授是具有计算机知识背景的，而citespace中文数据显示的学者只有五位：刘庆振、潘书敏、王朝禄、王茜、马澈。研究机构只显示出北京信息科技大学、华南理工大学和中国传媒大学三家。有关计算广告文献研究的大致分布情况如下。
1.研究的国别分布。
计算广告研究的国家中，位列前五名的国家分别是：美国、英国、中国、加拿大、德国。这一排序基本吻合世界广告强国的顺位，表明计算广告学科与广告产业发展紧密相连。
2.研究的学者分布。计算广告研究的学者分布中，来自中国科学院管理学院的王飞跃教授、秦蕊研究员和华中科技大学管理学院的杨彦武教授位于前列，他们的知识背景基本是自动化、管理学和计算机学科，而且收录的期刊都是信息管理、信息科学等外文刊物。这表明计算广告的研究并没有形成自己的研究阵地与专业领军学者。
3.研究的学科分布。
目前计算广告学研究的学科排序集中于管理学、计算机科学、传播学等学科，且传播学的研究并不处于优势地位。
4.研究的时间轴聚类分析。
文献能检索到的时间起点是1996年，计算广告的研究缘起于信息学，2008至2018年是研究的高峰期，其中又分为四个阶段。十年间研究的高频词聚类集中在登录广告、社交网络、即时竞价、凝聚方式、移动APP、向量装置等。这说明计算广告研究涉及信息学、物理学、计算机学科等知识领域。
5.研究的议题分布。从外文文献的关键词看，排序前十名的议题为：模型、网络、社会网络、行为、算法、信息、影响、青少年、计算广告、社会媒体。其中,中心度最高的词谱是模型、网络和行为，这揭示了计算广告研究的核心宗旨是运用模型建构探讨互联网的用户行为。(见表1)
从中文文献的关键词看，研究议题主要集中在计算广告、大数据、在线广告、点击率、实时竞价、搜索广告、广告投放、媒介融合等方面。可见，国内研究偏重于计算广告的应用层面。
在此背景下，本文力图回答两个问题：一是计算广告演进的逻辑与路径及其对传统广告教育颠覆的表现。二是计算广告学教育在中国落地的现实判断。
二
模型、市场与平台：计算广告演进的逻辑与路径
计算广告是典型的技术推进产物，技术逻辑与市场逻辑贯穿其演进的全过程。所谓技术逻辑是指如何将一种技术思维应用在广告运作、广告产业与广告教育中。从Web1.0到Web3.0，从2G到5G，网页、移动设备、社交媒体等结合大量数字技术运用已深刻地影响了人们的日常生活，而其对广告业的影响主要表现为大量富媒体广告出现在富媒体设备上，如陈列广告、情景广告、文本广告、竞价排名、即时竞价广告、病毒广告、移动媒体广告、社交媒体广告等。因此，计算广告是以数据模型为基础的生态系统，提供理想平台以监测、评价、标准化广告战役和消费者行为，以量化的数据结果尽可能提供准确的、个性化的广告服务。市场逻辑则以市场需求为导向，计算广告的诞生与发展均为迎合媒介市场与广告市场数字化带来的碎片化与移动化的个性需求。
1.从三维到一维：计算广告模型的演进。
1913年密苏里大学首开广告学专业，各国的广告教育虽有差异，但基本围绕广告史、广告理论、广告法、广告营销、广告社会学等领域展开课程设计。整个广告活动中，广告组织和媒介居于核心地位。然而，传统广告是依附在传统分销模式基础上，是金字塔形的层级模式，自然带有讯息不透明的特性，是博傻的游戏。它充分利用了用户对权威媒体的信任，帮上游的卖家说话，忽悠下家，而用户呈表达缺位中的被动接受状态。移动互联网时代的广告，则是以信任为代理模式展开，每推销一份商品，要获取一份信任，对商品的使用体验本身就是广告。传统营销是“三维”的，广告、渠道、商品都是各自分开、独立运营的，而互联网时代，商品体验已融入由人脉展开的信任通路中，是“一维”的。因此，计算广告是对传统广告的碎片切割与重新整合，它将用户、广告主、广告需求、广告供给、广告平台整合在一个平面轴中，缔造了新型的广告模型。
从传统广告到计算广告，广告模型经历了从抽象、即时竞价到价格的演进（从CPM到CPT）的过程。传统广告的效果通常以媒介的达到率与阅读率为计算依据，售卖的是版面与时段，媒介的注意力与影响力是广告主支付货币的标准，至于一次或系列广告战役能实现多大程度用户的关注并完成销售转化，是无法直接以数据呈现的。这是一种抽象的传播效果观，所以广告通常会被贴上不信任的标签。而计算广告推崇的是即时竞价广告，广告主、广告用户、广告信息处在同步状态中，广告效果瞬时可见。它是以用户参与点击为收费标准，且能直接洞察到点击率到转化率的全过程。即时竞价广告（RTB）正日益勃兴，基于对互联网用户上网痕迹数据的大规模分析，它具有瞬时的识别能力，能判别每一个广告印象目标群体的利益偏好，从而自动推送最匹配的广告。通过卖方竞价体系，优化价格，即时竞价广告富有意义地改变了在线广告，从媒介购买的传统模式、广告位购买（SLOT）到目标群体购买的演进，被认为是未来最标准的商业模式［6］。
2.从品牌到直接市场：计算广告目的的演进。
互联网把广告打回原形，商品本身只是概念的载体，那么承载概念的又是什么?是事件，是话题。而这一切的牵引就是品牌，它是诱使用户接纳广告产品的交流符号。数字时代，品牌衍化为数字品牌，它的特殊性在于：便利性，能更快、更好和更便宜地完成任务；成就感，能使人在参与任何活动时都体会到赢家的感觉，即成就感承诺；娱乐性，设计游戏和其他活动吸引(甚至刺激)消费者，即趣味性和冒险性的承诺，使消费者具有个性化和归属感。
为实现市场差异化的结果，品牌作为一种识别符号，本质上不过是用一种更巧妙的说服技巧，以鲜明的记忆差别在消费者心理占位从而实现利销。而计算广告无需通过艺术的包装、人为制造华丽的说辞，将广告产业链上各需求方的利益同时呈现，并直接推送到前端，供各方公开选择，从而获取利益最大化，实现广告目的的“一镜到底”。
随着时间的推进，当前计算广告的研究聚焦在传统领域（如词汇匹配、调查写作、点击预测）和新进的可识别领域（如用户目标、移动广告、社交媒体广告等）。所以，计算广告不再通过产品品牌的过渡，在消费者心目中形成区隔差，而是直接将各方利益（精神的、物质的）呈现，供需求方各取所需，达到广告目的可视化和量化。
3.从直线到多方平台：计算广告生态系统的演进。
传统广告是一种线性交易方式，是基于利销关系缔造的松散结构。互联网对广告业的冲击表现为新的经济形态——意向经济的诞生。西尔斯提出意向经济的核心是强调用户中心，根据用户个性化要求定制产品并有效传播，由此开发了一个新的买方广告市场。在这个市场里，用户主导一切：自行设计并发布广告内容（如招标广告）、自行决定信息的传播载体，而广告主则根据收获的广告内容提供相应的产品、服务与信息。
意向经济开拓出来的买方广告市场其实就是一场自下而上的逆向广告运动。在意向经济中，消费者不需要从一个网站到另一个网站收购商品信息，他们只要把自己的意愿表达出来，商家自然围绕消费者的意图来竞标。在意向经济背景下，菲利普·科特勒提出逆向营销，从“替产品寻找客户”向“替客户寻找产品”的转变开始走向商业平台，包括逆向产品设计、逆向定价、逆向广告、逆向推广、逆向通路以及逆向细分等，将营销的全过程纳入考虑的范围内。于是，基于意向经济与逆向营销的逆向广告开始取代直线、单向性的传统广告。而计算广告为逆向广告提供多方共赢的平台与实现的可能性，它所形成广告主、出版者、网络、交易平台、需求方、卖方平台的计算广告生态系统，从根本上改变了数字市场的前景，同时通过大规模可利用的库存，扩大了卖方市场的进路。
三
数据、决策、创意：计算广告学实现的知识能力
在中国，我们通常借助新媒体广告形态认知计算广告，其产生的最主要动力来自网页浏览，包括网络搜索和第三方供应方展示的在线内容等。计算广告是利用了网页刷屏活动中的信息和其他相关变量，选择精确广告适配用户需求，如N-gran文本挖掘、文本网络和话题模型等。在网页上，计算广告有三种主要流行方式：一是涉及在搜索页上相关调查的文本广告，众所周知的是竞价排名；二是与第三方网页内容有关的在线文本，如内容文本广告；三是涉及广告置放，但这类广告表现为富媒体形态，如图片、音频、视频、动漫等。富媒体广告的商业模式与前两者文本广告有细微的不同，它也被称为旗帜广告［7］267-269。
从计算广告的角度上讲，一个成功的广告战役是有关用户即时信息需求、通常意义上的用户背景以及个性化的利益图谱。同时，对广告主和中间人（网络搜索引擎）而言，也是最经济的价值回报，而且还能在不妨碍用户体验的同时，给予用户审美情趣［7］267-269。在国外，对计算广告的认知是一门新兴的科学分支（scientific sub-discipline）。正是由于计算广告涉及面如此广泛，以至于需要大量学科的介入，如计算机语言、计算机科学、经济学、心理学、社会学等，因此，一门新的学科——计算广告学得以出现。它旨在从不同层面研究互联网广告呈现的全过程。2009年斯坦福大学邀请安德雷·布罗德等人开设了计算广告学的研究生导论课程，标志着计算广告正式学理化。计算广告学的构建需要三种知识能力：数据、决策和创意。数据用以研究用户即时需求与个性化满足；决策是平台方根据数据作出的精确投放选择；创意体现在能够吸引用户关注与点击，实现点击率与销售率的转换。
1.数据：计算广告学实现的思维力。
计算广告得以产生依赖于IT技术的发展。各种媒介平台为广告和市场活动打开了创新之门，如搜索引擎的竞价排名广告，其产生的前提是可供选择的数据。现代广告实践活动使信息追逐成为可能，从而能积累大量真实世界的数据，这为计算广告实现提供了可观的数据文本，而在以前这是不可能的。近几年在学界中，统计学和经济学模型等已被广泛运用，用以调查分析影响广告活动和市场领域传播效果的种种因素。此外，还有很多数据驱动也被应用在广告研究中，包括信息检索、统计模型、机器学习、优化、经济计量学、大规模搜索、文本分析等。值得关注的是，后者的分析研究基本上是由统计学、社会学、IT等领域的学者完成，却很少能吸引到广告和市场领域的学者［8］。然而，由于潜在消费者通常在不同媒介中流动，势必需要运用整合的方式进行广告决策。尤其在虚拟线上和具象线下的文本之间出现学术代沟，也将会引起巨大的研究挑战。总之，对传统广告教育而言，数据是一种外部显学，需要一定的数据采集、分析能力，而这种能力是一种思维能力，也正是现行广告教育中最为匮乏的外部知识。
2.决策：计算广告学实现的统筹力。
计算广告最根本的目的是寻求最佳匹配，而数据提供了进行广告优化的分析资源，尤其是进一步对数据信息的精确分配。决策分析的展开通常需要外部知识的借鉴，特别是统计学和数学模型。从广义上讲，在基础领域的理论发展中，计算广告学可利用半个世纪来广告和市场领域研究的模型和成果进行前期研究，并在广告系统中建立数字模型和广告决策问题中开发分析策略。研究者通常会在分析模型和广告统计模型之间作一个清晰的界定，两者各有利弊。前者是在对利益现象深刻分析理解的基础上，以精确的方式所作的广告系统的描述；后者是利用数据驱动，用以评价广告效果的因素和它们之间的互动［9］。一方面，现实中的广告系统几乎比任何一种分析模型更为复杂，为此研究者们通常需要作出权衡决策，来获得更为接近的解决方案。在某种意义上，广告的分析建模可能需要数学家和物理科学家的深入参与，以探索更现实、专门针对新颖的广告形式的广告模型和解决方案。另一方面，整合分析模型和统计广告模型可以显著提高广告系统的理论研究，加深广告行为的理解，有助于广告商进行最优的广告决策，并为出版商(或广告服务提供商)设计有效的市场规则［10］。
3.创意：计算广告学实现的创新力。
广告的本质是说服的技巧，吸引点击与流量的关键依旧是建立在情感共鸣上的视觉冲击力。因此，文本辞令、修辞、视觉传达等聚焦的创意表达是吸引力的关键。相比传统广告的创意，计算广告表现为创意与技术的结合，即创新广告形态。如人脸识别广告（千人千面广告）是通过技术将个性特征输入到创意执行中，形成人脸动态识别，针对不同人群、在不同的场景下推出不同画面的广告信息。这种即时动态创意广告（ODC）通常适用于移动场景中，运用大数据对用户分层分类，将不同创意的广告视频即时推送。如《中国好声音》第二季推出的牙仙广告，利用独家KOL（意见领袖）资源，对21支病毒视频进行矩阵式传播，根据每个KOL特点，为其量身定制不同方向的病毒视频，其内容与KOL的结合自然软性，在无形中将关键道具“战车”信息植入观众记忆。创意与数据结合产生的千人千面广告，能针对不同场景设计不同信息内容，创意不仅需要创新出奇，还能同时把握数据的合理应用。
四
数据、决策、创意：计算广告学实现的知识能力
作为一种舶来品，计算广告引入中国十年间历经三个阶段、三种主体形式的流变。2009到2012年是计算广告的导入期，标志是借助网络技术与广告结合，以新媒体或网络媒体的方式呈现，数字媒体主导着计算广告的导入；2012-2015年是计算广告的勃发期，标志是即时竞价广告渐成主流，通过数据与决策执行，计算广告正式以学科化的方式为新媒体广告正名；从2015年至今是计算广告渗透期，全面渗透到广告运作、广告产业与广告教育中，标志是计算模型对用户的精确锁定，人脸识别、千人千面广告成为其表征。
在中国，界定计算广告是否成学存在不同的观点。如刘鹏指出计算广告只是一种追求传播效果的策略活动，远没有发展到形成一个完整、系统的独立学科的地步，因此应该将“学”字删除［11］。周傲英则认为计算广告学作为一门新兴交叉学科的提法仍然具有较大的学术价值和实践意义。刘庆振提出计算广告学是广告学领域新近兴起的一个分支学科和交叉学科，是研究计算广告业态的历史、理论、形式、流程、策略、管理、技术与趋势等内容的一门科学［12］。本文认为，计算广告能够称之为学：一是计算广告已经渗透到传统广告的运作流程、产业发展和教育机制中，特别是计算传播学的成熟，为计算广告学的学科架构提供了理论基础与方法论借鉴；二是计算广告学的知识供给已经成熟，与计算机、统计学等学科结合渐成主流态势。正是由于计算广告学的学科特征，促使本文从学理层面审视其发展中的一些问题。
1.迷思:价值理性的期盼。
计算广告立足于技术与智能化，但技术的两面性在于它在推动事物顺势而为的同时，也会产生技术迷思。技术迷思根源于对技术的膜拜所形成的技术至上，表现在计算广告学中，则是放大了技术的工具理性，而忽视了技术应体现的价值理性。
迷思这一概念在欧洲媒介与文化研究中有着重要的位置，理解迷思的一种简单但非常局限的方式是将其看作一个迷人的虚构，一个没有兑现且无法实现的诺言［13］22。特别是罗兰·巴特在神话学论述中，认为现代迷思是主导性的意识形态［14］。文森特·莫斯可则强调了数字技术神话如何将人们从日常生活的平庸中解放出来。奥托洛娃主张将数字技术视为新的神话形式的主体，也看成一种媒介，通过它，现代的迷思得以形成和散布。迷思之所以重要，部分原因在于它们有时可以激发强势人物为实现理想而奋斗，而不管付出的代价是什么［15］。从迷思到技术迷思，我们多体现出一种消遣和多少有点傲慢的心态［13］20。有关技术史的迷思促成了历史学家戴维·奈提出的所谓技术崇拜（technological sublime)图景，这是一种情感的真正爆发，而这种情感压倒理性的目的仅仅在于使自身再次被理性所容纳［16］。对于赛博空间的迷思历来有两种版本：一是作为技术引发的歪曲的迷思；二是作为一种吸引力的景象或者作为认知图式的迷思。本文的迷思是偏重于后者，正如文森特所言，因为后者更具价值［13］46。本文认为计算广告学的出现是一种具有吸引力的景象，问题的关键是如何正确认知并推动其有序发展。
在马克斯·韦伯看来，人的某种行为发生是有意义或值得去做，人的社会行为中最重要的两种类型是工具理性与价值理性。所谓工具理性是通过对外界事物的情况和其他人的举止的期待，并利用这种期待作为条件和手段，以期实现自己在理性下所争取和考虑的作为成果的目的。持工具理性的人追求的是所选择的手段是否最有效、成本最小而收益最大。价值理性则是通过有意识的某一特定行为——伦理的、美学的、宗教的或作为任何其他诠释的——追求无条件的固有价值的纯粹信仰，不管是否取得成就［17］。简而言之，价值理性看重的是行为本身的价值与社会意义。
计算广告得以实现是基于对用户网络使用行为的精确锁定，以最低的成本实现用户向消费者的转换。我们知道每个用户都是互联网上的一个小Cookier,一个节点，可用数据描述的对象，每一次的点击、跳出、留存都会被大数据锁定。当用户登录时，其个人账户信息如年龄、教育程度、收入、爱好等隐私会自动被搜索引擎捕捉，通过算法推导出用户个人偏好，并投其所好，这种行为本质是对用户信息隐私权的侵犯。更为甚者，在计算广告学的生态体系中，信息隐私被演绎为商业行销的资本。因数据信息属于非排他性产品，具有不可磨损性和多次消费特征，所以产生信息溢价，商家便可以不择手段地窥视他者的隐私并无偿占有。而且，为实现数据的功利性，所谓虚假流量、信息垄断等欺诈行为屡见不鲜，私利的工具性在技术的掩饰下被空前放大。然而，广告业的特殊意义在于：它同样需要彰显社会文化属性。广告历来背负着经济和文化两大功能使命，作为一种特殊的文化文本，广告的意识形态导向始终贯穿其中，在显性和隐性中，规定并影响着信息接受者的价值观、信念与行为。因此，计算广告学同样需要承担环境监控、教育传承、社会能量弘扬、积极价值观引导等社会价值功能，需要在其文化意识形态的功利表达中找到价值点。但遗憾的是，在计算广告的视域里，用户的行为能力可以被控制与操纵，会被贴上模式化标签，亦如射击场上的靶子，点射即中，逐利的手段与目的主导着行为者的行动取向，甚至牺牲他者的利益。人的主体选择、人对事物价值判断等文化属性都被淹没在大数据的刻板形塑中。因此，对广告传播社会功能的价值理性的忽视正是计算广告学的缺失所在。
2.反思：为计算广告学正名。
由计算广告到计算广告学，在技术乐观主义的迷思与技术悲观主义的质疑中一路前行，逐步从术到学。正是广告具有的功能主义与意识形态双重属性，十年回眸，需要着一点笔墨为其正名，明确计算广告与传统广告的关联，厘清其学科定位与框架设置。
从学科定位看，在国外，计算广告学被认定为计算机学科应用的一个分支领域。因此，其研究议题是从技术层面探讨广告活动而展开。在中国，学者们认为它是广告学的新兴领域，如颜景毅认为社会计算理论是计算广告学的支撑框架，大数据则是其形成的现实依据［18］。本文认同计算广告隶属于计算传播学的学科定位，在学科建设中，大文科的人才观已被新文科取代，培养兼具工科与文科知识底蕴的广告人才是学科使命。在课程设置上，大数据用户分析法、认知心理学等技术方法引入到市场调查中；AI、H5等交互设计课程主导着广告创意的推进；统计学、数据建模等方法论开始主导广告效果的测评。越来越多的学校在基础通识课中增设Jav、Python等计算机课程，为广告学子铺垫数据抓取与编程的基本能力。从广告形态变迁、数据建模到动态场景识别，计算广告学正以技术与技能的同步孵化重新搭建广告运动、产业发展与广告教育的全过程。而实现的前提是消解文科生的培养理念与机制，所以，计算广告学科的调适依然举步维艰。
从学科架构看，计算广告学叠合了大量既有的学科领域，吸纳了数学、IT等外部知识，导致了颠覆性变革，亦如其他学科的交融一样，如社会学演绎为社会计算学、地理学演绎为地理信息科学、经济学演绎为量子经济学、生物学演绎为生物信息学等。这些变革，意味着计算广告学的诞生是它能在既定的使用者、既定的内容和合适的广告之间找到最佳匹配，要实现这个目的，跨学科的知识培养必不可少，而在不同学术地带，整合不同的观点也会面临各种方法论、理论、技术等挑战。
从学科发展看，计算广告的终极目的是创造可持续的价值，实现广告主利益、用户利益以及广告生态系统中股东之间的互惠关系，而这一切取决于对用户的高度知察、互动类型和在既定空间（实体或虚拟）中的概念转化。由于技术进步或外部知识的介入，新的广告形态随时会诞生在既有的媒介平台中，如即时竞价广告是从在线陈列广告和移动广告发展而来。它通过规模化传递大量实际需求，使得广告主在网页或移动广告生态系统中进行广告投资，从而使真实诉求的设计刺激兼容机制，如有效的广告存储处理、检索、陈列、排名用户需求，并和广告主其他战略活动之间紧密相连。迄今为止，对计算广告学的认识和研究都是聚焦在如何实现单一广告作品的最佳匹配上。然而现实中，远不止单一的广告被呈现，使用系列模型针对单一广告陈述其中的问题通常是无效的，因为它忽视了广告之间的内容联系。所以，对计算广告学的未来走势，学者们提出应用现代资产组合理论建立BATCH模型，以探讨在系列广告共识呈现的排序中如何发现最优广告［19］。
总之，计算广告学还存在数据运作的不规范问题，需要倡导责任，理性应对技术迷思的盲区。同时，还需要外部显性知识的辅助与内部创意能力的知识叠加，解决计算广告学师资教育的不同步、人才培养的滞后等问题。但无论如何，它一定是未来的发展方向。
参考文献：
［1］丁俊杰,初广志.中国广告传播研究轨迹［M］.北京：中国传媒大学出版社,2015:37-39.
［2］曾琼,张金海.中国广告学知识生产的“科学共同体”尚未形成——基于期刊论文的文献计量学分析［J］.新闻与传播研究,2015(6).
［3］黄升民,王水.2017年广告之变黑天鹅频发背景下的机遇和挑战［J］.中国广告,2017(2).
［4］陈刚.关于广告教育数字化转型的思考［J］.新闻与写作,2017(10).
［5］ANDREI BRODER.Computational Advertising. Proceedings Of The 19th Annual ACM-SIAM Symposium On Discrete Algorithms［C］.Soda.San Francisco.California.Siam 2008: 992.
［6］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).
[7] KUSHAL DAVE,VASUDEVA VARMA.Computational Advertising: Techniques For Targeting Relevant Ads［J］.Foundations and Trends in Information Retrieval, 2014(8).
[8]ANDREIZ.BRODER,EVGENIY GABRILOVICH,VANJA JOSIFOVSK.Information Retrieval Challenges In Computational Advertising［C］//Proceedings Of The 20th ACM Conference On Information And Knowledge Management.New York:Association for Computing Machinery,2011:24-28.
[9]YANWUYANG,YINGHUI,BERNARD J.JANSEN,MOUNIALALMAS.Computational Advertising: A Paradigm Shift for Advertising and Marketing ［J］.IEEE Intelligent Systems, 2017(5).
[10] EVGENIY GABRILOVICH. Ad Retrieval Systems In Vitro And In Vivo: Knowledge-Based Approaches To Computational Advertising［J］.Advances in Information Retrieval, 2011(4).
[11] 刘鹏,王超.计算广告:互联网商业变现的市场与技术［M］.北京：人民邮电出版社,2015:7-31.
[12] 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).
[13] 文森特·莫斯可.数字化崇拜——迷思、权力与赛博空间［M］.黄典林,译.北京:北京大学出版社,2010.
[14] 罗兰·巴特.神话学［M］.江灝,译.台北:麦田出版社,2019:109-121.
[15] PETER FRITZSCHE.SUSAN BUCK-MORSS.Dream World And Catastrophe:The Passing Of-Mass Utopia In East And West［J］.The Journal of Modern,2002(4).
[16] DAVID E. NYE.American Technological Sublime［J］.IEEE Technology and Society Magazin,1997(3).[17] 马克斯·韦伯.经济与社会［M］.林荣远,译.北京：商务印书馆,1997：50-56.
[18] 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(7).
[19] DELL ZHANG,JINSONG LU.Batch-Mode Computational Advertising Based On Modern Portfolio Theory［J］.Advances in Information Retrieval Theory,2009(9).
(责任编辑 丁 静)