传统模式的互联网广告,以保量展示(Guaranteed-Delivery, GD)为主,然而随着在线广告逐渐进入买方市场,仅依靠保量展示广告来覆盖所有的广告展示机会已经变得越来越困难。由于在线广告位资源的易逝性特点,未被利用的广告展示机会,媒体方无法获得收益,这是一种资源的浪费。由于在广告位数量和页面展示量一定的情况下,广告位库存是恒定不变的,因此就单次广告展示而言,如果不能通过合理的定价机制使其获取尽可能高的收益,同样也是资源的浪费。在当前PC端互联网新媒体页面展示量增长缓慢甚至停滞的背景下,如何维持收益的增长,成为一个亟待研究的问题。本论文正是在此背景下进行选题并开展了深入研究。首先,本论文研究了基于受众定向的容量控制策略。通过对媒体的访问日志进行大数据分析,实现对浏览用户进行人口属性定向和用户兴趣定向,然后以受众定向结果作为容量控制的依据,提高媒体方的收益。本论文首先使用问卷调查法获取了一部分用户的人口属性信息,然后对全量用户对页面和视频的浏览日志进行了大数据分析,采用朴素贝叶斯模型,预测出他们的人口属性信息。本论文还研究了用户兴趣定向的实现方法,通过对页面访问日志进行大数据分析,根据用户浏览的页面,来推测其兴趣点。这些以人口属性和用户兴趣划分的人群所带来的不同的广告展示机会,可以售卖给特定广告主,实现容量控制。其次,在广告的定价策略方面,本论文研究了基于拍卖机制的实时竞价策略。通过在线广告特点的研究,本论文设计了一套在线广告拍卖机制,并证明了使用广义第二高价作为寻价策略,能够使连续拍卖达到贝叶斯-纳什均衡状态,使得媒体方可以获得最大化的收益。此外,本论文还研究了基于对过去一段时间的广告展示和点击日志进行大数据分析,实现广告展示之前的点击率预测,据此实现以CPC和CPM出价的广告在同一标准下竞价。最后,本论文将上述研究成果应用于某互联网媒体的在线广告业务,对其科学性进行了实证分析,结果显示,使用了受众定向策略来进行容量控制之后,具有特定标签、且标签强度越高的用户,对与其人口属性或兴趣相关的广告,点击率越高。而采用了基于点击率预测模型进行拍卖的广告,其点击率高出未使用点击率预测模型来进行投放决策的广告12%之多。本论文的研究重点——基于大数据的新媒体在线广告收益管理方法,可以为互联网媒体优化展示广告收益的决策提供理论支撑。使用此方法能够更大限度地促进广告主、媒体、用户之间取得共赢。此外,本论文也能为未来计算广告和收益管理的研究起到“抛砖引玉”的作用。