原生广告是一种利用新闻和娱乐内容的设计和格式的小众广告形式。原生广告与销售产品的关系不大,更多的是为处于广告购买漏斗 "考虑 "阶段的消费者提供有用的内容。原生广告通常采用类似新闻报道的形式,已被证明能够说服消费者。原生广告价格低廉,不需要平面设计就可以开始。因此,对于小型企业来说,这是一种引人注目的广告技术。本课程概述了一个小型旅游初创企业利用原生广告促进酒店销售的案例研究。课程介绍了成功的、无创意的原生广告活动的执行策略,包括:收集现有新闻报道、道德内容播种和内容生成。

程序化广告
本课程是 效果营销和数字广告的概念、策略和分析 专项课程 的一部分


位教师:Chris J. Vargo
访问权限由 New York State Department of Labor 提供
11,744 人已注册
了解顶级公司的员工如何掌握热门技能

积累特定领域的专业知识
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书

该课程共有6个模块
本周的 Modulation 重点是通过 Google 的显示广告认证了解和掌握程序化广告。
涵盖的内容
1篇阅读材料1次同伴评审
在本系列讲座中,学生将探讨原生广告的概念、各种类型、道德问题及其对新闻业的影响。通过案例研究,如已倒闭的旅游公司 Travel Pony,学生将了解原生广告在克服信誉问题和增加销售方面的有效性。讲座还将讨论联邦贸易委员会在监管原生广告方面的作用,基于位置、购买意图和上下文相关性的定位策略,以及如何使用谷歌分析等独立工具衡量原生广告活动的成功与否。
涵盖的内容
3个视频1个作业
本项目为学生提供了三个作业选项,供他们应用原生广告、文章选取和定位以及播种策略方面的知识。学生将分析来自不同新闻网站的原生广告,评估本地企业的文章质量并确定潜在受众,或者为一家小企业制定播种策略。通过完成本项目,学生将加深对原生广告技术的理解,学会如何为潜在的原生广告活动批判性地评估文章,并制定鼓励博主积极评论的策略。
涵盖的内容
4篇阅读材料1次同伴评审
在本系列讲座中,我们将探讨断线和流媒体服务的兴起给广告业带来的变革,重点是向互联电视广告的转变。我们将深入探讨传统电视广告的衰落以及导致有线电视行业混乱的因素。此外,我们还讨论了数据收集对广告定位的影响、隐私问题以及效率与成本之间的平衡。讲座还涉及互联电视广告的利弊、程序化购买以及衡量注意力和归因的挑战。
涵盖的内容
3个视频1个作业
在本系列讲座中,我们将深入探讨数字广告的复杂性,重点关注目标定位、重定向、潜在客户和相似受众。我们讨论了重定向与潜在客户之间平衡的重要性,并探讨了使用相似受众的好处和潜在隐患。此外,我们还通过考虑各种定位参数及其相互作用来研究构建广告活动的复杂性。讲座还强调了批判广告技术工具和方法的重要性,以及解决潜在道德问题和隐私问题的重要性。
涵盖的内容
4个视频1个作业
在本系列讲座中,我们将探讨广告行业的演变,重点关注从展示广告到程序化广告的转变以及情境广告的兴起。我们将深入探讨与第三方数据收集有关的道德问题、cookie 之死以及品牌安全所面临的挑战。此外,我们还将探讨各种广告技术公司的技术和商业模式,以及广告技术监管的未来和行业透明度的重要性。
涵盖的内容
3个视频
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师


人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
学生评论
- 5 stars
71.83%
- 4 stars
21.12%
- 3 stars
4.22%
- 2 stars
0%
- 1 star
2.81%
显示 3/71 个
已于 Feb 10, 2024审阅
Loved it! Insightful and inspiring. Loved the guest lectures with industry practitioners
已于 May 22, 2020审阅
More practice and easiness to access webinar would be better :)
已于 Oct 5, 2020审阅
Definitely full of valuable information. I didn't learn about Native Advertising in School! Thank you University of Colorado.
从 商务 浏览更多内容

University of Colorado Boulder

University of Colorado Boulder
¹ 本课程的部分作业采用 AI 评分。对于这些作业,将根据 Coursera 隐私声明使用您的数据。





