作者·黄崇源
“数据蜂巢”
全文共8030字
标题图片 ssyer.com
“Evergreen 的预估点击率。”
本文将涵盖广告排名相关的业务，以及CTR预估的模型开发ctr预估模型算法云开·全站appkaiyun官网,，最后给出XGB+LR的经典组合方案。
本文的示例项目基于Kaggle上开源的CTR估算数据集。 查看Github地址（记得启动）：
01
前言
系列第16篇我们打断了机器学习广告应用场景的话题，今天我们继续第15篇的节奏。
之前我们学习了广告基本属性（性别）的预测，通过它我们学习了利用机器学习思想解决业务问题的基本流程； 然后我们还通过广告中的异常检测主题了解了 CostSensitiveClassification 和 Smote 过采样等机器。 我们学到的知识； 然后我们学习了基于标签组合的智能定向话题，并结合场景来理解和学习FM算法； 然后我们学习了商业兴趣标签的建模和构建，顺便学习了神器 XGboost 。
今天我们来了解一下广告领域算法应用历史最悠久的CTR估算场景。 一个广告系统可能没有商业利益标签，没有智能定向，甚至没有基本属性，但只要是在效果广告的范围内，它就不可或缺。 点击率估计。
而且，CTR估算不仅在广告领域，在推荐系统场景中也发挥着核心作用。 总体逻辑很相似，但是业务场景不同，有时优化目标也不同。
02
点击率估算的作用
我们首先看一下整个广告系统的总体架构图。
这张图片以前曾出现过。 不知道你是否还记得。 当时我们是根据整体的逻辑结构来解释的。 这里我们不关心整体逻辑结构，只关心CTR核心是在哪一个环节发挥作用的。
如图所示，很明显CTR预估阶段发生在召回之后、投放之前。 许多广告系统会将估算和排序视为一个阶段。 事实上，这并不重要。 从底层逻辑来看，CTR预估模型是影响排序的核心。 因素，特别是对于一些比较初级的广告系统，其实影响排名的最终核心因素就是ctr+cpc bid，而没有考虑广告主质量评分、环境上下文评分等其他因素。
当然，一些硬性的战略控制仍然会实施。 例如，基本的曝光频率控制、主题广告适当权重、黑白名单控制等。
回到广告排序的问题，一个用户进来后，需要根据一些过滤策略ctr预估模型算法，包括频次控制、黑白名单等条件，在剩余的广告池中，然后根据广告定向条件，回忆并匹配，获得一定数量的广告。 对候选广告进行排序，形成广告列表。
然后广告列表经过排序逻辑，最后根据排序顺序，选择得分最高的第一个广告展示给当前用户。
这里，我们假设只考虑最简单的排序计算，其实就是CTR*CPC。 如果乘以 1000酷24体育,，就会转换为 eCPM，即每千次展示的预期回报。
从这里我们可以看到，其实一个排序逻辑就是我们系统期望的最终优化目标，也就是说，如果是CTR*CPC的计算方式，假设CTR估算的非常准确，这个机制其实带来的好处是到平台。 目标是优化。
逻辑很简单。 假设抛开其他因素（定位一致、频次控制一致），哪个广告能给我带来更高的收入，我就把这个曝光机会给谁（广告）。
每个广告的每次点击费用都是明确的。 价格高、价格低一目了然。 剩下的就是点击率估算的问题了。 准确的估算意味着您的平台收益更加稳定，达到最大理论收益。
因此ctr预估模型算法，让CTR估算更加准确就成为了广告系统最重要的事情。 毕竟，这都是真金白银。
不过，有一个问题不知道你有没有考虑过。 我们都是以CTR*CPC为核心逻辑作为排序基准来决定流量接触到哪一个广告，但这对于广告主来说并不一定是好事。
就拿之前我们仔细了解过的业务领域来说，
2024欧洲杯 酷24体育 kaiyun下载app下载安装手机版 云开·全站appkaiyun官网
