PCTR点击率预估的实现流程和经验

[原创] PCTR点击率预估的实现流程和经验

仧尐 2019-05-20 72 pctr/ 点击率预估

##### 广告平台大致的工作流程 媒体发送广告请求=>寻找可以匹配的广告组=>选择最好的广告=>计算eCPM=>广告排名=>广告位展示广告。 **（1）发送广告请求** **评估这个页面/广告位：**这个页面是关于什么的？关键词，主题是什么？这个广告位需要怎样的创意，是图片广告，还是文字广告？我们不想要什么？需要排除掉什么？ **评估这个用户：**这个用户喜欢什么，兴趣是什么；这个用户是属于营销 人群么；地理，语言，设备的信息等。 **（2）寻找匹配的广告** 根据广告的定向，例如定向北京或上海，注册过某个app的用户，兴趣是某某的广告等，得到潜在的广告组，例如有100个。 **（3）选择最好的广告** 在潜在的广告组里，选择最好的广告。例如通过PCTR预估概率排名筛选出最可能点击的广告组，例如取前10个。 **（4）计算eCPM（1000次曝光费用）** 我们把所有出价的方式转化为eCPM，使得所有的出价放在同一个水平上。我们希望广告主的利益和媒体的利益最大化，eCPM可以使得两者的目的都可以达到。 ##### **CPM** maxCPM=eCPM **CPC** (maxCPCxpCTR)x1000=eCPM **targetCPA** ((targetCPAxpCVR)xpCTR)*1000=eCPM **（5）广告排名** 这里先说明一下，pCTR和推荐的区别，推荐可能只需要关注排序，但pCTR既要关注排序又要关注准确率的问题。 pCTR的本质工作是把CPC（单次点击价格控制在范围内，并非提升点击率） 例如：在pCTR保持0.02的前提下： 1、如果CPC=1元，则eCPM=CPCxpCTRx1000=1x0.02x1000=20 2、如果CPC=3元，则eCPM=CPCxpCTRx1000=3x0.02x1000=60 最终的点击率更多的时候取决于运营设置的CPC。 **pCTR模型训练** 1、曝光点击日志：从DSP的曝光，点击日志获取。主要是设备ID，有点击为1，没有点击为0 2、样本构造：根据设备ID，拼接用户标签 3、模型训练：逻辑回归 4、上线预估：根据训练的模型，来预估用户的点击率 **（6）经验和结论** 可以看到CPC出价的eCPM的公式，有两种方式提高eCPM增加曝光： (1)调整CPC的出价； (2)模型预估pCTR的概率值增加。 **经验一：**广告主不可能无限制地提高CPC出价来增加曝光，所以一般刚开始是设置一个理想的CPC价格，然后根据效果来调整。例如刚开始设置CPC为3元，一段时间后发现，曝光很少，于是将CPC增加到4元，曝光开始增加；例如刚开始设置CPC为5元，一段时间后发现，实际的CPC只有2.01元，那么可以调整为3元节省成本。 **经验二：**pCTR越高就越好吗？不一定。因为pCTR越高，eCPM也越高，也有可能点击率并没有达到预期。这个时候可能是因为模型并没有很好地预估。实际点击率和预估的点击率并没有很好的拟合。这个时候就需要进行矫正，用得比较多的是pCTR Bias矫正，大致的逻辑就是给pCTR增加一个参数： pCTR_new = pCTR*(((素材的点击数+平滑参数x广告位的真实点击率)/(素材的曝光数+平滑参数))/广告位（多个素材）的平均pCTR)
<ins class="adsbygoogle" style="display:block; text-align:center;" data-ad-layout="in-article" data-ad-format="fluid" data-ad-client="ca-pub-4353345653789615" data-ad-slot="8840342077"></ins>
<script>     (adsbygoogle = window.adsbygoogle || []).push({});</script>

注意！

本站用户原创文章，版权为本站用户，转摘请注明本文地址：https://www.itdaan.com/blog/2019/05/20/23f447a7a3ca810cfdf2cf65e71ed838.html。

广告点击率预估模型广告点击率预估是怎么回事？我尝试的点击率预估方法总结精准营销：剖析广告点击率预估系统 FFM模型在点击率预估中的应用实践 python实现的刷点击率代码 python实现的刷点击率代码业余草推荐阿里妈妈自研广告点击率预估核心算法MLR 程序化广告交易中的点击率预估 CRT 邮件点击率多少合适？