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。

为什么要预估点击率广告点击率预估是怎么回事？广告点击率预估模型我尝试的点击率预估方法总结 Kaggle实战——点击率预估 CTR点击率预估干货分享【阿里2017】利用分片线性模型实现大规模数据点击率预估 FFM模型在点击率预估中的应用实践精准营销：剖析广告点击率预估系统关于点击率模型，你知道这三点就够了点击率预估的几个经典模型简介