計(jì)算廣告之淘寶oCPC出價(jià)

Optimized Cost per Click in Taobao Display Advertising

解決問(wèn)題

淘寶作為世界上最大的電商平臺(tái)听隐，每天為上百萬(wàn)的廣告主提供十億多在線廣告曝光的機(jī)會(huì)。從商業(yè)目的上說(shuō)薛闪，廣告主為特定的場(chǎng)景和目標(biāo)人群進(jìn)行競(jìng)標(biāo)以競(jìng)爭(zhēng)商業(yè)流量迁霎。平臺(tái)方在十毫秒內(nèi)選擇合適的廣告進(jìn)行展現(xiàn)曝光吱抚。常見(jiàn)的出價(jià)方法有cpm和cpc。

實(shí)現(xiàn)流量和廣告的精準(zhǔn)匹配考廉，oCPC出價(jià)秘豹，實(shí)現(xiàn)高轉(zhuǎn)化高出價(jià)，低轉(zhuǎn)化低出價(jià)昌粤；同時(shí)優(yōu)化版cpc能實(shí)現(xiàn)平臺(tái)既绕、廣告主、用戶的三方共贏涮坐。

傳統(tǒng)廣告系統(tǒng)以固定的出價(jià)來(lái)瞄準(zhǔn)特定屬性的人群和廣告放置位置凄贩，本質(zhì)上被視為出價(jià)和流量質(zhì)量的粗粒度匹配。廣告客戶為爭(zhēng)奪不同質(zhì)量要求而設(shè)定的固定出價(jià)無(wú)法完全優(yōu)化廣告客戶的關(guān)鍵要求袱讹。而且平臺(tái)方需要為商業(yè)收入和用戶體驗(yàn)做保證疲扎。本文提出一種出價(jià)優(yōu)化策略，稱為優(yōu)化cpc（ocpc）捷雕，該策略可以自動(dòng)調(diào)整出價(jià)椒丧，以實(shí)現(xiàn)出價(jià)與網(wǎng)頁(yè)瀏覽量（PV）請(qǐng)求粒度的更好匹配。這種方法可以優(yōu)化廣告客戶的需求非区，平臺(tái)業(yè)務(wù)收入和用戶體驗(yàn)瓜挽，并從整體上提高流量分配效率。在淘寶展示廣告上進(jìn)行方法驗(yàn)證征绸，在線AB實(shí)驗(yàn)證明效果有提升久橙。

本文關(guān)注于淘寶移動(dòng)應(yīng)用中必不可少的CPC展示廣告的出價(jià)優(yōu)化問(wèn)題俄占。

（高轉(zhuǎn)化高出價(jià)，低轉(zhuǎn)化低出價(jià)淆衷。滿足一定條件缸榄；帶約束優(yōu)化問(wèn)題）。

廣告系統(tǒng)祝拯，包含三種角色：廣告主甚带、廣告平臺(tái)、用戶佳头；三方訴求不同鹰贵，為了滿足不同的訴求，需要采取不同的措施康嘉；同時(shí)在滿足某方（某兩方）訴求時(shí)碉输，要關(guān)注其他方的價(jià)值，這是一個(gè)利益權(quán)衡的問(wèn)題亭珍。動(dòng)態(tài)博弈~

論文中提到的淘寶APP上的兩種CPC廣告格式分別是：

Banner CPC Ads
猜你喜歡

image-20200808221438573

淘寶作為連接用戶和廣告主的平臺(tái)敷钾，其生態(tài)特點(diǎn)為：

不同于大部分RTB系統(tǒng)，淘寶有dsp和ssp兩種角色肄梨，數(shù)據(jù)在平臺(tái)上能形成閉環(huán)阻荒，能完整的獲得到用戶數(shù)據(jù)以及廣告計(jì)劃信息；
淘寶中大部分是中小廣告主众羡，其主要關(guān)注于提升收入而非提高品牌影響力侨赡。因此，提高gmv能有益于這些廣告主纱控。
不同的廣告主可能追求不同的KPI辆毡，這里討論在淘寶平臺(tái)上以點(diǎn)擊競(jìng)價(jià)的cpc方式。
最后甜害，廣告場(chǎng)景必須滿足媒體要求，通過(guò)點(diǎn)擊率球昨、轉(zhuǎn)換率尔店、gmv等指標(biāo)來(lái)衡量。

通過(guò)權(quán)衡利弊主慰，在這兩種廣告格式中使用cpc競(jìng)價(jià)計(jì)費(fèi)嚣州。原因：

相較于cpc，廣告主采用cpa承擔(dān)風(fēng)險(xiǎn)會(huì)更低共螺，
淘寶中多為中小廣告主该肴，cpm相比于cpc風(fēng)險(xiǎn)更高，cpc允許廣告主控制點(diǎn)擊成本藐不，同時(shí)平臺(tái)承擔(dān)曝光到點(diǎn)擊的風(fēng)險(xiǎn)匀哄。

廣告主總是期望出價(jià)能與流量質(zhì)量相匹配秦效。但是由于技術(shù)限制，傳統(tǒng)方法只能為用戶組和廣告位設(shè)置固定出價(jià)涎嚼，以實(shí)現(xiàn)粗粒度的流量差異化阱州；但是，廣告客戶正在尋求對(duì)出價(jià)和流量質(zhì)量進(jìn)行更細(xì)粒度的匹配方法法梯√酰基于固定出價(jià)的排序過(guò)程有兩個(gè)不足：

廣告主設(shè)定的一個(gè)固定出價(jià)去處理具有不同商業(yè)質(zhì)量的持續(xù)互聯(lián)網(wǎng)流量，這種方式是低效的立哑；
傳統(tǒng)方法會(huì)最大化eCPM來(lái)追求短期商業(yè)收入夜惭，但是無(wú)法優(yōu)化和控制媒體需求（例如GMV），這不利于淘寶的長(zhǎng)期利益铛绰。

為了解決這兩個(gè)問(wèn)題滥嘴，從廣告主角度出發(fā)，一些社交網(wǎng)絡(luò)平臺(tái)提出了從其他出價(jià)目標(biāo)平等轉(zhuǎn)換而來(lái)的oCPM至耻，oCPM能最大化廣告主利益若皱；但是，不能保證廣告平臺(tái)的生態(tài)健康如gmv尘颓。另一方面走触，通過(guò)修改排名公式bid * pctr過(guò)度追求媒體需求（如GMV）無(wú)法為廣告商和平臺(tái)帶來(lái)有效的商業(yè)利益。

為了解決上述問(wèn)題疤苹，我們提出了具有以下特征的OCPC：對(duì)于每個(gè)PV請(qǐng)求互广，在優(yōu)化廣告客戶需求的前提下，OCPC會(huì)根據(jù)流量質(zhì)量的真實(shí)價(jià)值調(diào)整出價(jià)卧土，同時(shí)將出價(jià)最大化通過(guò)保持eCPM排序機(jī)制不變來(lái)反映用戶體驗(yàn)惫皱，廣告客戶的興趣和平臺(tái)收入的整體生態(tài)的綜合評(píng)分；我們的設(shè)計(jì)使我們能夠根據(jù)業(yè)務(wù)變化的需求尤莺，以較低的成本靈活地調(diào)整OCPC系統(tǒng)旅敷。

系統(tǒng)架構(gòu)

描述淘寶展示廣告系統(tǒng)中數(shù)據(jù)信息流，有利于理解出價(jià)優(yōu)化如何生效颤霎。從PV請(qǐng)求開(kāi)始到最終的展示曝光媳谁。

image-20200808233714607

Front Server：從用戶側(cè)接收page view請(qǐng)求，將請(qǐng)求傳送給Merger Server
Merger Server：中心調(diào)度器友酱，在整個(gè)過(guò)程中與其他模塊交流通信晴音。Merger Server請(qǐng)求Matching Server分析用戶，然后根據(jù)廣告主的用戶定向要求給出一個(gè)特征標(biāo)簽列表缔杉；
Matching Server：
Search Node(SN) Server：通過(guò)Merger Server锤躁，這些標(biāo)簽被傳送給Search Node Server，用于依據(jù)出價(jià)來(lái)查找特定的候選廣告或详。在’猜你喜歡‘廣告中系羞，候選廣告從數(shù)千個(gè)減少為4百個(gè)郭计。
Real-time Prediction(RTP) Server：對(duì)SN中的候選廣告預(yù)測(cè)點(diǎn)擊率pctr、轉(zhuǎn)換率pcvr觉啊。
Strategy Server：負(fù)責(zé)ecpc邏輯處理拣宏，基于pctr、pcvr和出價(jià)在排序階段優(yōu)化流量分配杠人。策略層還負(fù)責(zé)后續(xù)廣告的重復(fù)刪除勋乾，以及廣義第二價(jià)拍賣下的最終曝光價(jià)計(jì)算。
Data Node(DN) Server：根據(jù)廣告排序結(jié)果嗡善，Data Node Server將廣告的標(biāo)題辑莫、圖片地址抽取出來(lái)；
Smart Creative Service（SCS）：對(duì)DNS處理得到的廣告標(biāo)題罩引、圖片地址進(jìn)行創(chuàng)意優(yōu)化各吨。

最終，前端server將結(jié)果返回給app或者網(wǎng)站袁铐。之后的點(diǎn)擊揭蜒、轉(zhuǎn)化將記錄在log日志系統(tǒng)中。

OCPC

A：符合PV請(qǐng)求的廣告計(jì)劃集合剔桨。對(duì)于一個(gè)特定的PV請(qǐng)求來(lái)說(shuō)屉更，對(duì)于A中的每個(gè)廣告計(jì)劃a，存在一個(gè)廣告主預(yù)先設(shè)定的出價(jià)ba洒缀。對(duì)每個(gè)ba來(lái)說(shuō)瑰谜，OCPC算法的作用是調(diào)整ba，找到一個(gè)優(yōu)化后的ba*能滿足預(yù)先設(shè)定好的各種優(yōu)化要求树绩。

優(yōu)化可行域

ROI Constraint萨脑。ROI限制〗确梗考慮到淘寶大部分是中小廣告主渤早，其主要關(guān)注市場(chǎng)效益，我們選擇以保持或提高ROI作為算法的主要應(yīng)用的同時(shí)砰奕，對(duì)他們的收入GMV進(jìn)行優(yōu)化蛛芥。這里先介紹相關(guān)概念，然后引出ROI的數(shù)學(xué)表達(dá)军援。

p(c|u,a)：用戶u點(diǎn)擊廣告a后發(fā)生轉(zhuǎn)化c的概率；
va：對(duì)于特定廣告計(jì)劃a称勋，va表示預(yù)計(jì)顧客的購(gòu)買價(jià)格（pa-per-buy）胸哥，或者說(shuō)賣家的商品定價(jià)
p(c|u，a) * va: 單次點(diǎn)擊的預(yù)計(jì)GMV

廣告主的實(shí)際耗費(fèi)依據(jù)廣義二價(jià)機(jī)制來(lái)計(jì)算赡鲜，這里我們假設(shè)廣告主為點(diǎn)擊點(diǎn)擊的付費(fèi)為ba空厌。單詞點(diǎn)擊的期望ROI計(jì)算公式：

image-20200809091211405

匯總不同用戶和點(diǎn)擊的廣告計(jì)劃a的總體ROI為：

image-20200809091329222

nu表示一段時(shí)間內(nèi)用戶u的點(diǎn)擊廣告a的次數(shù)庐船。

上述等式表明廣告主的ROI由3個(gè)因素決定：期望轉(zhuǎn)換率 $E_u[p(c|u,a)]$ ，va以及出價(jià)ba嘲更；其中va是由每個(gè)廣告決定的筐钟， $E_u[p(c|u,a)]$ 在每個(gè)特定的商品（auction）上都是固定的。

實(shí)踐中赋朦，當(dāng)前的預(yù)測(cè)模型用于預(yù)測(cè)過(guò)去幾天競(jìng)爭(zhēng)廣告的pCVR篓冲；消除了這些CVR中最大，最小的10％宠哄，計(jì)算剩余的平均值作為 $E_u[p(c|u,a)$ 壹将。出價(jià)優(yōu)化的目標(biāo)需要保證廣告主的roi保持不變或者得到優(yōu)化（稱為ROI約束），此外毛嫉，廣告主可以獲得更多高質(zhì)量的流量诽俯。

出價(jià)優(yōu)化邊界。上面的等式保證了roia和 $E_u[p(c|u,a)]$ 之間的線性關(guān)系承粤；為了滿足ROI約束暴区，出價(jià)優(yōu)化保證

image-20200809093025961

⌒岭考慮到廣告主獲取高質(zhì)量流量的需求仙粱，實(shí)行的出價(jià)優(yōu)化原則為：在ROI約束的條件下提高出價(jià)以幫助廣告主獲取高質(zhì)量流量

image-20200809093520377

，對(duì)于低質(zhì)量流量

image-20200809093617318

降低出價(jià)以節(jié)省花銷浪讳。對(duì)流量質(zhì)量和數(shù)量折中后出價(jià)優(yōu)化可行域如圖中的灰色區(qū)域缰盏。

image-20200809093908057

其中閾值ra是處于安全性和商業(yè)設(shè)置而定的。下限對(duì)于避免某些廣告商在優(yōu)化ROI時(shí)獲得很少流量的情況至關(guān)重要淹遵。從上圖可以看出口猜，當(dāng)流量質(zhì)量較差時(shí)，橫坐標(biāo)小于1透揣， $b_a^\star$ 的上限還能達(dá)到 $b_a$ 本身济炎，這顯然不能保證ROI不降，做了妥協(xié)辐真。

對(duì)于廣告計(jì)劃a的出價(jià)優(yōu)化上下邊界分別為 $u(b_a^\star)$ 和 $l(b_a^\star)$ 须尚。值得強(qiáng)調(diào)的是，出價(jià)優(yōu)化的邊界可以泛化到廣告主設(shè)定的不同KPI上侍咱，并不局限于ROI指標(biāo)耐床。如果廣告主沒(méi)有設(shè)定出價(jià)優(yōu)化，對(duì)應(yīng)的上下邊界均為 $b_a$ .

image-20200809094633791

排序

在可行域內(nèi)的優(yōu)化出價(jià)可以幫助廣告主獲得更好流量質(zhì)量以及更高的ROI楔脯。但是撩轰，在可行域內(nèi)選擇的不同的出價(jià) $b_a^\star$ 在eCPM排序機(jī)制下回導(dǎo)致不同的廣告排序結(jié)果（pctr * bid），進(jìn)而帶來(lái)不同的收益以及其他指標(biāo)的變化。本節(jié)的剩余內(nèi)容主要介紹在保持eCPM排序機(jī)制不變的情況下綜合考慮各方的利益的一種在可行域內(nèi)選擇 $b_a^\star$ 的方式堪嫂。

假設(shè)在eCPM機(jī)制下要展示一個(gè)廣告偎箫，我們期望廣告能最大化目標(biāo)函數(shù)：

image-20200809100534770

n表示在一個(gè)PV中候選廣告的數(shù)量。候選廣告集合A中的n個(gè)廣告需要在eCPM排序機(jī)制下競(jìng)爭(zhēng)一個(gè)廣告位皆串；f(*)表示綜合各方利益的一個(gè)綜合指標(biāo)淹办。這里假設(shè)， $f(b_i^\star)$ 是關(guān)于 $b_i^\star$ 的一個(gè)單調(diào)函數(shù)恶复。

方法正確性證明

優(yōu)化問(wèn)題中怜森，k是最終勝出的廣告，依賴于 $b_1^\star,b_2^\star,b_n^\star$ 的選擇寂玲，f(?)是需要優(yōu)化的目標(biāo)函數(shù)塔插，綜合了需要關(guān)注的指標(biāo)。比如：

image-20200809101922451

f1只考慮淘寶平臺(tái)的gmv（廣告主的收入）拓哟；f2是gmv和廣告收入的綜合指標(biāo)想许， $\alpha$ 是gmv和廣告收入的權(quán)衡系數(shù)。

排序的剩余工作就是如何為每個(gè)廣告a在最大化目標(biāo)函數(shù)下選擇 $b_a^\star$ 断序。類比于優(yōu)化出價(jià)的邊界流纹，我們?cè)O(shè)定 $pctr_a * b_a^\star$ 的邊界為 $l(s_a^\star)$ 和 $u(s_a^\star)$ ，為優(yōu)化排序分?jǐn)?shù) $s_a^\star$ 的上下邊界（ $l(s_a^\star) = pctr_a * l(b_a^\star);u(s_a^\star) = pctr_a * u(b_a^\star)$ ）.

為了優(yōu)化目標(biāo)函數(shù)f违诗，我們需要將廣告依據(jù) $f(u(b_i^\star))$ 進(jìn)行降序排序（因?yàn)樵O(shè)定 $f(b_i^\star)$ 關(guān)于 $b_i^\star$ 的單調(diào)函數(shù)漱凝，所以這里使用出價(jià)的上邊界 $u(b_i^\star)$ ）；
按順序選擇第一個(gè)廣告k（從上面的排序結(jié)果中順序選擇）诸迟，滿足k的ecpm排序分?jǐn)?shù)上界 $u(s_k^\star)$ 不小于其他所有廣告的ecpm分?jǐn)?shù)下界 $l(s_k^\star)$ [滿足優(yōu)化問(wèn)題的不等式條件]
廣告k是最重要展示的廣告茸炒，同時(shí)出價(jià) $b_k^\star = u(b_k^\star)$ ，取上邊界作為最終出價(jià)阵苇。
最后壁公，在可行域內(nèi)更新其他候選廣告的出價(jià)bid，保證廣告k擁有最大的eCPM绅项。

對(duì)實(shí)際場(chǎng)景中紊册，在每個(gè)PV中可能有不止一個(gè)的廣告展示（廣告位），因此在上面的基礎(chǔ)上提出一個(gè)貪心算法快耿。

image-20200809105240505

算法描述：先按照1個(gè)廣告位的算法找到廣告k放到廣告位1囊陡，然后調(diào)整剩下廣告的ecpm排序分?jǐn)?shù)上界，保證 $u(s_i^\star) <= u(s_k^\star)$ , 這樣可以保證k按照ecpm排序處于第一位掀亥；同時(shí)調(diào)整剩下廣告的出價(jià)上邊界 $u(b_i^\star)$ 【根據(jù)ecpm排序分?jǐn)?shù)計(jì)算撞反，ecpm = bid * pctr】；接著在剩下的廣告中按照1個(gè)廣告位的算法找出剩余的廣告位廣告搪花；最后將選出的廣告出價(jià)設(shè)置為出價(jià)上界【依據(jù)ecpm排序分?jǐn)?shù)計(jì)算】痢畜。

下面用例子來(lái)理解排序算法垛膝。假設(shè)候選廣告A中有個(gè)4個(gè)廣告鳍侣，同時(shí)有2個(gè)廣告位丁稀，我們需要在4個(gè)廣告中使用提出的排序算法選擇2個(gè)合適的廣告。

首先倚聚，依據(jù)目標(biāo)函數(shù) $f_2(u(b^\star))$ 對(duì)4個(gè)候選廣告進(jìn)行降序排序线衫；其中ecpm排序分?jǐn)?shù)的最大下邊界為 $l(s_3^\star)=0.09$ (表格中藍(lán)色部分)。在依據(jù) $f_2(u(b^\star))$ 排序結(jié)果中從上到下選擇第一個(gè)出價(jià)上邊界大于所有廣告出價(jià)最大下邊界的廣告惑折，也就是 $u(s_1^\star)=0.112$ (藍(lán)色標(biāo)注)授账。因此，選出的第一個(gè)廣告就是Ad 1惨驶，然后將其從候選廣告A中刪除白热，并加入到勝選廣告集合 $\mathcal{A}$ ;剩余候選廣告A更新成表格2，根據(jù)算法的6-11行粗卜，為了保證剛勝選的廣告Ad 1的ecpm排序分?jǐn)?shù)最大屋确，需要更新剩余候選廣告的ecpm排序上邊界以及對(duì)應(yīng)的出價(jià)上邊界；更新部分如表格2中的紅色部分续扔。在表格2中依據(jù)算法繼續(xù)進(jìn)行選擇攻臀，選擇廣告Ad 3；依據(jù)算法進(jìn)行選擇直到勝選廣告數(shù)量等于N纱昧，即 $||\mathcal{A}|| = N$ .最后刨啸，設(shè)置勝選廣告的出價(jià)為對(duì)應(yīng)出價(jià)上邊界；最終的所有候選廣告的出價(jià)為表格3.

image-20200809112241197

image-20200809112322441

image-20200809112337696

我們只修改了勝選的候選廣告的出價(jià)[提高對(duì)高質(zhì)量流量的競(jìng)爭(zhēng)能力]识脆，其余候選廣告出價(jià)保持不變设联。

通過(guò)這樣的排序算法，將最終的排序指標(biāo)和廣告流量的目標(biāo)解耦灼捂。一方面离例，廣告仍然可以通過(guò)pctr * bid進(jìn)行排序，這部分用于最大化eCPM纵东；另一方面粘招，廣告平臺(tái)可以依據(jù)不同的目標(biāo)函數(shù)f選擇廣告。另一個(gè)關(guān)鍵問(wèn)題是廣告主的預(yù)算約束偎球。一旦廣告計(jì)劃花完了預(yù)算洒扎，這個(gè)廣告將被移除接下來(lái)的auctions，這對(duì)出價(jià)優(yōu)化過(guò)程沒(méi)有影響衰絮。

模型校正Calibration

淘寶平臺(tái)發(fā)現(xiàn)袍冷，從維護(hù)廣告系統(tǒng)的歷史經(jīng)驗(yàn)來(lái)看，OCPC層中使用的預(yù)測(cè)值存在固有偏差猫牡，這可能會(huì)影響算法的有效性胡诗。（pcvr/pctr和實(shí)際cvr/ctr存在偏差，預(yù)估不準(zhǔn)確）。這部分是在預(yù)測(cè)之后OCPC Layer之前進(jìn)行的煌恢。

以pCVR為例骇陈，實(shí)時(shí)預(yù)測(cè)模塊RTP當(dāng)實(shí)際CVR很高時(shí)，給出的預(yù)測(cè)值pCVR也預(yù)測(cè)得越高瑰抵。依據(jù)預(yù)測(cè)pCVR將所有廣告分為20組你雌，對(duì)應(yīng)實(shí)際CVR與pCVR/CVR比例如下圖所示。

image-20200809114209514

pCVR校正公式為：

image-20200809114609207

其中二汛，tc為校正閾值婿崭，通常為0.012。當(dāng)pCVR大于tc時(shí)肴颊，使用上述公式進(jìn)行校正氓栈，減少pCVR和CVR的gap。校正之后婿着，兩者gap減少授瘦，減少了一個(gè)量級(jí)。

最終的OCPC算法為：

image-20200809114933761

對(duì)于A中的候選廣告祟身，先進(jìn)行pCVR校正奥务、計(jì)算出價(jià)上下邊界；然后進(jìn)行算法1的排序袜硫；最后氯葬，返回候選廣告的各個(gè)優(yōu)化后出價(jià)。

模型評(píng)估

CTR模型中婉陷，正樣本指那些曝光后發(fā)生點(diǎn)擊的數(shù)據(jù)帚称；負(fù)樣本指曝光但用戶沒(méi)有點(diǎn)擊的數(shù)據(jù)；CVR模型中秽澳，正樣本指曝光后發(fā)生點(diǎn)擊闯睹，之后又發(fā)生轉(zhuǎn)化的數(shù)據(jù)；負(fù)樣本指曝光后只發(fā)生點(diǎn)擊担神，沒(méi)有轉(zhuǎn)化的數(shù)據(jù)楼吃。

新模型天級(jí)別更新，用于消除不同天的數(shù)據(jù)方差妄讯。

預(yù)估模型的提供精準(zhǔn)的結(jié)果是非常重要的孩锡。像CTR預(yù)測(cè)中，AUC是一個(gè)評(píng)估模型有效性的指標(biāo)亥贸。然后躬窜，存在研究顯示測(cè)試階段更好的AUC實(shí)際工作時(shí)反而帶來(lái)更差的表現(xiàn)（線下AUC高，線上表現(xiàn)反而更差）炕置。淘寶在實(shí)際工作中也遇到類似問(wèn)題荣挨。

分析發(fā)現(xiàn)男韧，AUC將不同的用戶和廣告位同等對(duì)待，一視同仁默垄。但是此虑，一些從不點(diǎn)擊廣告或者遮擋廣告的用戶會(huì)給AUC結(jié)果帶來(lái)動(dòng)蕩，使其變得偏低厕倍。根據(jù)事實(shí)和分析寡壮，提出GAUC指標(biāo)。將用戶和廣告位對(duì)測(cè)試數(shù)據(jù)進(jìn)行分組讹弯；然后在每個(gè)小組內(nèi)計(jì)算AUC（如果組內(nèi)數(shù)據(jù)全是正樣本or全是負(fù)樣本；則從測(cè)試數(shù)據(jù)中移除這個(gè)組內(nèi)的樣本）这溅；最后组民，依據(jù)每個(gè)小組的曝光or點(diǎn)擊次數(shù)，對(duì)AUC進(jìn)行加權(quán)平均悲靴。

image-20200809120436881

實(shí)現(xiàn)驗(yàn)證

論文分別進(jìn)行線下和線上實(shí)驗(yàn)臭胜，驗(yàn)證算法的有效性。

線下模擬

通過(guò)歷史的log數(shù)據(jù)癞尚，將pCTR和pCVR當(dāng)作真實(shí)的CTR和CVR耸三，比如某次展示的廣告計(jì)算出pCTR為4%，則認(rèn)為貢獻(xiàn)了0.04的點(diǎn)擊浇揩。然后設(shè)計(jì)4種策略仪壮，統(tǒng)計(jì)指標(biāo)。4種策略分別是：

Strategy 0：對(duì)照組胳徽，保持原來(lái)線上的策略
Strategy 1：站在廣告主角度积锅，設(shè)計(jì)調(diào)價(jià)策略

image-20200809122609524
Strategy 2：OCPC策略，優(yōu)化的目標(biāo)函數(shù)為

image-20200809122642579
Strategy 3：不調(diào)價(jià)直接修改rankscore公式养盗，不再是eCPM排序缚陷，改成pctr * pcvr * bid，像提升gmv往核。

實(shí)驗(yàn)效果如下表箫爷，相對(duì)策略0，策略1和3的千次展示GMV和ROI都提高了聂儒；但RPM降了虎锚，只有策略2（OCPC）在3個(gè)指標(biāo)上都獲得了提升。

image-20200809153722794

線上效果

image-20200809153903048

Strategy 2上線效果和線下一致薄货，在3個(gè)指標(biāo)上均獲得了提升翁都。

此外，作者提出本文的機(jī)制具有普適性谅猾，并不局限于GMV柄慰。

Others

約束優(yōu)化鳍悠，保證ROI不降的情況下，對(duì)廣告單元的cpc出價(jià)進(jìn)行調(diào)整坐搔。然后設(shè)定了調(diào)整范圍藏研，可行域。之后概行，設(shè)計(jì)統(tǒng)籌多方利益（廣告主蠢挡、平臺(tái)、用戶）的指標(biāo)凳忙；此外业踏，保證eCPM排序機(jī)制不變，對(duì)候選列表中的廣告單元出價(jià)進(jìn)行上下調(diào)整涧卵。

總是想是實(shí)現(xiàn)：高質(zhì)量流量高出價(jià)勤家，低質(zhì)量流量低出價(jià)。但是還要保證效果要好柳恐。

Reference

http://castellanzhang.github.io/2017/10/21/ocpc_roi/

Paper：https://arxiv.org/abs/1703.02091

最后編輯于：2020.11.24 23:22:07

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者

人面猴
序言：七十年代末伐脖，一起剝皮案震驚了整個(gè)濱河市，隨后出現(xiàn)的幾起案子乐设，更是在濱河造成了極大的恐慌讼庇，老刑警劉巖，帶你破解...
沈念sama閱讀 216,402評(píng)論 6贊 499
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件近尚，死亡現(xiàn)場(chǎng)離奇詭異蠕啄，居然都是意外死亡，警方通過(guò)查閱死者的電腦和手機(jī)肿男，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 92,377評(píng)論 3贊 392
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門介汹，熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)，“玉大人舶沛，你說(shuō)我怎么就攤上這事嘹承。” “怎么了如庭？”我有些...
開(kāi)封第一講書人閱讀 162,483評(píng)論 0贊 353
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵叹卷，是天一觀的道長(zhǎng)。經(jīng)常有香客問(wèn)我坪它，道長(zhǎng)骤竹，這世上最難降的妖魔是什么？我笑而不...
開(kāi)封第一講書人閱讀 58,165評(píng)論 1贊 292
?港島之戀（遺憾婚禮）
正文為了忘掉前任往毡，我火速辦了婚禮蒙揣，結(jié)果婚禮上，老公的妹妹穿的比我還像新娘开瞭。我一直安慰自己懒震，他們只是感情好罩息，可當(dāng)我...
茶點(diǎn)故事閱讀 67,176評(píng)論 6贊 388
惡毒庶女頂嫁案：這布局不是一般人想出來(lái)的
文/花漫我一把揭開(kāi)白布。她就那樣靜靜地躺著个扰，像睡著了一般瓷炮。火紅的嫁衣襯著肌膚如雪。梳的紋絲不亂的頭發(fā)上递宅，一...
開(kāi)封第一講書人閱讀 51,146評(píng)論 1贊 297
城市分裂傳說(shuō)
那天娘香，我揣著相機(jī)與錄音，去河邊找鬼办龄。笑死烘绽，一個(gè)胖子當(dāng)著我的面吹牛，可吹牛的內(nèi)容都是我干的土榴。我是一名探鬼主播诀姚，決...
沈念sama閱讀 40,032評(píng)論 3贊 417
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開(kāi)眼，長(zhǎng)吁一口氣：“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼玷禽！你這毒婦竟也來(lái)了？” 一聲冷哼從身側(cè)響起呀打，我...
開(kāi)封第一講書人閱讀 38,896評(píng)論 0贊 274
萬(wàn)榮殺人案實(shí)錄
序言：老撾萬(wàn)榮一對(duì)情侶失蹤矢赁，失蹤者是張志新（化名）和其女友劉穎，沒(méi)想到半個(gè)月后贬丛，有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體撩银，經(jīng)...
沈念sama閱讀 45,311評(píng)論 1贊 310
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡，尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點(diǎn)故事閱讀 37,536評(píng)論 2贊 332
?白月光啟示錄
正文我和宋清朗相戀三年豺憔，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了额获。大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
茶點(diǎn)故事閱讀 39,696評(píng)論 1贊 348
活死人
序言：一個(gè)原本活蹦亂跳的男人離奇死亡恭应，死狀恐怖抄邀，靈堂內(nèi)的尸體忽然破棺而出，到底是詐尸還是另有隱情昼榛，我是刑警寧澤境肾，帶...
沈念sama閱讀 35,413評(píng)論 5贊 343
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布，位于F島的核電站胆屿，受9級(jí)特大地震影響奥喻，放射性物質(zhì)發(fā)生泄漏驼抹。R本人自食惡果不足惜定续，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 41,008評(píng)論 3贊 325
男人毒藥：我在死后第九天來(lái)索命
文/蒙蒙一吱肌、第九天我趴在偏房一處隱蔽的房頂上張望奔垦。院中可真熱鬧绣硝，春花似錦插龄、人聲如沸上遥。這莊子的主人今日做“春日...
開(kāi)封第一講書人閱讀 31,659評(píng)論 0贊 22
一樁弒父案，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽(yáng)酒朵。三九已至桦锄，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間蔫耽，已是汗流浹背结耀。一陣腳步聲響...
開(kāi)封第一講書人閱讀 32,815評(píng)論 1贊 269
情欲美人皮
我被黑心中介騙來(lái)泰國(guó)打工，沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留匙铡，地道東北人图甜。一個(gè)月前我還...
沈念sama閱讀 47,698評(píng)論 2贊 368
代替公主和親
正文我出身青樓，卻偏偏與公主長(zhǎng)得像鳖眼，于是被迫代替她去往敵國(guó)和親黑毅。傳聞我的和親對(duì)象是個(gè)殘疾皇子，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 44,592評(píng)論 2贊 353