本文介绍的是阿里18年的一篇论文,本文关注的不是CTR/CVR预估,而是对于排序公式参数的优化,分为离线寻优和线上探索两部分,一起来学习下。
1、背景
搜索广告展示通常按照以下的流程,广告主首先在想要参与竞价的关键词上设置自己的出价;当用户就某个关键词进行搜索时,系统将参与该关键词竞价的广告进行召回,并按照统一的排序公式进行排序,并选择排名最前的广告进行展示(本文的场景下只展示一个广告),并采用二价计费GSP计算广告的计费(一般为CPC);当用户点击了对应的广告时,系统按照计算好的计费向广告主收取相应的费用。
搜索广告涉及平台、广告主、用户三方面的利益。对广告主来说,希望在平台上提升自己的流量和销量;对于用户来说,希望通过平台快速找到自己想要的商品;对于平台来说,希望用户体验、广告主诉求能够得到满足,同时能够最大化自身的收益。
为了满足三方的诉求,一个合理的排序公式的设计显得格外重要,接下来,我们将首先介绍排序公式的设计,随后介绍如何基于强化学习,通过离线和在线相结合的方式,计算合理的排序公式参数。
2、排序公式设计
为平衡平台、用户和广告主三方的诉求,搜索广告的排序公式设计如下:
其中ai(i=1,2,...,5)是排序公式中的参数&#x