在传统媒体的广告投放平台中,用户和广告主都是被动的:一旦用户接触到媒体,广告就会展现出来。 而在实时竞价的广告体系,广告主会通过第三方平台(DSP)的协助合理地评估每个用户在当前广告位曝光某个商品所产生的收益,从而决定是否要对该用户点位进行竞价。在这样的背景下诞生了新兴的计算广告学。
作为第三方平台,DSP公司需要一套完善的算法框架去达成互联网用户的价值评估和点击率(转化率)预测,从而对每个曝光合理地竞价(当一个用户访问了一个有广告位的页面时,DSP公司通过合理评估来选择是否去竞价以及该出多少钱去竞价)。根据不同广告主的KPI需求(比如CPC, CPM, CPA等不同的结算方式),一般的DSP公司还会对算法框架进行调整,为每个广告主生成量身定制的策略。下文详细记录整个算法流程中的两个重要环节。
1.选人
不少DSP公司将选人作为算法流程的第一步,即针对某个广告主公司(或行业)挑选出一批对其来说颇具价值的互联网用户。其本质是用户与广告主的交叉打分。在这种做法下,选人和后续的点击率预测是分离的,但人的价值得分可以作为点击率预测的一个feature(具体在第2部分阐述)。那么该怎么打分?一个常规做法是根据用户的浏览历史,来总结这个用户对某个特定广告主的价值。举个例子,新东方在线的潜在用户显然是平常对英语类网站关注较多的。如果我们知道了这些网站以及他们的权重,就可以根据某个互联网用户的浏览行为对这个人进行打分。这个打分也是一门很有学问的东西,需要针对不同类型的广告主,考虑不同窗口时段的用户浏览行为。这句话什么意思?意思就是用户对不同广告商品的兴趣时长是不同的,如果有人想买车或者报英语班,可能在很长一段时间都会浏览与汽车或英语相关的页面。但如果只是想买些