互联网广告系统综述六模型

互联网广告系统综述六模型

声明：

1）该博文是整理自网上很大牛和专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献

2）本文仅供学术交流，非商用。所以每一部分具体的参考资料并没有详细对应，更有些部分本来就是直接从其他博客复制过来的。如果某部分不小心侵犯了大家的利益，还望海涵，并联系老衲删除或修改，直到相关人士满意为止。

3）本人才疏学浅，整理总结的时候难免出错，还望各位前辈不吝指正，谢谢。

4）阅读本文需要互联网广告业的基础（如果没有也没关系了，没有就看看，当做跟同学们吹牛的本钱）。

5）此属于第一版本，若有错误，还需继续修正与增删。还望大家多多指点。请直接回帖，本人来想办法处理。

经过几个博文的啰啰嗦嗦，又是业务又是定向又是系统架构的，给各位的感觉都是在描述一些外围的东西，真正核心的东西还没说到。对于心急得如干柴烈火的热血青年来说，似乎一直在各种前戏，一直没感受到提抢上阵的快感。

就算这么急，这还是得说——在广告算法领域，如果说ctr预估是包子馅的话，前面那些东西就是包子皮，直接吃包子馅，不见得是很正确的吃法。

下面就说说大家喜闻乐见的模型吧。

 

1.1准确估计ctr的意义

得从前面的算分排序那一节说起了。

对于一些大型媒体行业平台，当时就说了ctr的估算要求比较准确，这ctr估高了，会把出价不高同时用户也不喜欢的广告的分算得比较高，这样的广告就排在了前面，这样广告平台既收不到钱，也讨不到用户喜欢；但ctr估低了，出价一般高但是用户比较喜欢的广告的分算得比较低，没机会投出去，用户就会总是看到不喜欢的广告，对媒体来说，这个最终也会导致用户的流失，照样赔了夫人又折兵。

对于广告生态圈中的DSP来说，同样DSP需要评估流量质量，如果发现一个流量的质量很高，就开高价去竟争这个流量；如果流量质量低，就开低价去竟争。如果评估得太高，出很高的价钱拿到了质量很低的流量，那就达不到广告主的要求，会亏钱；如果评估得太低，一直拿不到流量，没办法赚钱。评估流量质量，说到底了是预估一个流量的ctr。

说到这份上，总该明白一个问题了吧——估准ctr非常重要。这个就是广告算法工程师的工作的重中之重。

用另一个方式理解ctr，就是一个用户点击某一个广告的概率，点击的概率大，意味着越喜欢这个广告，用户越喜欢的广告，广告的质量自然可以认为是比较高的。

怎么算是估准了呢？举个例子，假如1万个人对同一个广告预估了1w个ctr的值，ctr的值当然有高有低了，如果这1w个人点击这个广告总共100次的话，同样也希望这1w个值的累加大致是100，这样才算估准了。但是，但是要注意的是，在这1w个值里面，那100个点击的人估算的值要明显比不点击的人要高，这就叫分开了，这才算是估得比较好的，如果人人都是大致0.01的话，也可以算是比较好的预估（因为跟真实的很接近），但是就没那么具备区分能力了，在有些业务下面