本文介绍了广告投放中的点击率预估模型，针对广告冷启动和用户个性化问题，提出了预估点击率公式pCTR，并利用逻辑回归训练模型。特征包括广告质量、历史点击率、用户画像标签等，通过主题偏好模型降低维度并解决过拟合。
平台中有一些栏位是留给广告投放用的，对于平台来讲需要关注整体受益，用户需要关注用户体验，广告主需要进行精准的把广告投放给受众，提高转化率。
广告投放给用用户展示，最重要的是排序，之前的排序公式是ctr*Bid，其中ctr是广告的历史点击率，Bid是广告主的出价。缺点是存在广告的冷启动和缺乏用户个性化诉求；对于新上架的广告，投放量太少，数据有偏，可以采用点击率平滑的方式，在广告投放前设置一个默认的展示和点击率，在展示和点击上面各自加一个常数，(C + alpha) / (I + alpha + beta)。
对于展示广告的排序，业界广告采用的公式是pCTR*Bid，其中pCTR是预估点击率，
pCTR:p(click|ad,user)
最低0.47元/天 解锁文章
扫一扫
404
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
