|
- UID
- 1029342
- 性别
- 男
|
p(c|s,i)模型: 要得到这个模型的训练数据，还有一个冷启动的过程。必须事先对这些segments在这些inventories上投放，然后把那些最终带来转化的展现标记为正例，没有最终带来转化的展现标记为负例。m6d认为一次转化是由之前7天内该用户见到的最后一次展现带来的。这个模型的特征只有两类，一类就是segment id, 另外一类就是inventory id。也就是说，每一个样本只有两个非0的特征，一个是segment id对应的那个特征，另外一个是inventory id对应的那个特征。m6d没有组合segment和inventory特征，这样做的结果是：不管对于哪个segment，某个特定的inventory对最后预估值的贡献都是一样的。这个假设可以认为在大多数情况下是合理的。而且如果真要把这些组合特征加入模型，特征空间一下子又大了不少，对于少得可怜的训练数据来说，很容易就过拟合了。
p(c|s)模型：和p(c|s,i)模型基本一样，区别就是特征只有segment id。
这两个模型的正例比例都非常低，因此进行了采样（sampling）和修正（recalibration）。这是一种很常见的处理方式，不了解的朋友可以Google这篇文章：《Logistic regression in rare events》。
考虑了广告位（inventory）和不考虑广告位对转化率的预估由有多大的影响呢？以下的图展示了区别：
考虑广告位信息后，AUC提升了0.0346，还是非常明显的。这个Lift也是一种评估指标，后面会详细解释。这里可以看到Lift指标也明显提升了。
具体看个例子。对于一个hotel广告主的一个compaign，不同的广告位预估出来的 Φ 值也很不相同，旅游类的预估值最高，社会媒体的最低。说明这个模型还是有一定区分度的。
评估
1. 模型评估
通常我们用AUC来评估模型的排序能力，但是AUC有一个问题是它无差别地考察了一个列表中所有位置的排序合理性，而对于我们的audience selection模型，转化率预估模型，我们更看重是否把最靠谱的拍在了前面，换句话说，是更看重这个列表中，前面的位置的排序合理性。因此m6d用了Lift指标。Lift@5% 指标衡量了在前5%的结果中，正例的比例比在随机情况下正例出现的比例高了多少。具体的Lift定义可以看：http://en.wikipedia.org/wiki/Lift_(data_mining)
2. 业务目标评估
对于DSP的投放效果，m6d主要会看两个业务指标，一个是转化率（PVSVR）, 即转化数除以展现数（即CTR*CVR）；另外一个是CPA, 即获得每一个转化，平均花了多少钱。
m6d的广告主大多喜欢按CPM方式购买展现，找n家DSP来同时投放，给一样的CPM，然后看谁的转化率高。因此转化率是DSP赖以生存的指标之一。
转化率是和价格无关的，而如果一家DSP虽然转化率低10%，但是每个展现的价格（cpm）比别人低50%，那么对于广告主来说，还是会选择它的。因为它的CPA更低了，即获取一个转化，广告主需要付出的成本更低了。
所以，DSP的转化率是和利润挂钩的，要么把技术做得很好提高转化率，这样在保持CPA不变的情况下，向广告主收取更高的CPM，从而赚更多的钱。否则就只能比别人卖得更便宜了，甚至亏本了。当然，聪明的DSP会在早期先砸VC的钱亏本吸引广告主来投放，投放是可以累积数据的，有了数据下次就可以把转化率做得更好，从而再把钱赚回来。
也有广告主是按每个点击付费的（CPC），有的广告主是给一笔固定的投放预算，但其实最后都是类似的，广告主最终会去换算成CPA来进行比较。（只重视展现量的广告主除外）
三、延伸讨论上面的篇幅研究了m6d的DSP的算法和模型，我觉得有些地方可能可以有不同的做法（不一定更优），写出来和大家探讨一下：
1. bidding中的转化率模型
前面的audience selection model (look-alike model)对每个compaign分别建模还有可能是因为在每个compaign训练数据充分的情况下可能取得更好的预估效果。而后面的两个转化率模型将每个compaign分别建模就一定是因为privacy的原因了，因为每个compaign的这2个模型的训练数据太少了，而且m6d用的是转化作为正样本，还不是点击作为正样本，那正例就更少了。所以m6d不得不将u替换成s来建模，将相似广告位（inventory）用同一个inventory id表示，来拼命减少特征空间，在少得可怜的数据下，牺牲bias来换取低variance从而抑制过拟合，提高模型泛化能力。
如果没有那么高的privacy要求，是可以对所有compaign的数据一起来训练一个的统一模型的。事实上，我了解到国内大多数公司都是这么做的。再考虑到国内的广告主对点击也比较看重，所以更通常一点的建模方式是：对所有compaign建立一个CTR模型（预估点击率=点击/展现）p(click|u,i,a),这里的a指一个compaign，和一个CVR模型（转化/点击）p(conversion|u,i,a)。这样训练数据就更丰富了，也可以直接对每个用户来预估，不需要对整个segment来预估。当然，这样的一个结果是在某个广告主网站上的点击和转化数据，可能对另外一个广告主的点击和转化预估起到正向的作用。在不明显有偏向性的算法设计下，可能会使大多数广告主的预估都有一些提升（尤其是那些数据很少的小广告主）。
2. 内部竞价机制
m6d的算法在内部竞价时是选择bid最高的compaign。这是一种明显的贪心算法，在考虑到每个广告主有预算限制的情况下，不一定是最优的。举个例子，广告主A要的用户是对乔丹感兴趣的用户，因为他是卖乔丹的运动鞋的，但是他们是小公司，出不起太高的价来打广告；广告主B是的要的用户是对篮球感兴趣的用户。这个时候来了一个经常上新浪体育乔丹个人页面的用户，广告主A经过bidding算法后出了封顶价3块钱，广告主B很有钱，基础出价就是4块钱，bidding算法调整后比如是4.5块。那么广告主B的广告会在内部胜出。当事实上对篮球感兴趣的用户很多，广告主B完全可以在其他流量上买到足够多的展现而达到当日预算限额，而对乔丹感兴趣的用户的展现可能1天就2,3个，广告主A这次买不到，可能当日预算一点都花不出去。
这个优化在系统进化早期可能效果不明显，当平台成熟了，量上去了，可能会有作用。 |
|
