RTB实时竞价算法.docx

RTB实时竞价算法 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc332111043 1. 算法简介 PAGEREF _Toc332111043 \h 4 HYPERLINK \l _Toc332111044 1.1 算法用途 PAGEREF _Toc332111044 \h 4 HYPERLINK \l _Toc332111045 1.2 算法概述 PAGEREF _Toc332111045 \h 4 HYPERLINK \l _Toc332111046 2. 算法详细说明 PAGEREF _Toc332111046 \h 5 HYPERLINK \l _Toc332111047 2.1 广告活动匹配 PAGEREF _Toc332111047 \h 5 HYPERLINK \l _Toc332111048 2.2 实时竞价算法 PAGEREF _Toc332111048 \h 6 HYPERLINK \l _Toc332111049 3. 算法改进方向 PAGEREF _Toc332111049 \h 12 HYPERLINK \l _Toc332111050 3.1 特征属性的选择 PAGEREF _Toc332111050 \h 12 HYPERLINK \l _Toc332111051 3.2 点击率预测 PAGEREF _Toc332111051 \h 12 HYPERLINK \l _Toc332111052 3.3 竞价调整方式 PAGEREF _Toc332111052 \h 12 HYPERLINK \l _Toc332111053 4. 补充问题 PAGEREF _Toc332111053 \h 12 HYPERLINK \l _Toc332111054 4.1 无历史数据阶段 PAGEREF _Toc332111054 \h 12 HYPERLINK \l _Toc332111055 4.2 利用历史数据阶段 PAGEREF _Toc332111055 \h 12 HYPERLINK \l _Toc332111056 4.3 展示的分布控制 PAGEREF _Toc332111056 \h 13 HYPERLINK \l _Toc332111057 5. 参考文献 PAGEREF _Toc332111057 \h 14 HYPERLINK \l _Toc332111058 6. 附件 PAGEREF _Toc332111058 \h 15 HYPERLINK \l _Toc332111059 6.1 名词 PAGEREF _Toc332111059 \h 15 HYPERLINK \l _Toc332111060 6.2 算法总体流程图 PAGEREF _Toc332111060 \h 16 HYPERLINK \l _Toc332111061 6.3 输入输出表 PAGEREF _Toc332111061 \h 16 HYPERLINK \l _Toc332111062 6.4 数据预处理流程 PAGEREF _Toc332111062 \h 18 HYPERLINK \l _Toc332111063 6.5 计算权重算法流程 PAGEREF _Toc332111063 \h 20 HYPERLINK \l _Toc332111064 6.6 模型检验 PAGEREF _Toc332111064 \h 23  算法简介 算法用途 RTB（Real-Time Bidding）实时竞价，是一种利用第三方技术在数以百万计的媒体上针对每一个用户展示行为进行评估以及出价的竞价技术。与大量购买投放频次不同，实时竞价规避了无效的受众到达，只针对有意义的用户进行购买。它的核心是DSP平台（需求方平台），在DMP数据的支持下根据媒体，广告特点和人的属性进行定向投放。RTB对于媒体来说，可以带来更多的广告销量、实现销售过程自动化及减低各项费用的支出。而对于广告商和代理公司来说，最直接的好处就是提高了效果与投资回报率。 RTB算法有几种常见的策略：展现优化（针对品牌推广）目标，点击率（CTR）优化目标和ROI(投资回报率)优化目标。其核心都是要做到合适的广告展现给合适的人。ROI优化是最直接能体现广告主的投资收益率的指标，但是目前情况下受RTB业界技术限制和公司数据支持情况的限制，点击率优化是现实可行的RTB竞价方法。虽然该方法不能直接体现在用户的投资收益率指标上，但是优良的点击率很大程度上会带来良好的收益。 目前针对RTB算法中的点击率预测有很多种方法，如：逻辑回归，决策树，两阶段广义线性模型，非线性规