广告点击满意率建模.pptx

广告点击满意率（Click Quality）建模 FCR-Rank 李长城 2012-5-16 定义 广告点击满意率（Click Quality） 用户点击广告后，需求得到满足的概率，反映的是 user–query–url 维度的相关性/满意度。 2 是否点击广告 不满意 满意 CTR Click Quality 系统架构 线下-线上两级model 3 数据流 Label Model 特征提取 模型训练 Click Quality Model 线上instance 特征提取 数据流 with label 线下 线上 features click quality Label Model 定位 基于用户session行为，判定点击满意程度 评估标准 Click quality model输出：二跳、人工打分、bad click ratio 数据/Label 数据集：左侧点击数据 Ground truth：query-url 后验click quality（基于good/bad click ratio） 样本选取：正、负例置信度大于一定阈值； 引入其它维度信息校验 4 Click Quality Model 高频 低频 高频 低频 高频占优 二项分布积分使用 plete beta分布计算 以ctr为例： Label Model 特征 下一步动作、停留时间 行为序列 相对session特征（session结尾，停留时间） 模型 Logistic regression Pair-wise label model 输出处理 与下游解耦：label score二值化 二值化是否损失了信息导致效果变差？ 5 1 0 二值化增大了特征区分性 分布充分、均匀时二值化基本不损失信息 Pair-wise label model Label model的目标是输出最优的序关系 没有客观满意率ground truth，需人为指定 Point-wise model实现pair-wise model 样本差向量做输入 x1 x2 → x1记1个正样本，x2 记1个负样本 需满足：1) 完备性；2) 均匀性 相对session结尾 Click Quality Model 特征 Query，word，ad，账户，user等基本特征 Query泛化 Landing page分析 PV特征 数据 PP +PPIM点击数据 引入201、227点击数据 模型 Logistic regression 应用 Hidden-cost GSP 转化率相关机制、工具，创意欺诈等 触发相关 6 Landing page分析 页面主题词提取 其它页面分析（结构、集中度） 摘要term挖掘 PV特征 假设：高、低频数据集上，相同feature的weight不同（典型如beta0） 历史充分的feature与PV（PV分bin）组合 query set landing page Click Quality Model 特征 Query，word，ad，账户，user等 Query泛化 Landing page分析 PV特征 数据 PP +PPIM点击数据 引入更多数据源 模型 Logistic regression 应用 Hidden-cost GSP 转化率相关机制、工具，创意欺诈等 触发相关 7 引入更多数据源 基于prior model Prior以 w0 引入（ w0=0 for normal LR） w0 需要与其它feature weight match Laplace先验分布 w = 0.3, β0 = 0.5 w = ?, β0 = 0.1 X base data model new data model base feature prior (fixed) specific feature prior 两层prior model QA Thanks! 8