CTR点击量预估

为什么LR可以用来做CTR预估？

把被点击的样本当成正例，把未点击的样本当成负例，那么样本的ctr实际上就是样本为正例的概率，LR可以输出样本为正例的概率，所以可以用来解决这类问题，另外LR相比于其他模型有求解简单、可解释强的优点，这也是工业界所看重的。(思考未点击的样本一定是负样本吗？是否可以用PU learning求解。PU 学习，是一种半监督的二元分类模型，通过标注过的正样本和大量未标注的样本训练出一个二元分类器。)

CTR预测误差的影响

在曝光数很少的情况下，如何尽可能降低CTR预测不准带来的负面影响。那我们就分析一下把CTR估计高和估计低分别有哪些负面影响。如果把CTR估计的过高，那么ECPM也会被计算的偏高，所以这个广告就会出现在它原本无法占有的很好的广告位上，造成曝光数的浪费。但这种情况并不会持续很久，因为处于较好的广告位会让该广告短时间内积累更多的曝光，随着曝光数的增加对该广告的CTR估计会越来越准，直到之前预估的较高的CTR被慢慢修正趋近于其真实CTR。那么，如果把CTR估计的过低会有什么负面影响呢？很容易推断该广告的ECPM会偏低，它会被放在更差的位置上，导致起积累曝光数据的速度变慢，甚至无法出现在任何广告位上。因为广告是具有时效性的，在起步阶段对CTR较低的预估很可能会导致该条广告永久的沉溺，无法创造任何价值。综上所述，结论一目了然，在CTR无法准确预估的情况下，把CTR估计高的负面影响远小于把CTR估计低产生的负面影响。

注：

ECPM（effective cost per mille）指的是每一千次展示可以获得的广告收入

CTR预估是如何进行的？

至少有三个特征决定了一个广告的点击率——广告主行业、用户的年龄、用户的性别，事实上，在实际的广告系统中，有无数的因素决定了广告的点击率，我们把这些因素主要分成3类——
第一是广告主侧，比如广告创意、广告的表现形式、广告主行业等，一个劳斯莱斯的广告和一个可口可乐的广告点击率肯定有天壤之别。
第二是用户侧，如人群属性，以上的案例是年龄和性别，事实上，决定创意的因素人群属性极其多——年龄、性别、地域、手机型号、WiFi环境、兴趣…
第三是广告平台侧，比如不同的广告位、投放时间、流量分配机制、频次控制策略等。

这些决定因素在CTR预估中被称之为特征，而CTR预估的第一步就是“特征工程”，即把这些特征找到并数据化。

特征工程是一件复杂的工程，光判断不同特征能否对CTR产生影响就是一个浩大的工程，特征工程的攻城狮们第一步得列出来不同的特征可能对CTR产生影响，这有时候靠直觉，有时候靠经验，

确定了特征之后就需要对这些特征进行处理——即把特征数据化，比如把所有的特征变成0和1的二值化，把连续的特征离散化，把特征的值平滑化、把多个特征向量化…

以上这一段看不懂？看不懂没关系，你只需要明白，所有的这些特征都会被攻城狮们编码变成一串可计算的数组就行，特征工程是一项重要的基础工作，像今日头条、百度这样的广告平台都有一个庞大的团队来做特征工程的工作。

好，特征工程完成之后就开始建立模型了，很多同学看到“模型”二字就开始皱眉头了，没关系，你可以这样理解模型：

模型就是一个黑盒子，在盒子的一方我们输入一大堆参数，盒子的另一端就会输入一个CTR的值。

比如我们输入这样的参数：一个高跟鞋广告主、投放给北京地区、年龄20-30岁、对财经感兴趣的女性用户，在周末投放在微信的朋友圈第三位…请给出一个CTR的值。模型就会根据不同特征的值计算出一个值。

如何评估CTR预估的效果？

好，接下来的一个问题，如何评估CTR预估的效果？工程师们会有特定的指标去衡量效果，对于非技术同学，有人会直观地说，那当然是看CTR有没有变高啊：

正确预估CTR不就是为了把真正高CTR的广告挑出并展示出来么，错误地预估——把高的CTR低估或把低的CTR高估都会让高的CTR不会排在最前面，从而会降低CTR。

这个说法在推荐系统中是成立的，但在广告系统里是不准确的，因为广告的排序不仅仅是CTR排序，它还综合了出价进行排序，即ECPM进行排序，有时候CTR预估准确，反而（实际）CTR会降，