OCPC的落地?OCPC的实现流程
OCPC的落地?OCPC的实现流程
我们前面的讨论侧重的是概念方面,一个新的产品落地必然离不开技术的支持。OCPC的实现流程如下图:

线上step:AS(广告检索系统)收到用户的请求后,会首先进行召回,召回的广告会分别调取CTR服务和CVR服务,分别进行CTR预估和CVR预估,与此同时,AS还会调取Bid优化服务,Bid会获取最新的预算、最新的出价,以及CVR值进行bid预估,并将结果返回给AS。AS根据获得的CTR,CVR值和优化的BID进行排序。计费服务根据后续点击情况按照GSP进行计费。同时,将展现、点击、转化日志进行记录。
线下step:线下获取展现、点击和ROI日志,并进行CTR预估,CVR预估,bid模型建模。
我们下面就从技术角度聊一聊OCPC中的两个核心模块,cvr预估和smartbid的实现方法。
3.1 OCPC的转化预估
cvr(conversion rate)预估是就是预估每次点击后是否产生转化的概率。
转化预估跟ctr预估最大区别是样本标签的选择,cvr预估中正样本是点击且产生转化的样本,负样本是点击后没有转化的样本。还有就是转化数据较为稀疏,数据倾斜较为严重,因此,在cvr预估中使用的一些具体处理方法和ctr有较大的区别,具体的cvr算法细节会在后续的文章中专门介绍。
模型的特征设计上,cvr更多考虑了转化类特征。例如,在招聘业务线上,会更加注重转化roi数据的使用以及详情页中职位描述和用户偏好等信息的挖掘。
模型的算法实现上,采用了GBDT + FTRL(Follow-the-regularized-Leader)的学习算法。

模型效果的评估方式有很多,我们再评估cvr模型事主要参照了以下三个方法:
AUC——从排序的角度评估模型预估效果。
Calibration——查看模型预估结果的整体准确性。
RIG——相对信息增益。该值越大表示模型预估的准确性越高。
3.2 OCPC的优化出价smartbid
动态调价就是在广告主的出价基础上,根据预估的转化率和当前的竞争环境去动态调整bid值,进而优化广告排序。
在调价的过程中必须要考虑到以下几个限制条件:
保证广告主的ROI不会降低;
转化率的预估偏差校准区间;
bid优化区间边界
具体实现过程中,根据预估cvr的calibration,通过设定合适的参数方程和广告主的历史ROI数据限制,可以计算出bid的动态调价空间边界,不妨设将bid的调价边界设为bid*max,bid*min。
smartbid的核心问题是在每次展现时找对每个候选广告计算出最优bid*值,最大化优化的ECPM公式g3(i,bid*),也就是基于EM算法的思想,最大化满足平台和广告主收益后的目标。

满足限制条件:

计算smartbid的大致流程为:固定目标函数bid*min,通过初始bid*=bid*min,在广告候选集范围内通过bid*的取值边界范围空间调整步长参数Dbid,迭代寻优的方法确定。
需要注意到的是,在smartbid的迭代计算过程中,除了要考虑广告自身的转化情况,还要考虑到其他候选广告转化和竞价情况来综合计算才能获取到最优bid*的值。
卖贝商城更多商品介绍:信易通短信群发软件 怎样在腾讯网发布广告 腾讯汽车太原软文价格