出价预估和点击率预估模型

算法支持工作主要涉及三块内容:流量预估、出价预估、点击率预估。

yugu

流量预估

流量预估的依据是历史投放数据,根据广告投放需求从历史投放的数据和日志中查找流量,加上时间序列,观察其历史变化轨迹,并按照投放需求的排期、人群、媒体、创意以及其它相关广告策略进行预估。

排期:投放的日期及时间。

人群:人群特征(社会化属性以及重定向人群标签等)以及历史浏览、点击及其它行为数据等。

媒体:媒体特征及广告位特征等。

创意:创意特征如主题、类型等。

其它:需要投放什么地区等。

出价预估

RTB竞价方式一般是CPM出价的,价高者得,用比次高价多一分钱的价格结算。部分DSP支持CPC或者CPA出价方式(由算法转换为CPM出价方式)。CPC出价方式,行业上称为oCPC(optimized CPC);CPA出价方式,行业上称为oCPA(optimized CPA)。

原理:输入CPC或者CPA价格(广告主预期的平均KPI价格),再由算法通过动态pCTR(predicted CTR,即预测点击率)或pCVR(predicted CVR,即预测转化率),计算eCPM(effective CPM,即有效CPM,每一千次展示对应的费用),从而再用比eCPM高一分钱的CPM方式出价。

 

点击率预估

上面提到的oCPC/oCPA出价预估模型需要动态点击率pCTR/转化率pCVR数值,该数据是通过是离线模型和实时模型同时作用得出。

离线模型:一般是按天更新,使用一定时期内(如60天内)的日志数据进行特征分析,特征包括用户特征、广告位特征、创意特征、广告主特征(如行业)等。初次投放时,用离线模型的历史数据进行预估。

实时模型:一般是准实时更新,如10分钟(不同平台会有不同的更新时间),并将实时效果数据加入特征分析,包括广告位特征、创意特征和广告主特征等。

pCTR

THE END
分享
二维码
< <上一篇
下一篇>>