【转载】广告计算——平滑CTR

原文地址：http://m.blog.csdn.net/article/details?id=50492787

一、广告计算的基本概念

1、广告的形式

在互联网发展的过程中，广告成为了互联网企业盈利的一个很重要的部分，根据不同的广告形式，互联网广告可以分为：

• 展示广告(display ads)
• 赞助商搜索广告(sponsored search)
• 上下文广告(contextual advertising)

2、竞价模型

对于在线广告，主要有如下的几种竞价模型：

• 按展示付费(pay-per-impression)：直观来讲，按展示付费是指广告商按照广告被展示的次数付费，这是一种最普遍的竞价模型；
• 按行为付费(pay-per-action)：按行为付费是指只有在广告产生了销售或者类似的一些转化时，广告商才付费；

当然，对于以上的两种竞价模型各有其局限性：在按展示付费模型中，压根没有考虑到广告的效果，只是按照广告流量进行售卖的模式；对于按行为付费模型，虽然其考虑到了广告效果，但其的条件是产生了某种转化，这种转化有时很难追踪和记录。此时，为了解决这两种模型的局限性，通常可以按照一个用户是否会点击广告作为最终的度量标准，即按点击付费模型(pay-per-click)。

• 按点击付费(pay-per-click)：根据用户是否会点击广告来付费。

这里便出现了一个重要的概念，便是广告点击率(the click-through rate, CTR)。

3、广告点击率(CTR)

广告点击率CTR是度量一个用户对于一个广告的行为的最好的度量方法，广告点击率可以定义为：对于一个广告的被点击(click)的次数于被展示(impression)的次数的比值。

CTR=#click#impression

广告点击率对于在线广告有着重要的作用，在网络中，对于有限的流量，通常要选择出最优质的广告进行投放，此时，CTR可以作为选择广告和确定广告顺序的一个重要的标准。

但是在计算CTR时，由于数据的稀疏性，利用上述的计算方法得到的CTR通常具有较大的偏差，这样的偏差主要表现在如下的两种情况：

• 1、例如展示impression的次数很小，如 1 次，其中，点击的次数也很小(这里的很小是指数值很小)，如 1 ，按照上述的CTR的计算方法，其CTR为 1 ，此时的点击率就被我们估计高了；
• 2、例如展示的次数很大，但是点击的次数很小，此时，利用上述的方法求得的CTR就会比实际的CTR要小得多。

出现上述两种现象的主要原因是我们对分子impression和分母click的估计不准确引起的，部分原因可能是曝光不足等等，对于这样的问题，我们可以通过相关的一些广告的展示和点击数据对CTR的公式进行平滑处理。

二、CTR的平滑方法

1、数据的层次结构——贝叶斯平滑

假设有 N 个相同的账号 (a1,a2,⋯,aN) ，对于网页 p ，对于这样的网页和账号组 (p,ai) 。假设 (C1,C2,⋯,CN) 为观测到点击数据， (r1,r2,⋯,rN) 为隐含的CTR的值，为点击率，点击率在此是一个隐含的参数，广告是否被点击满足二项分布，即 Binomial(Ii,ri) ，其中， Ii 表示广告被展示的次数。

贝叶斯思想认为，隐含的参数不是一个具体的值，而是满足某个分布，我们知道贝叶斯参数估计的基本过程为：

先验分布+数据的知识=后验分布

已知二项分布的共轭分布为Beta分布，对此，有以下的两点假设：

• 1、对于一个广告，其点击 Ci 符合二项分布 Binomial(Ii,ri) ，其中， Ii 表示的是展示的次数， ri 表示的是广告被点击的概率；
• 2、对于所有的广告，有其自身的CTR，其CTR满足参数是 α 和 β 的贝塔分布 Beta(α,β) 。

假设有 N 个广告，广告被展示的次数为 (I1,I2,⋯,IN) ，广告被点击的次数为 (C1,C2,⋯,CN) ，上述的两个假设可以表示为如下的形式：

其对应的概率图模型为：

点击率 ri 不仅与 (Ii,Ci) 相关，而且与参数 α 和参数 β 相关，我们可以通过计算得到参数 α 和参数 β 的估计 α̂  和 β̂  ，一旦 α̂  和 β̂  被确定后，则 ri 的估计为：

ri=Ci+α̂ Ii+α̂ +β̂ 

所以，现在，我们需要求解参数 α 和参数 β 的估计 α̂  和 β̂  。

点击 C 的似然函数为： ℙ(C1,C2,⋯,CN∣I1,I2,⋯,IN,α,β) ，由于点击的次数以及展示的次数之间都是相互独立的，因此上式可以表示为：

ℙ(C1,C2,⋯,CN∣I1,I2,⋯,IN,α,β)=∏i=1Nℙ(Ci∣Ii,α,β)=∏i=1N∫riℙ(Ci,ri∣Ii,α,β)dri=∏i=1N∫riℙ(Ci,∣ri,Ii)ℙ(ri∣α,β)dri

已知

ℙ(Ci,∣ri,Ii)=rCii(1−ri)Ii−Ci

ℙ(ri∣α,β)=Γ(α+β)Γ(α)Γ(β)rα−1i(1−ri)β−1

则上式可以写成：

=∏i=1N∫riℙ(Ci,∣ri,Ii)ℙ(ri∣α,β)dri=∏i=1N∫rirCii(1−ri)Ii−CiΓ(α+β)Γ(α)+Γ(β)rα−1i(1−ri)β−1dri=∏i=1N∫riΓ(α+β)Γ(α)Γ(β)rCi+α−1i(1−ri)Ii−CI+β−1dri=∏i=1NΓ(α+β)Γ(Ii+α+β)Γ(Ci+α)Γ(α)Γ(Ii−Ci+β)Γ(β)

此时，我们需要求得该似然函数的最大值，首先，我们对上述的似然函数取对数，即为：

logℙ(C1,C2,⋯,CN∣I1,I2,⋯,IN,α,β)

将上述的log似然函数分别对 α 和 β 求导数，即为：

dlogℙ(C1,C2,⋯,CN∣I1,I2,⋯,IN,α,β)

dlogℙ(C1,C2,⋯,CN∣I1,I2,⋯,IN,α,β)

其中， Ψ(x)=ddxlnΓ(x) 。通过the fixed-point iteration方法，可以得到如下的结果：

αnew=α∑Ni=1[Ψ(Ci+α)−Ψ(α)]∑Ni=1[Ψ(Ii+α+β)−Ψ(α+β)]

βnew=β∑Ni=1[Ψ(Ii−Ci+β)−Ψ(β)]∑Ni=1[Ψ(Ii+α+β)−Ψ(α+β)]

上述的求解过程是一个迭代的过程，一旦求出了参数 α 和参数 β 的估计 α̂  和 β̂  ，便可以求出点击率的估计：

ri=Ci+α̂ Ii+α̂ +β̂ 

2、数据在时间上的一致性——指数平滑

相比上述的贝叶斯平滑，指数平滑相对要简单点，对于CTR中的点击，这是个与时间相关的量，假设对于一个广告，有 M 天的点击和展示数据 (I1,I2,⋯,IM) ， (C1,C2,⋯,CM) 。若要估计第 M 天的CTR的值，我们需要对分别对 I 和 C 进行平滑，得到平滑后的 Π 和 Ĉ  。其计算方法如下：

{Ĉ j=CjĈ j=γCj+(1−γ)Ĉ j−1 if j=1 if j=2,⋯,M

{Πj=IjΠj=γIj+(1−γ)Πj−1 if j=1 if j=2,⋯,M

其中， γ 称为平滑因子，且 0<γ<1 。对于上述的公式，若要计算第 M 天的平滑点击，可以得到下面的公式：

Ĉ M=γCM+(1−γ)Ĉ M−1=γCM+(1−γ)(γCM−1+(1−γ)Ĉ M−2)=γCM+γ(1−γ)CM−1+⋯+γ(1−γ)jCM−j+⋯+γ(1−γ)M−1C1

参考文献

• Click-Through Rate Estimation for Rare Events in Online Advertising.Xuerui Wang, Wei Li, Ying Cui, Ruofei (Bruce) Zhang, Jianchang Mao Yahoo! Labs, Silicon Valley United States