086 | Twitter的广告点击率预估模型
洪亮劼
该思维导图由 AI 生成，仅供参考
在上一篇文章的分享里，我们了解了 LinkedIn 这家公司是怎么来做最基本的广告预估的。LinkedIn 的广告预估模型分为三部分，这里面的核心思想是直接对“冷启动”和“热启动”进行建模，外加和 EE 策略（Exploit & Explore）结合在一起，从而提升了效果。
今天，我们就结合论文《Twitter 时间轴上的广告点击率预估》（Click-through Prediction for Advertising in Twitter Timeline）[1]，来看看 Twitter 的广告预估到底是怎么做的。
Twitter 的广告预估
我们前面提到过最基本的广告形态分类，可以分为“搜索广告”和“展示广告”。当计算广告在互联网上出现以后，这两种广告形态就迅速被很多网站和服务商所采纳。
在最近的 10 年里，随着社交媒体的发展，希望在社交媒体的用户信息流里投放广告的需求逐渐增强。我们之前谈到的 Facebook 的案例，其实也是往用户的信息流中插入广告。很多类似的社交媒体都争先恐后地开始进行相似的项目，这一类广告经常被称为社交广告。
社交广告的特点是，需要根据用户的社交圈子以及这些社交圈所产生的内容，而动态产生广告的内容。广告商和社交媒体平台都相信，不管是在投放的精准度上，还是在相关性上，社交广告都有极大的可能要强过搜索广告和展示广告。毕竟，在社交媒体上，用户有相当多的信息，例如年龄、性别，甚至在哪里工作、在哪里上学等，这些信息都有助于广告商的精准投放。而用户自己在社交媒体上追踪的各种信息，又可以让广告商清晰地知道用户的喜好。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
Twitter的广告点击率预估模型是基于排序学习的方法，针对社交广告在信息流中的排序和点击率进行预测。文章介绍了Twitter工程师们如何利用排序学习来建模社交广告的点击率预估。首先，文章提到了单点法和配对法两种排序学习方法，以及结合两者的混合方法。作者们通过实验发现，混合方法在AUC上超过了单点法，且相对于自然排序，点击率提升了26%左右。这表明混合方法在提高点击率预估效果上非常明显。另外，文章还提到了作者们使用了归一化的交叉熵和AUC来对模型进行线下评价，以及实验结果的分析。最后，文章留下了一个思考题，即为什么Twitter不尝试使用树模型来对点击率进行提升。整体来看，本文通过介绍Twitter的广告点击率预估模型，深入剖析了社交广告的排序问题和点击率预测，为读者提供了对社交广告预估模型的深入了解。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 技术内参》，新⼈⾸单¥98
《AI 技术内参》，新⼈⾸单¥98
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
全部留言(2)
- 最新
- 精选
艾熊我觉得也可以tune一下树模型用树模型呀，树模型也可以融合多目标也可以适用于pair对的目标呀！2018-06-201- yy是不是因为树模型不太适合用户id和广告id当特征，而信息流又希望把这些算成实时的，所以不太适合2018-06-201
收起评论