您所在的位置: 首页>行业资讯>山东卫夕 | 机器知道你会点广告:写给普通人的CTR预估科普

山东卫夕 | 机器知道你会点广告:写给普通人的CTR预估科普

发表于:2021-10-25 阅读:0 关键词: 竞价广告 CTR预估 竞价推广 竞价广告系统 网站SEO优化

图片来源:Tuchong:我让轩游科技使用微信和微博,有时我们对广告非常准确感到惊讶-“就是我想要的!”,有时感觉广告极其不可靠-“如何做”。 我可以订购吗?” 在所有这些背后,广告工程师尽了最大的努力,尽管我们认为这并不准确,但他们已经选择了所有针对您的广告。 机器认为您最有可能点击广告,这是CTR估算技术的背后。 点击率估算是出价广告的核心逻辑之一。 许多人认为点击率估算非常先进,根本无法理解其逻辑。 实际上,作为纯技术模块,要进行简单的科学普及并不容易。 。 致力于用简洁的语言描述复杂问题的魏熙,试图用人类的语言来解释点击率估算的来龙去脉。 不用担心,本文不会涉及任何复杂的公式和技术逻辑。 懂中文的学生可以理解他们。 逻辑。 1.点击率在竞标广告系统中起着神奇的作用吗? 点击率是点击率。 这是互联网广告中最基本的概念。 让我们看一下竞价广告系统的点击率。 让我们从一个简单的话题开始-阿迪达斯和耐克竞标广告商。 阿迪达斯每次点击支付2元,耐克每次点击支付1元。 如果微信广告平台有100次曝光,应该给予谁? 阿迪还是耐克? 有人说,当然是阿迪,价格很高。 这个答案是错误的。 如果Adi的点击率为1%,Nike的点击率为5%,则Adi可以产生1次点击,每次点击为1元,而微信则可以赚取2元; 对于耐克,5次点击,每次点击1元,微信可以赚5元,广告平台也不算傻,当然一定要交给耐克! 好了,从这个简单的案例中,我们可以看到几点:广告平台关注其流量的价值,即其流量暴露是昂贵还是便宜,这通常由ECPM(每千收入成本)指标衡量 。 也就是说,每千次展示带来收入。 广告客户通常会根据点击次数扣除费用,即广告客户通常关注结果,出价原则取决于每次点击的费用。 广告平台需要将点击出价转换为ECPM,以进行扣除和排序。 点击率可为点击和曝光之间架起一座桥梁,为排序提供基础。 综上所述,这是一个简单的公式-ECPM = 1000 * CTR *点击竞标,在上述情况下,Adi的ECPM = 1000 * 1%* 2 = 20,而Nike的ECPM = 1000 * 5%* 1 = 50, 显然,耐克的ECPM大于阿迪达斯的ECPM,因此耐克将赢得此次拍卖。 从这种情况下,我们可以看到点击率被用于广告排名,而排名本身就是竞争性广告的核心,因此点击率估算也是竞争性广告的核心技术之一。 广告系统不仅需要分类的CTR估算,而且推荐系统还需要分类的CTR估算。 因此,点击率估算的应用实际上比我们想象的要广泛:YouTube,亚马逊,头条等都将涉及个性化的推荐系统。 适用于点击率估算,也就是说,他们会向您推荐最可能的内容。 就特定值而言,广告系统的点击率估算值比推荐系统的要求更高。 例如,推荐系统可能仅需要知道A的点击率大于B才能被排序。 由于广告不是直接按点击率排序,因此它们还会添加。因此,广告系统不仅需要知道A的点击率大于B的广告率,而且还需要知道A的点击率比B的点击率大多少。 2.为什么估算点击率? 在这一点上,每个人都已经了解了点击率的重要性,也就是说,点击率是广告排名的先决条件,它可以将点击次数和展示次数联系起来。 目前,每个人都会有一个新问题:为什么要估算点击率? 如果您稍微输入一点,您知道它的点击率吗? “您是否知道一点点的点击率?” 这句话大致上是正确的,但事情远非如此简单。 让我举一个例子。 如果广告平台有四个广告主进行广告宣传,则该广告平台总共有4000个用户。 这四个广告商分别销售娃娃,游戏机,西装和高跟鞋。 所有的出价均为1.单击以获取一美元。 目前我们不知道点击率,应该怎么做,所以我们尝试投票,每个广告都有100次展示,最终发现他们的点击率是25%,出价是相同的,点击率是 相同。 按根据上述公式,ECPM是相同的,并且我们按ECPM进行排序,因此我们无法对所有人都具有相同ECPM的排序,因此最终,我们只能将这四个广告随机放置在广告平台上。 ECPM = 1000 * CTR *点击出价,但让我们回头看看实际情况。 我们可以了解这25%的点击率是如何发生的。 我们可以理解,总体点击率是不可靠的。 事实是,该平台共有4000个用户,他们平均分为四类:1000名成熟男性; 1,000名成熟妇女,1,000名十几岁的女孩和1,000名十几岁的男孩。 这四个组仅点击他们喜欢的东西。 例如,成熟的男人只点击西服,点击率就取决于他们喜欢的东西。 这是100%,您自己的点击率是0%。 当我们随机投放时,每个人的点击率均为25%。 好的,现在您可以看到,直接使用试票的点击率来估算结果的结果是使用群体数据来代表个体差异,也就是说,当一个成熟的男人请求广告时,我们会认为 我们将为他投票一个抹布娃娃。 因为在试验阶段,洋娃娃和西服的总体点击率为25%,尽管实际上它们的点击率有很大差异,一个是100%,另一个是0%。 因此,当我们可以根据功能差异正确个性化估算的点击率时,可以对其进行正确排序。 当一个成熟的男人请求广告时,西服的广告商将赢得拍卖,因为我们知道。 100%的点击率高于洋娃娃,高跟鞋和游戏机的0%。 因此,从这种情况下,我们可以了解到,我们无法直接或总体上查看试点投资的点击率,但应针对每个人分别进行估算。 试点投资在此阶段仍然存在,但是我们将通过某种模型使用交叉特征,通过查看每个人的点击率,当下一个具有此特征的人群来访时,我们可以相对准确地进行估算 。 同时,从上述情况我们还发现,正确的估算已将点击率从原来的25%提高到了100%,广告平台的收入也将增加。 这就是点击率估算的含义。