计算广告学总结

人在屋檐下，总得低头走；拿人钱财，替人消灾。在公司打工，不得不遵守一些业务指标。优化广告效果时，总得考虑这么几个指标CTR、ROI、RPM，这三个分别从用户、广告主、平台角度做的经验式评价指标，至于这三个指标在什么程度上逼近真实最优暂且不表，先假定这三个是真实最优指标（目前没从事过SSP业务，没列CPM指标）。

CTR点击率＝CLICK/PV
ROI投资回报率＝CTR*CVR*Auction/PPC
RPM千次展现收益＝CTR*PPC/CPM

由于广告是多方博弈过程，即使上述三个指标分解至最基本因素，也不能保证CTR、CVR、PPC、CPM是独立的。一般来讲PPC随着CTR增加而提升，CTR继续增加会伤害PPC，主要原因是CTR考虑了太多用户个性化需求，召回的广告量太少不能形成充分竞争；CTR和CVR的关系也有这种表现，主要原因是用户对不同产品的认知、定位会限制这个产品的转化率，CTR高的广告对应的CVR不一定高（比如汽车、奢侈品广告）。

即使存在多个指标之间相互影响，人们还是假定是独立的，并且开展指标优化工作，其中最有代表性的是CTR预估（广告四方博弈的最优解依赖最优CTR）。它的难点主要有数据量大（必须考虑并行）、噪音多（必须清洗数据）、解释困难（必须加入很多先验）等。

广告追求点击概率最大化，多样性、重复展现是两个比较重要的影响因子，多样性考虑展示广告之间互相影响的问题，重复展现考虑用户疲劳的问题。马尔科夫过程是模拟这种问题的一个关键模型。


遇到什么样的问题，都会提出相应的解决方案。对效果影响较大的问题主要有：①广告深度太深，广告引擎无法支持；②广告种类太少，Ctr预估不准确，无法较好满足用户需求；