【信息流推荐论文大赏】Predicting Clicks: Estimating the Click-Through Rate for New Ads

太长不看版

Predicting Clicks: Estimating the Click-Through Rate for New Ads

论文主要思想：提出了一种预测新广告CTR的办法。

论文使用方法：提出了新的特征，使用逻辑回归 (logistic regression) 模型训练，使用模型预测CTR的 KL散度和均方差(MSE)来验证实验效果。

上述新的特征包括以下四个方面：

• CTR相关特征：
  • Term CTR：包含相同关键词的其他广告的CTR
  • Related Term CTR：包含相近关键词的其他广告的CTR
• 新广告本身特征
  • Appeareanc：广告本身是否美观
  • Attention Capture：广告是否有吸引力
  • Reputation：广告主的知名度
  • Landing Page Quality：登陆页的质量（我理解为广告引流页的质量）
  • Relevance：广告和用户检索词 (search query)的相关性
• 广告指向的明确性：
  • 作者认为指向越明确的广告CTR越高
• 外部特征：
  • 关键词在网络上的词频
  • 关键词在搜索引擎上的词频

Motivation

为什么要预测广告CTR?

因为广告主爸爸给钱。例如谷歌雅虎等广告主爸爸会按照点击结算方式(cost-per-click CPC)给钱，即用户每点一次广告，爸爸就要给一次钱。

卑微的广告展示方怎么才能挣到更多钱呢，他们可以用这个公式计算收入的期望值：
$$E_{ad}[revenue]=p_{ad}(click)\ast CP{C}_{ad}$$
其中$CP{C}_{ad}$是广告爸爸对一次点击的出价，$p_{ad}(click)$是对该条广告的点击率预测(CTR)。出价是爸爸定的，但是把CTR高的广告往前放，卑微的广告展示方就可以挣到更多钱。

这里论文作者做了一个简单的解释，在广告展示界面上，排在越靠前的广告被用户注意到的可能性越大(这也导致CTR越大)。因此，在决定广告出现顺序的时候，需要精确预估每条广告的CTR，然后把CTR高的排前面。

在预估每条广告的CTR时，作者先排除了广告出现位置的影响，否则就会死锁：广告CTR越高越往前放，越往前放进而导致CTR越高，就不好计算了。

为什么要预测新广告的CTR？

因为广告主爸爸每天发来的新广告特别多，由于缺少历史点击数据，无法准确预估其CTR，卑微的广告展示方需要尽快确定新广告质量，以决定投放顺序，挣更多钱。所以作者针对这个问题，提出了一系列的新特征来拟合新广告的质量。

广告搜索框架

广告的点击率(CTR)由两个因素决定：

• 用户看到它的可能性：由广告出现的位置(pos)决定
• 用户看到它之后点击它的可能性：由它本身质量决定

因此，广告的点击率可以公式化为：
$$p(click|ad,pos)=p(click|ad,pos,seen)\ast p(seen|ad,pos)$$
为此，论文作者做了简化假设，假设广告被用户看到的概率只与出现位置有关(与广告本身质量无关)；用户看见广告后，点击它的概率只与广告质量有关(与广告出现位置无关)。这里有点绕口，其实就是假定了上述两个因素互相独立。于是，公式可以简化为：
$$p(click|ad,pos)=p(c$$