阿里妈妈展示广告预估校准技术的演进与实践

"4-3+阿里妈妈展示广告预估校准演进之路.pdf" 这篇文档主要探讨了阿里妈妈在展示广告预估校准技术的发展历程和关键问题。阿里妈妈作为阿里巴巴集团的重要组成部分，其展示广告算法团队在面对日益复杂的广告业务场景时，不断优化和完善预估模型的准确性。 首先，文档提出了预估技术面临的挑战。在广告领域，用户行为概率预估技术，如点击率（PCTR）和转化率，是搜索、推荐和广告的核心技术。然而，预估模型的输出并不总是真实点击概率，而是需要经过校准来接近真实值。传统的评价指标如AUC（Area Under the Curve）关注排序关系，但忽略了预估值的大小准确性，即Mean Squared Error（MSE）。因此，对模型进行校准显得至关重要。 接着，文档阐述了预估校准在广告中的必要性。广告出价（bid）、预估点击率（pCTR）和预期每千次展示费用（eCPM）共同决定了广告的排名和展示机会。不准确的预估可能导致出价过高或过低，影响广告主的投入产出比，同时也可能影响平台的收入。例如，在CPC出价模式下，如果PCTR被高估，广告可能会因更高的eCPM而赢得更多的展示，从而降低了平台的整体期望收入。 此外，文档还讨论了不同类型的出价方式、物料和预估模型带来的挑战，尤其是在广告和推荐混排的场景下，校准的目标是使预估值尽可能接近真实概率，最小化MSE。为了达到这个目标，相关工作包括将先验信息和数据偏差因素纳入预估模型，或者采用后处理方法，如Binning（分箱）、Scaling（缩放）和Binning-scaling等轻量级技术，以计算更准确的后验概率。 总结来说，阿里妈妈展示广告预估校准技术经历了从浅层模型到深度模型，再到大规模深度模型的演进，以应对算力经济时代的挑战。通过不断的技术迭代和工程实践，他们致力于提高预估准确性，确保广告出价的稳定性和竞价的公平性，同时在计划冷启动阶段也能发挥积极作用。对于未来的展望，可以预见的是，预估模型和校准方法的结合将更加紧密，利用更先进的机器学习技术和大数据分析，持续提升广告系统的效能和用户体验。