江申-DSP基础算法与模型研究-江申-11.pdf

《江申-DSP基础算法与模型研究-江申-11.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、DSP基础模型与算法研究江申@ 力美移动广告April 20th, 2013PartI:M6DDSP工作的整体流程PartII:M6DDSP核心算法•AudienceSelectionModel•BiddingAlgorithm•EvaluationPartIII:延伸讨论•Bidding中的转化率模型•点击率转化率建模Part I : M6D DSP工作的整体流程1.追踪用户行为（BehaviorTracking）ActionData（Label数据）DSP公司在广告主的网站上埋点（通常是放上一个1x1的不可见像素），这样当互

2、联网用户第一次访问广告主的网站时，就会得到DSP公司的一个cookie。MappingData（特征数据）:DSP公司还会和第三方的网站合作（例如：新浪，腾讯），在他们的网站上也埋点，或者向DMP购买网民行为数据，这样就可以追踪到网民在这些网站上的行为。Page 42.受众选择（AudienceSelection）（1）建立AudienceSelectionModel预估用户转化概率P(cu)（2）根据每个用户的P(cu)将用户划分到不同的SegmentsPage 53.通知AdExchangeDSP将Segments中的目标用

3、户的cookie告诉AdExchange，这样AdExchange有这些cookie的展现机会时，才会来向DSP的服务器发送竞价请求。Page 64.Segment管理（1）账户管理员根据每个campaign所属的行业特点，消费能力，决定开启哪些segments，关掉哪些segments。例如：对消费能力有限的小公司的campaign,那些用户转化概率小一些的segments就不开了。（2）账户管理员根据每个segment的平均预估转化概率，结合历史投放经验，为每个Segment设定一个基础出价（BasePrice）。Page 

4、75.进行实时竞价（Bidding）（1）当AdExchange把请求发过来的时候，DSP会拿到以下信息：a.当前广告位的信息b.当前用户的cookie和基本信息（ifany）。（2）DSP需要在100ms内，根据对当前用户的理解，并且考虑当前广告位，根据自己的bidding算法，来决定:a.是否要对这次展现机会进行竞价?b.投放哪个campaign的广告?c.出价是多少?Page 86.展现广告如果Bidding最高，赢得了展现机会，则DSP返回创意，用户就会在该广告位看到该创意。7.追踪转化DSP根据在广告主的网站上埋点获得

5、的数据，就能追踪用户是否在这次展现之后进行了转化。根据这些数据统计点击率CTR，转化率CVR，每个转化平均成本CPA等指标，汇总成报表展示给广告主。Page 9Part II : M6D DSP核心算法•Audience Selec5on Model •Bidding Algorithm •Evalua5on M6D DSP核心算法 1.AudienceSelectionModel预估目标：对每个Campaign,预估每个用户的转化概率P(cu)模型特点：（1）Offline模型（2）每一个Campaign训练一个模型，原因:•

6、广告主的Privacy•模型效果Page11M6D DSP核心算法 1.AudienceSelection算法结构两级模型：a.Low-levelModelb.High-levelModelPage12M6D DSP核心算法 <1>Low-levelModelLabel：（数据来自ActionData）所有在该campaign对应的广告主网站上发生转化行为的用户作为正例，其他的用户作为负例。特征：（数据来自MappingData）只有一类特征，即用户访问过的历史URL。特征选择：去掉那些覆盖用户的转化总数小于某个固定的转化数阈值

7、（比如5）的特征（具体做的时候可以用展现数过滤，阈值设为转化数阈值/平均转化率）模型：线性模型Page13M6D DSP核心算法 <2>High-levelModelLabel：同Low-levelModel特征:可以是各种特征a.可解释的用户属性特征，例如：兴趣标签，访问过的URLb.不可解释的用户属性特征，例如：聚类id,Topicidc.与广告主网站的关联特征，例如：重定向标记d.Low-levelModel的输出值模型：基于线性模型，用非线性模型修正Page14M6D DSP核心算法 为何使用两级模型？主要是性能考虑：1

8、.Low-levelModel的特征抽取逻辑简单，模型简单，需要对海量的样本做预测（粗选）。High-levelModel的特征抽取逻辑复杂，模型稍复杂，适合对通过“海选”的较少量样本做预测（精选）。2.Low-levelModel的特征只有用户访问过的URL，