談到計(jì)算廣告，或者個(gè)性化推薦，甚至是一般的互聯(lián)網(wǎng)產(chǎn)品，無論是運(yùn)營、產(chǎn)品還是技術(shù)，最受關(guān)注的指標(biāo)就是點(diǎn)擊率。還有業(yè)內(nèi)經(jīng)常流傳的故事，某位科學(xué)家通過建立更好的點(diǎn)擊率預(yù)測模型，為公司帶來了數(shù)億的增量收入。為什么要用復(fù)雜的數(shù)學(xué)模型來描述點(diǎn)擊率這樣簡單直接的統(tǒng)計(jì)數(shù)據(jù)呢？這樣的模型是如何建立和評價(jià)的？北京網(wǎng)站設(shè)計(jì)公司推來客將在本期談到這個(gè)問題。那么什么是點(diǎn)擊率模型呢？

在計(jì)算機(jī)科學(xué)中，點(diǎn)擊模型（Click Model）是對用戶點(diǎn)擊行為的建模。基于用戶的歷史點(diǎn)擊信息，對用戶的興趣和行為進(jìn)行建模，預(yù)測用戶未來的點(diǎn)擊行為，提高相關(guān)性。

在搜索引擎中，點(diǎn)擊模型是指對用戶的歷史點(diǎn)擊文檔進(jìn)行建模，以預(yù)測文檔的相關(guān)性。

網(wǎng)頁SEO搜索排名傳統(tǒng)上是基于人為設(shè)計(jì)的排名函數(shù)，如BM25等。近年來，排序?qū)W習(xí)的引入大大降低了融合大量特征的復(fù)雜性。但是由于排序?qū)W習(xí)是有監(jiān)督學(xué)習(xí)，需要大量的人工標(biāo)注者對文檔進(jìn)行標(biāo)注，需要大量的人工成本。建站網(wǎng)頁的相關(guān)性會隨著網(wǎng)頁內(nèi)容的更新而變化，尤其是時(shí)效性強(qiáng)的新聞網(wǎng)頁。使所有手動標(biāo)記保持最新是不可行的。

用戶點(diǎn)擊日志記錄了用戶對搜索結(jié)果滿意度的重要信息，可以提供具有很高相關(guān)預(yù)測價(jià)值的信息。與人工標(biāo)注相比，獲取點(diǎn)擊的成本更低，而且點(diǎn)擊始終反映最新的相關(guān)性。一、為什么要建立一個(gè)點(diǎn)擊率模型？

無論是人工操作還是機(jī)器決策，我們都希望對一個(gè)廣告或內(nèi)容可能的點(diǎn)擊率有一個(gè)預(yù)測，從而判斷哪些項(xiàng)目應(yīng)該放在更重要的位置。這件事看起來并不難。比如我有十篇內(nèi)容，歷史顯示的點(diǎn)擊率都不一樣。那么我只需要根據(jù)歷史點(diǎn)擊率的統(tǒng)計(jì)數(shù)據(jù)來做決定就可以了。好像沒什么難度。

不過，雞蛋。直接統(tǒng)計(jì)歷史點(diǎn)擊率的方法雖然簡單易操作，但是會遇到一個(gè)非常棘手的問題。首先大家要樹立一個(gè)觀念：拋開地點(diǎn)、時(shí)間等一系列環(huán)境因素，點(diǎn)擊率的絕對高低意義不大。比如下面這個(gè)廣告，放在圖片的兩個(gè)位置，統(tǒng)計(jì)前者的點(diǎn)擊率為2%，后者的點(diǎn)擊率為1%。哪個(gè)廣告更好？其實(shí)我們無法得出任何結(jié)論。

于是，聰明運(yùn)營想了個(gè)辦法，我干脆統(tǒng)計(jì)了不同位置的點(diǎn)擊率，然后分別排序。這個(gè)思路在原理上是無懈可擊的，相當(dāng)于直接求解聯(lián)合分布；但其實(shí)用價(jià)值不高：大部分廣告或內(nèi)容項(xiàng)的數(shù)據(jù)太小，例如100次展示。產(chǎn)生了一次點(diǎn)擊，難道這就是1%點(diǎn)擊率的結(jié)論嗎？

那能不能換個(gè)思路，找出一些影響點(diǎn)擊率的關(guān)鍵因素，分別統(tǒng)計(jì)這些因素呢？這其實(shí)已經(jīng)產(chǎn)生了“特征”的建模思路。比如廣告位是一個(gè)因素，廣告本身是一個(gè)因素，用戶的性別是一個(gè)因素。從數(shù)據(jù)充分性的角度，對每個(gè)因素分別計(jì)算點(diǎn)擊率是可行的。但是這又產(chǎn)生了一個(gè)新的問題：我知道男性用戶的平均點(diǎn)擊率，廣告位S的平均點(diǎn)擊率，廣告A的平均點(diǎn)擊率，那么如何評價(jià)廣告A男性用戶在廣告位S 上看到的點(diǎn)擊率呢？直觀的方法是求上述三個(gè)點(diǎn)擊率的幾何平均數(shù)。但這里有一個(gè)隱含的假設(shè)：這三個(gè)因素是相互獨(dú)立的。但是，當(dāng)有很多特征時(shí)，這種獨(dú)立性假設(shè)很難保證。

特征之間的獨(dú)立性往往對我們的結(jié)論有很大的影響。比如中國癌癥發(fā)病率上升是“中國”因素造成的？還是因?yàn)椤捌骄鶋勖钡囊蛩?？顯然，這兩個(gè)因素有些相關(guān)，因此簡單的單獨(dú)統(tǒng)計(jì)往往是行不通的。

那么該怎么辦？這就需要統(tǒng)計(jì)學(xué)家和計(jì)算機(jī)科學(xué)家建立一個(gè)綜合考慮各種特征并根據(jù)歷史數(shù)據(jù)進(jìn)行調(diào)整的點(diǎn)擊率模型。問題，它必須能夠在大量數(shù)據(jù)上自動訓(xùn)練和優(yōu)化。這就是點(diǎn)擊率模型的意義所在，它是互聯(lián)網(wǎng)+和大數(shù)據(jù)時(shí)代偉大、光榮、正確、重要的工作，具有重大的實(shí)用價(jià)值和戰(zhàn)略意義。那人說，有必要抬那么高嗎？當(dāng)然有必要！因?yàn)槲覍@門手藝也是粗略的了解，所以不知如何是好。二、怎樣建立一個(gè)點(diǎn)擊率模型？

這個(gè)問題比較簡單，就不展開討論了。 （想罵人的讀者請保持冷靜，繼續(xù)往下看。）三、如何評估一個(gè)點(diǎn)擊率模型？

評估點(diǎn)擊率模型的好壞，有各種定性的或定量的、線上的或線下的方法。但是不論什么樣的評測方法，其本質(zhì)都是一樣，就是要看這個(gè)模型區(qū)別被點(diǎn)擊的展示與沒被點(diǎn)擊的展示之間的區(qū)別。當(dāng)然，如果能找到一個(gè)離線可以計(jì)算的量化指標(biāo)，是再好不過了。

這樣的指標(biāo)是有一個(gè)，就是如下圖所示的ROC曲線下的面積，術(shù)語上稱為AUC。（關(guān)于ROC和AUC的詳細(xì)介紹，請大家參考《計(jì)算廣告》第*章。）AUC這個(gè)數(shù)值越大，對應(yīng)的模型區(qū)別能力就越強(qiáng)。

好了，為了讓大家深入理解點(diǎn)擊率模型評測的關(guān)鍵，我們要談到一個(gè)常見的口水仗：有一天，有兩位工程師在閑談，一位叫小優(yōu)，一位叫小度。他們分別負(fù)責(zé)某視頻網(wǎng)站和某網(wǎng)盟廣告的點(diǎn)擊率建模。小優(yōu)說：最近可把我忙壞了，上線了個(gè)全新的點(diǎn)擊率模型，把AUC從0.62提高到0.67，效果真不錯(cuò)！哪知道小度聽了哈哈大笑：這數(shù)據(jù)你也好意思拿出來說，我們的AUC早就到0.9以上了！

那么，是不是小度的模型比小優(yōu)真的好那么多呢？當(dāng)然不是，我們看看該視頻網(wǎng)站和網(wǎng)盟的廣告位分布，就一目了然了。



什么？你還沒有明白，那么我建議你自己好好把這個(gè)問題想清楚。不論你是運(yùn)營還是產(chǎn)品，經(jīng)過了這樣的思考，你的數(shù)據(jù)解讀能力會上一個(gè)臺階。

好了，三個(gè)關(guān)鍵點(diǎn)說完了，我知道有的讀者還會對第二點(diǎn)表示沒看懂，那干脆我們就再多說一點(diǎn)兒，將2015年11月15日王超在計(jì)算廣告讀者微信群里所做的題為“點(diǎn)擊率預(yù)估趨勢淺析”的分享內(nèi)容整理發(fā)布在下面。沒有堅(jiān)持到這里就把文章關(guān)掉的碼農(nóng)們，讓他們后悔一輩子去吧！

今天分享一下點(diǎn)擊率預(yù)估近年來的一些趨勢。主要結(jié)合劉鵬老師的一些指導(dǎo)，以及自身工作的一些經(jīng)驗(yàn)，有偏頗的地方請大家多多指正。

在計(jì)算廣告第一版的書里，主要講到了經(jīng)典的點(diǎn)擊率預(yù)估模型邏輯回歸，特征工程，模型的評估等，相信對大多數(shù)場景來說這一步是必做的基線版本。后續(xù)可以在此基礎(chǔ)上做一些更細(xì)致的特征工程和模型工作?？紤]到群里的朋友都已經(jīng)拿到了這本書，今天先跳過書里覆蓋的內(nèi)容，講一些目前書里沒有提及的部分。如果對書里內(nèi)容還不夠了解的朋友，建議第一步還是把書中基礎(chǔ)性的內(nèi)容仔細(xì)掌握。

我們專注高端建站，小程序開發(fā)、軟件系統(tǒng)定制開發(fā)、BUG修復(fù)、物聯(lián)網(wǎng)開發(fā)、各類API接口對接開發(fā)等。十余年開發(fā)經(jīng)驗(yàn)，每一個(gè)項(xiàng)目承諾做到滿意為止，多一次對比，一定讓您多一份收獲！