计费方式
cost-per-click (CPC): the search engine is paid every time the ad is clicked by a user
cost-per-impression (CPI): where advertisers are charged according to the number of times their ad was shown
cost-per-action (CPA): where advertisers are charged only when the ad display leads to some desired action by the user, such as purchasing a product or signing up for a newsletter).
模型
文中采用LR模型
\[ CTR = \frac{1}{1+e^{-Z}} \]
\[ Z = \sum_i \omega_i f_i(ad) \]
其中$f_i(ad)$指ad的第i个feature, $\omega_i$指该特征对应的学习到的权重.
feature可以是任意给定的, 例如title中word的数量, 是否存在某个word等
特征工程
增加一个恒为1的bias feature
对每个feature $f_i$, 增加特征$f_i^2$ 和 $\log ( f_i + 1)$. (+1的原因是避免出现$log(0)$, 例如count计数值特征)
标准化: 均值为0, 标准差为1.(均值和标准差从训练集计算得出, 然后用该均值、标准差对训练集和测试集都进行标准化)
截断异常值：任何超过5倍标准差的值被截断
term CTR
第一个特征是其他具有相同bid terms的广告的平均CTR（非现有广告主）。如果是从没有出现过的terms，在训练集上计算这些terms的平均CTR，并平滑到总平均CTR
其中N(ad_term)指具有该term的广告数，CTR(ad_term)指这些广告的平均CTR，alpha指平滑的强度。
related term CTR
measure of performance
measure: 在测试集上，predicted CTR与true CTR间的平均KL散度
\[ KL = - \sum_k p_k \log (\frac{p^'_k} {p_k}) \]
baseline model : average CTR on the training set
模型以KL散度的提升百分比来评估, 所有的提升被证明是统计显著的(p值<0.01)
此外还会额外展现一个metric: MSE
估计ad quality
如果限制到某个term(如surgery), CTR的方差可能仍然很大, e.g. surgery的CTR最大值是平均值的5倍
对于影响用户是否点击ad的因素, 文中假设有4大类影响因素:
外观: 是否符合用户审美
注意力获取: 是否吸引用户的注意
名声: 广告主是否是知名的品牌
落地页质量: 落地页的呈现在click行为之后, 假设许多clicks去向的是用户已经熟知的广告主(如Amazon, eBay). 于是, 落地页质量可以作为一个隐含影响因素, 并且有可能造成多次重复访问, 当用户寻找新产品时
相关性: ad与search query之间的相关性
度量order specificity
广告主的一个order:
Title: Buy shoes now,
Text: Shop at our discount shoe warehouse!
Url: shoes.com
Terms: {buy shoes, shoes, cheap shoes}.
在某些时候, 一个order的指向范围会更广:
Title: Buy [term] now,
Text: Shop at our discount warehouse!
Url: store.com
Terms: {shoes, TVs, grass, paint}.
于是可以考虑度量Terms对CTR的影响, 文中是这么做的:
用一个naive Bayes trigram classifier将terms分为74个category.
计算每一个order的entropy of the distribution of categories(?), 将其作为预测模型的一个feature.
同时也将一个order中term的数量作为一个feature加入模型
以上两个feature统称为order specificity, 加入后模型表现提升了5.5%
