网盟CTR 预估 进化乊路 搜狗 王兴星
互联网简叱 1.门户 4.社交媒体 互联网简叱 2.搜索引擎 3.垂直类网站
互联网广告简叱 1.横幅广告 4.社交广告 互联网 广告简叱 2.搜索广告 3.联盟广告
搜狗产品线 客户端 搜索引擎 变现
搜索广告
联盟广告
收入拆解：(搜索广告为例) Revenue = PV * PVR * ASN * CTR * CPC WebSearch / Site Retrieval CTR Auction 说明： P VR：PV Rate； ASN：Average Show Num; CTR：Click Through Rate； CPC：Cost Per Click;
CTR的意义 •各方面的需要： •应用： –平台：收益； –搜索； –网名：用户体验； –推荐； –广告主：竞价(GSP)需要； –广告： •搜索广告； •展示广告； •RTB； Bid*CTRi 1 i 1 Price 1iCTRi
CTR整体框架 •怎么做？ PV 网民浏览 特征实验 Sample Feature Click MoCTR del 训练
CTR三套框架 •CTR三套框架： –训练框架； –特征框架； –实验框架；
训练框架：Batch 网盟：LR、L1； 大规程实现：MPI(AllReduce); 10亿+PV，每个PV包含4~5条广告，30天数据；
秒级别训练框架：Alive •Alive (Ad Living Estimating System) : Log PV/Click log Sample Collector Acc-LR Parameter Server AS AS To PS : Ads PS To As : p-CTRs
训练框架：在线模型 •使用的在线模型 ： ► Ad-Predictor(Bing)； ► FTRL-Proximal(Google); ► FOBOS(UC Berkeley)； ► RDA(MSR Redmond)； ► OLLR(Sogou, 2014Q2)：Online Latent Logistic Regression
团队协作 •问题：效率&协作 提升特征挖取效率？ 策略团队如何协作？ •特征框架； •实验框架；
特征框架 •一致性： •特征分析： –统一接口，线上&线下一致； –依赖分析，提取次数； •多层结构： •动态配置方法： –Log/Sample/Feature； –根据配置选择提取方法； –特征多层： 避免公用信息多次计算； •丌需要重启，加载实验；
特征框架样例：
分层实验系统 •实验过程： •A/B Test : 实验号201 实验号202 CTR策略A 策略B
实验框架特点 •流量的切分： •流量的同质： –随机切分； –基线、实验的公平； –按用户、网页切分； •流量的使用： –复杂切分； –小流量，验证功能； –固定数量，实验迭代； –协作使用，互丌干扰；
分层实验系统 •分层分流策略： ( Overlapping Experiment Infrastructure: More,Better,FasterExperimentation,Google KDD2010) •多种流量切分方式： •一份流程可以命中多层实验，利用率高：
Thanks
