我们在刷微信、微博的时候，有时会惊叹广告的精准——“正是我想要的！”有时候觉得广告极其不靠谱——“我怎么能点呢？”在这一切的背后，广告工程师已经尽了最大努力-
即使在我们看来并不准确，但在所有针对你的广告中，他们已经挑出了机器认为你最有可能点击的那一个，而这依赖于CTR估算技术。
点击率预测是竞争广告的核心逻辑之一。很多人觉得CTR预测很高级，根本搞不清楚其中的逻辑。的确，作为一个纯技术模块，做一个简单的科普并不容易。
致力于用简洁的语言描述复杂问题的魏，今天试图用人类的语言解释CTR估计的来龙去脉。不用担心，这篇文章不会涉及什么高深的公式和技术逻辑，看得懂中文的同学也能理解其中的逻辑。
1.CTR在竞价广告系统中起什么作用？
CTR即点击率，是互联网广告中最基本的概念。我们先来看看点击率对于一个竞价广告系统意味着什么。
先做一个简单的题目——阿迪和耐克作为广告主竞价，阿迪支付2元一次点击，耐克支付1元一次点击。如果微信广告平台有100次曝光，应该给谁？还是阿迪耐克？有人说，当然是为了阿迪。这要付出很高的代价。
这个答案是错误的。如果阿迪的点击率是1%，耐克的点击率是5%，那么可以为阿迪产生一次点击，每次点击花费1元，微信可以赚2元；给耐克5次点击，每次点击1，微信能赚5，广告平台又不傻，当然给耐克啦！
好了，从这个简单的案例中，我们可以看出几点:
广告平台在乎的是自己的流量价值——也就是自己的流量曝光是贵还是便宜。一般用ECPM来衡量，即每1000次曝光带来收入。一般广告主是按点击扣费的，也就是广告主通常关心的是结果，竞价原则是看一次点击多少钱。广告平台需要将点击竞价转化为ECPM进行扣除和排序。CTR搭建了从点击到曝光的桥梁，提供了排序的基础。
总结起来就是一个简单的公式——ECPM = 1000 * CTR *点击竞价。在上面的例子中，阿迪的ECPM=1000*10%*2=20，而耐克的ECPM=1000*5%*1=50。很明显，耐克的ECPM比阿迪的大，所以耐克会赢得这次竞标。
从这个案例可以看出，CTR是用于广告排名的，而排名本身就是竞争广告的核心，所以CTR估算也是竞争广告的核心技术之一。
不仅广告系统需要CTR估计来排序，推荐系统也需要CTR估计来排序，所以CTR估计其实比我们想象的应用更广泛:
YouTube、亚马逊、今日头条等涉及到个性化推荐的系统都会应用到CTR估算中，也就是他们会把你最有可能点的内容推荐给你。
在具体数值上，广告系统的CTR估值高于推荐系统。比如推荐系统可能只需要知道A的CTR大于B的CTR就可以排序。但是广告系统不仅要知道A的CTR比B大，还要知道A的CTR比B大多少，因为广告不是直接按CTR排序的。
第二，为什么要做CTR估算？
至此，我们已经明白了CTR的重要性，即CTR是广告排名的前提，它连接着点击和曝光。这时候我们就会有一个新的问题:为什么要估计CTR？稍微放进去一点就不知道它的CTR了吗？
“你放进去一点就不知道它的CTR了吗？”这句话大体没错，但事情远没有那么简单。我举个例子给你看看。
如果广告平台有四个广告主做广告，那么广告平台总共有4000个用户。这四家广告主都在卖娃娃、游戏机、西装、高跟鞋，出价都是1元每次点击。
这个时候，在我们还不知道CTR的时候，我们该怎么办？所以我们试着投了赞成票。每个广告投100次曝光，最后发现他们的CTR是25%，出价和CTR一样。
按照我们上面的公式，ECPM是一样的，我们按ECPM排序，所以没法排序——大家都有一样的ECPM，所以最后只能在广告平台上随机发布这四个广告。
ECPM=1000*CTR*点击竞价
不过还是回过头来看看实际情况吧。这25%的点击率是怎么来的？我们可以理解整体CTR不靠谱。事实是，该平台共有4000名用户，他们平均分为四组:
他们是一千个成熟的男人；1000个熟女，1000个女生，1000个男生。这四组只点自己喜欢的。比如，成熟的男人只点西装，喜欢的点击率是100%，不喜欢的点击率是0%。当我们随机放置它们时，每个人的点击率都是25%。
好了，现在你看，直接估算试投点击率的结果是，个体差异用群体数据来表示，也就是当一个成熟的男人要一个广告的时候，我们会认为送他一个娃娃和送他一套西装没有区别。
因为在试用阶段，玩偶和套装的整体点击率是25%，虽然实际上它们的点击率是天壤之别，一个是100%，一个是0%。
因此，当我们能够通过特征的差异来正确估计CRT时，我们就能够对其进行正确的排序。当一个成熟的男人要广告的时候，西装的广告主就会中标，因为我们知道它的CTR比娃娃、高跟鞋、游戏机都要高100%。
所以从这个案例中我们可以明白，不能直接笼统的看试投的点击率，而要单独估算个人的点击率。这个阶段的试投还是存在的，但是我们会通过一定的模型来看每个有交叉特征的个体的点击率，这样在下一个有这个特征的群体访问的时候，我们就可以相对更准确的估算出来。
同时，我们也从上面的案例中发现，正确的估算提高了CTR，从原来的25%提高到100%，同样的广告平台的收益也会提高，这就是CTR估算的意义。
3.CTR估算是如何进行的？
通过这个案例我们可以看到，至少有三个特征决定了一个广告的点击率——广告主的行业、用户的年龄、用户的性别。事实上，在实际的广告系统中，决定一个广告点击率的因素数不胜数。我们主要将这些因素分为三类-
首先是广告主方面，比如广告创意、广告形式、广告行业等。一个劳斯莱斯广告和一个可口可乐广告的点击率肯定是相差很大的。二是用户端，比如人群属性。以上案例是年龄和性别。事实上，决定创造力的人群属性极其多——年龄、性别、地域、手机型号、WiFi环境、兴趣..............................................................................................................
这些决定性因素在CTR预测中被称为特征，而CTR预测的第一步就是“特征工程”，即寻找这些特征并将其数字化。
特征工程是一项复杂的工程。判断不同特征能否影响CTR是一个庞大的工程。特征工程的第一步是列出可能影响CTR的不同特征，有时靠直觉，有时靠经验。
在确定了特征之后，我们需要对它们进行处理——也就是对它们进行数字化处理，比如把所有的特征变成0和1的二进制值，把连续的特征离散化，把特征的值平滑，把多个特征量化...
如果你不能理解上面的段落也没关系。你只需要明白，所有这些特性都会被攻城狮编码成一串可计算的数组。特征工程是一项重要的基础工作，像今日头条之类的广告平台都有庞大的团队在做特征工程。
嗯，特色项目完成后，模型就搭建好了。很多同学看到“模特”两个字就皱眉。没关系。你可以这样理解模型:模型是一个黑匣子。我们在盒子的一侧输入很多参数，在盒子的另一侧会输入一个CTR值。
举个例子，我们输入这样一个参数:某高跟鞋广告客户，年龄在20-30岁，对财经感兴趣的女性用户，周末在微信朋友圈排名第三......请给出一个CTR值。该模型将根据不同特征的值计算一个值。
至于是怎么算出来的，非技术生理解起来会非常困难。我们可以简单的理解为CTR是一个具有无数特征的函数，CTR=f，模型就是选择什么样的函数来预测。
我举个最容易理解的线性函数的例子:CTR = AX1+BX2+CX3+DX4+EX5。
每一个函数都有相应的参数，而如何确定这些参数需要历史数据进行训练，也就是将一些已知的数据馈入这个模型，模型根据这些数据不断调整参数。喂的越多，调的越准，最后的预测效果也就越好。
在所有这些特征中，有些特征的影响因素较大，而有些特征的影响因素较小。比如在搜索广告中，搜索关键词和广告关键词的匹配度是影响因素最大的一个因素，历史CTR也是，其他因素都会有不同程度的影响。
工程师每天都在尝试新的功能，尝试新的模型，训练不同的模型参数，让CTR预测更加准确。来自谷歌、脸书、阿里和这些公司的工程师在这些领域发表了许多顶级论文。
四。如何评价CTR估算的效果？
好了，下一个问题，如何评价CTR预测的效果？工程师会有具体的指标来衡量效果。对于非技术生，有人会直观的说，当然这要看CTR有没有变高:
正确的点击率估计不就是把点击率真正高的广告挑出来展示吗？错误的估计——低估高CTR或高估低CTR会使高CTR不排名第一，从而拉低CTR。
这个说法在推荐系统中是对的，但在广告系统中是不准确的，因为广告的排名不仅仅是CTR排名，还有结合出价的排序，也就是ECPM排名。有时候CTR估计很准，但是CTR会下降。让我们看一个真实的例子:
你可能无法理解这个庞大的数字，但我们只需要理解以下逻辑就能理解它:
广告通过估算ECPM的大小来判断谁赢，估算的ECPM等于估算的CTR* bid。在这种情况下，图1中的CTR预测是正确的，阿迪预测的CTR30高于耐克的20，从而获胜。实际的广告ECPM是赢家的ECPM，因为广告平台把所有的曝光都给了赢家，等于赢家的实际CTR* bid。在图2中，耐克的点击率被错误地估计为2%到4%，这导致其预测的高ECPM并获胜，但实际点击率为2%。这种情况下，预测正确时CTR较低，预测错误时CTR较高，但图1中预测正确时的实际ECPM30高于图2中预测错误时的ECPM20并不重要。
因此，从这个案例中，我们可以看到，ECPM是衡量CTR预测最重要的指标。当然，在实际操作中，点击率预测是正确的，ECPM、点击率和收入通常会上升。
另一个非常简单的方法是直接比较估计的CTR和真实的CRT。由于估算的CTR是针对每一个广告展示进行估算的，比如这次估算的CTR是2%，但是单个广告的真实CTR只有两个结果，点或者没有点，即100%和0%，所以看单个结果是没有意义的。我们应该从一个群体的角度来看待它-
按照预测的CTR从小到大对每个广告曝光度进行排名，然后按照某个单位分别统计平均的估计CTR和实际的CTR，从而知道预测的CTR的准确性。
以上是竞争广告中CTR预测的入门级科普。广告是一个复杂的系统，有无数微妙而有趣的逻辑。
#专栏作家#
魏，微信微信官方账号:魏谈广告。人人都是产品经理专栏作家。兴趣广泛的广告产品经理，致力于用简单的语言深度解析互联网相关的逻辑。
本文由人人作为产品经理原创发布。未经许可，禁止复制。
题目来自PEPEPELS，基于CC0协议。
