文章图片


oCPC的焦点是转化率模子：

• 产物上线初期 ， 客户较少 ， 可以接纳分客户训练 ， 针对使用该产物的客户专门优化 ， 制止影响其他正常的客户；
• 随着数据的积累和效果稳固 ， 在前期投放历程中 ， 出于郑重思量 ， 对于客户的投放都是精致化的流量 ， 流量之间相互之间没有重叠；
• 随着客户对投放量需求的增添 ， 模子需要对之前没有见过的流量做转化率预估 ， 行使同行业客户的相似性 ， 分行业训练模子可以让客户共享投放信息来解决这个问题；
• 随着产物的成熟 ， 分行业和分客户的多模子维护成本过高 ， 使用单一模子就能知足所有客户需求 。

4. 简朴模子→庞大模子

文章图片


随着产物的迭代 ， 模子从简朴模子生长到庞大模子 。产物初期 ， 仅在精致流量上做投放 ， 接纳GBDT就可以知足需求 。随着可投流量和特征数目增添 ， GBDT的树深度和棵数有限无法知足需求 ， 接纳LR模子解决可投流量扩展问题 。随着营业生长拥有海量数据 ， 传统模子存在瓶颈 ， 最终接纳了DNN模子解决海量数据问题 。
5. oCPC模子结构

文章图片


oCPC模子结构接纳PNN架构 ， 将特征分为多个group——广告、媒体、用户、其他上下文；每个group学习一个embedding示意 ， 然后使用embedding相乘获得特征交织 。思量到神经网络的庞大性 ， 线上盘算做了性能优化 ， 展望时广告无关的部门只会盘算一次 ， 只有差别的广告特征才会被多次盘算 。
6. 单义务→多义务

文章图片


转化率模子初期只思量了点击到转化的样本 ， 训练出一个单义务的转化率模子 。随着ESMM和ESM2的泛起 ， 360的转化率模子从单义务向多义务模子生长 。单义务模子思量的是点击后到转化的样本 ， 只思量了曝光的子集样本 。若何保持线上线下一致 ， 将曝光无点击的样本加入训练 ， 这就是多义务模子解决的问题 。完整的样本空间 ， 子模块CTR PNN模子是曝光样本的点击概率 ， LOSS1是pctr的loss ， 子模块CVR PNN模子是点击后转化的概率模子 ， pcvr示意该曝光样本若是点击 ， 点击到转化的概率 。现实需要对于每个曝光样本做曝光转化预估 ， 那么将pctr * pcvr就获得了曝光转化概率pctcvr ， 而LOSS2就是该曝光转化的loss 。曝光到转化之间还存在其他链路 ， 可以使用更多的义务和loss来示意 。另外 ， 多义务模子会共享group embedding输入 。

• 广告公司的辞职报告如何写？
• 美容广告词格式怎么样？
• 卫生巾广告词怎么写？
• 成果展示活动主持稿怎么写？
• 经典帽子的广告词范文有没有？
• 广告语怎么写？
• 新能源车的宣传广告词怎么写？
• 洗发水广告词怎么写？
• 光纤入户设备的广告词怎么写？
• 幼儿园运动会的新闻稿如何写？