OCPC(Optimized Cost per Click)机制

背景

　　在线广告中，广告按照CPM排序，排在前面的广告竞争有限广告位（截断）。其中，CPM=bid*pctr。注GSP二价计费的，按照下一位bid计费。适当调整bid，可以提高竞价的排名，从而获得展现的机会。OCPC就是调整广告的出价，对优质流量出高价，劣质流量出低价，提高广告主的ROI。其中，ROI=pcvr*revenue/bid。流量是否优质，用转化率比值cvr/cvr_history区分。

 

架构图

　　　论文中介绍的ali在线广告系统如下图所示，其中，RTP模块是pctr预估模块，算法采用MLR。

算法总述

遍历每条广告A，1标准化pcvr,并且2计算边界值；3排序；（大致分为3步）

1）准化calibrate：

现象：可以看出真实cvr越高，pctr值预估的越高，预估与真实值偏差随cvr增长而增大。

方案：设置阈值tc，pcvr大于阈值tc做如下平滑。（tc=0.012）

 

2）计算边界值

bid取上图中灰色区域最佳，为了调价可接受设置阈值ra，具体调价如下：

 

cvr/cvr_history>1:优质流量，调高出价；

cvr/cvr_history<1:劣质流量，调低出价；

 

3）ranking排序

 

例子：

（1）算法3-5步：按照CPM f2(u(b*))排序，选择下边界最大的广告a3，自顶向下选择第一条上边界大于下边界的广告a1。输出a1

（2）算法6-11步：剔除广告a1，重新计算剩余广告的bid*，如公式9-10。更新衍生指标，上下边界。

第二轮，选择下边界最大的广告a3，自顶向下选择第一条上边界大于下边界的广告a3。输出a3

（3）N=2，输出最终排序列表。N个广告位

 

 

备注: f(b)计算如下：

 

参考paper：Optimized Cost per Click in Taobao Display Advertising