精品文档---下载后可任意编辑算法用途 1 算法概述 1 2. 算法详细说明 2 广告活动匹配 2 实时竞价算法 2 3. 算法改进方向 5 特征属性的选择 5 点击率预测 5 竞价调整方式 5 4. 补充问题 5 无历史数据阶段 5 利用历史数据阶段 5 展示的分布控制 5 5. 参考文献 5 6. 附件 5 名词 5 算法总体流程图 6 输入输出表 6 数据预处理流程 7 计算权重算法流程 8 模型检验 9 1.算法简介1.1算法用途RTB（Real-Time Bidding）实时竞价，是一种利用第三方技术在数以百万计的媒体上针对每一个用户展示行为进行评估以及出价的竞价技术。与大量购买投放频次不同，实时竞价规避了无效的受众到达，只针对有意义的用户进行购买。它的核心是 DSP 平台（需求方平台），在 DMP 数据的支持下根据媒体，广告特点和人的属性进行定向投放。RTB 对于媒体来说，可以带来更多的广告销量、实现销售过程自动化及减低各项费用的支出。而对于广告商和代理公司来说，最直接的好处就是提高了效果与投资回报率。RTB 算法有几种常见的策略：展现优化（针对品牌推广）目标，点击率（CTR）优化目标和 ROI(投资回报率)优化目标。其核心都是要做到合适的广告展现给合适的人。ROI 优化是最直接能体现广告主的投资收益率的指标，但是目前情况下受 RTB 业界技术限制和公司数据支持情况的限制，点击率优化是现实可行的 RTB 竞价方法。虽然该方法不能直接体现在用户的投资收益率指标上，但是优良的点击率很大程度上会带来良好的收益。目前针对 RTB 算法中的点击率预测有很多种方法，如：逻辑回归，决策树，两阶段广义线性模型，非线性规划模型，典型方程等。选用逻辑回归的主要原因在于该算法成熟，对输入变量要求较低，既可以处理枚举型变量，又可以处理连续型变量。输出结果较稳定可靠。本算法主要以点击率（CTR）为优化目标，并选择逻辑回归作为主模型进行设计。1.2算法概述首先对 RTB 的竞价流程总结如下图所示：图 1 RTB 竞价流程图从上图中可以看出，实时竞价算法的输入主要包括以下信息：1）Exchange 端提供的广告位信息；2）用户 id， DMP 收集的用户属性信息；3）广告主发布的活动信息及竞价策略；4）竞价历史（媒体信息，广告位，获胜竞价，用户 id 等）。表 1: RTB 算法输入之竞价历史广告 媒体信息用户 ID时间戳是否点击是 否 成功报价成交价格创意类型权重尺寸……实时竞价算法的输出主要是获胜的(广...
