一种用于转化率预测的非参数延迟反馈模型

在展示广告中预测转化率（CVR）（例如，预测用户点击相应广告后购买某商品（即转化）的比例）对于衡量向用户展示广告的效果以及理解用户兴趣十分重要。广告点击与转化之间通常存在时间延迟（即所谓的延迟反馈（delayed feedback））。由于延迟反馈，在观测期之后才发生转化的样本可能被视为负样本。为克服这一缺陷，已有研究提出假设时间延迟服从指数分布的CVR预测方法。然而在实践中，无法保证延迟是由指数分布生成的，且最能表征延迟的最佳分布取决于数据。本文提出一种用于CVR预测的非参数延迟反馈模型，该模型在不假设参数分布（如指数分布或威布尔分布）的情况下表征时间延迟的分布。由于时间延迟的分布是根据广告内容与用户特征建模的，因此潜在地可以表征各种形状的分布。在实验中，我们表明所提出的模型能够在合成数据集上捕捉时间延迟的分布，即使该分布十分复杂。此外，在真实数据集上，我们表明所提模型在转化率预测方面优于假设时间延迟服从指数分布的现有方法。