面向CPM敏感的CTR预测AUC
机器学习
2019-04-24 v1
摘要
点击率（CTR）的预测对于在线广告等工业应用至关重要。AUC是CTR模型常用的评价指标。对于广告平台，线上性能通常通过CPM来评估。然而在实践中，离线评估中AUC常常提升，但线上CPM却没有提升。这导致了宝贵的线上流量和人力成本的巨大浪费。这是因为离线AUC与线上CPM之间存在差距。AUC只能反映CTR上的排序，却不能反映CTR*Bid的排序。此外，不同广告的出价不同，因此不同逆序对造成的收入损失也不同。为此，我们提出CPM敏感的AUC（csAUC）来解决所有这些的问题。我们还给出了基于动态规划的csAUC计算方法。它能够充分支持实际应用中大规模数据上csAUC的计算。
引用
@article{arxiv.1904.10272,
title = {CPM-sensitive AUC for CTR prediction},
author = {Zhaocheng Liu and Guangxue Yin},
journal= {arXiv preprint arXiv:1904.10272},
year = {2019}
}