数字广告活动的每次点击成本优化

每次点击成本是评判数字广告活动表现的常用指标。本文讨论一种生成特征定向推荐以优化每次点击成本的方法。我们还讨论一种在不减少推荐特征数量的前提下为各特征分配出价的技术。我们的方法利用了对应于我们已赢取的实时拍卖的曝光与点击流数据集。数据包含设备类型、网站、RTB 交易 ID 等信息。我们在利用所有可访问活动数据的同时，确保推荐对单个活动级别特征与全局表现良好特征均敏感。我们围绕“一次点击为伯努利试验且点击流服从二项分布”的假设建立出价推荐模型，并依据实时表现更新，确保周环比改善。该方法已在 5 个活动上实况测试超过 10 周。我们观察到每次点击成本下降 16–60%，点击率提升 42–137%。同时，活动投放具有竞争力。