用于改进 Yahoo Gemini Native 广告点击预测的软频次上限
信息检索
2023-12-11 v1 机器学习
摘要
Yahoo 的原生广告（也称为 Gemini native）每天提供数十亿次广告展示，年运行额达数亿美元。驱动用于预测点击概率（pCTR）和转化概率（pCONV）的 Gemini native 模型的是 OFFSET——一种特征增强的基于协同过滤（CF）的事件预测算法。OFFSET 是一种单遍算法，它使用基于随机梯度下降（SGD）的方法为每一批新记录的数据更新其模型。由于稀疏性问题，OFFSET 通过其特征来表示用户（即无用户模型），因此使用基于规则的硬频次上限（HFC）来控制特定用户查看特定广告的次数。此外，相关统计数据显示，用户广告疲劳会导致点击率（CTR）急剧下降。因此，为了提高点击预测的准确性，我们提出了一种软频次上限（SFC）方法，其中将频次特征作为用户-广告特征纳入 OFFSET 模型，并通过逻辑回归作为 OFFSET 训练的一部分来学习其权重向量。通过分桶测试对软频次上限算法进行的在线评估显示，收入显著提升了 7.3%。此后，频次特征增强模型已投入生产，服务于所有流量，并为 Yahoo Gemini native 带来了可观的收入增长。我们还报告了相关统计数据，其中揭示，尽管用户的性别不影响广告疲劳，但后者似乎随着年龄的增长而增加。
引用
@article{arxiv.2312.05052,
title = {Soft Frequency Capping for Improved Ad Click Prediction in Yahoo Gemini Native},
author = {Michal Aharon and Yohay Kaplan and Rina Levy and Oren Somekh and Ayelet Blanc and Neetai Eshel and Avi Shahar and Assaf Singer and Alex Zlotnik},
journal= {arXiv preprint arXiv:2312.05052},
year = {2023}
}
备注
In Proc. CIKM'2019. arXiv admin note: text overlap with arXiv:2111.07866 by other authors