作者:杰少
CVR预估中的延迟反馈问题
在很多推荐搜索的建模中,我们经常会使用D+1天的数据作为label,从1~D天的数据中的进行特征抽取等工作,和我们时间序列问题建模类似,但和很多其他的时间序列问题建模不一样的地方在于,我们的label不一定可靠,比如在传统的时间序列回归中,D+1天的销量是多少就是多少,我们没有太多的犹豫,因为不大会有其他的情况。但是在电商的问题中,就存在下面这种情况:
D+1天未购买可能并不一定是真正意义上的未购买,而可能是加入购物车或者意愿清单了, 只是没有在当天下单, 而是过了一天在D+2天的时候下了单, 而这样的标签如果我们直接默认其为负样本就会有较大的问题,因为它并不是真正意义上的负样本,只是反馈延迟了。
这在搜索推荐系统中,我们称之为延迟反馈的问题。
炼
问题严峻性
看到这么个描述,我们似乎有了一个直观的理解,但是可能并不会过于重视,我们直观感受是,是的,但是可能比例不会很高吧,有必要重视吗?下面我们看一组数据:
在Criteo公司早期,
这么看来问题还是十分严峻的,那么如何解决该问题呢?
Modelling Delayed Feedback in Display Ad
1.3.1 eCPM
这个问题较早在2014文章Modelling Delayed Feedback in Display Advertising中被提出,当时神经网络等还没那么流行,但是解决的思路非常值得借鉴?
在广告推荐中,有一个指标价值是非常大的,
eCPM=CPA∗P(conversion,click)=CPA∗P(click)∗P(conversion|click),
从上面这点可以看出,我们希望能很好地预估某个广告的转化概率(最终转化即可,对应到下文P(C=1|X=x).
1.3.2 问题建模
我们先定义五个变量,
1.3.3 小结
本文针对转化回传的延迟问题提出了一种新的建模方式,不把还没观察到转化样本直接当做负样本处理,而是考虑其距离当前点击发生的时间长短给予模型不同权重的梯度,在建模的时候考虑延迟转化的时间信息,实验的结果也验证了该方案的有效性。
当然直观的看本文的方案,我们也可以看到本文的几点不足,我们假设发生转化的延迟时间为指数分布,这种假设可能还不够宽泛;能否替换为其他的更好的函数值得考虑。
参考资料