03
ROI分析
• 用户画像：
• push活动的活跃数，使用画像标签后的效果比之前提高了30多倍
• CTR预估：
• 针对应用中心的显示广告，通过A/B test的方式验证了一个月的效果，把显示广 告中的各个广告位的效果拉平后进行比较，相比外部算法，可以使收入提高50% 以上
案例启示
• 恰当的数据和合适的特征往往最重要 • LR适合大数据量下做线预测需要快速响应的场景 • 学习能力的不足需要靠特征工程来弥补 • 模型会比我们更懂得数据，相信并证实模型是工作中不可或缺的内容
谢 谢！
模型选择
• LR • SVM • GBDT
用户画像
用户画像
CTR预估
线上评估 实时预测 近实时召回 模型训练 特征工程 数据准备
A/B Test
反馈数据收集
预估CTR计算
实时竞价
CF
CB
分类器
回归
降维
特征选择
样本构造
特征变换Biblioteka 特征组合uxip数据广告信息
用户画像
实时环境
CTR预估
CTR预估
启示分析
广告平台设计的核心算法与技术
背景介绍
案例实践
启示分析
01
背景介绍
• 战略背景 • 框架和核心技术
战略背景
海量用户
互联网转型
About Us
中国智能手机创新与设计的领先者，多媒体 终端行业知名品牌，以生产智能手机的多媒 体终端的科技公司，专注多媒体终端研发与 生产的高科技企业。
丰富数据
商业变现
内容框架
02
案例实践
• 用户画像 • CTR预估
用户画像
• 年龄 • 性别 • 婚姻状况 • 职业 • 父母 • 车主 • 消费水平 • 兴趣偏好
用户画像
用户画像
硬规则标注
样本构造
• Flyme账号注册信息 • 基于App的规则 • 员工测试机信息
机器学习
特征选择
• 音乐试听等行为 • 视频观看行为 • App使用习惯