說到計算廣告，或者個性化推薦，甚至一般的互聯網產品，無論是運營、產品還是技術，最為關注的指標，就是點擊率。業界也經常流傳著一些故事，某某科學家通過建立更好的點擊率預測模型，為公司帶來了上億的增量收入。點擊率這樣一個簡單直接的統計量，為什么要用復雜的數學模型來刻畫呢？這樣的模型又是如何建立與評估的呢？北京網站設計公司尚品中國在這一期就來談談這個問題。

那么什么是點擊率模型呢？

計算機科學里，點擊模型（Click Model）是對用戶點擊行為的建模。根據用戶的歷史點擊信息，對用戶的興趣和行為進行建模，以對用戶的未來點擊行為進行預測，提高相關性。

在搜索引擎中，點擊模型是指對用戶的歷史點擊文檔進行建模，用來預測文檔相關性。

網頁SEO搜索排序傳統上基于人工設計的排序函數，如BM25等。近幾年，排序學習的引入大大的降低了融合大量特征的繁瑣程度，不過由于排序學習是監督學習，因此需要大量的人工標注人員對文檔進行標注，這需要大量的人工成本，而且由于營銷型網站建設網頁的相關性會隨著網頁內容的更新等發生變化，尤其是時效性類的新聞網頁，保持所有的人工標注是最新的是不可行的。

用戶的點擊日志記錄了用戶對搜索結果滿意程度的重要信息，能夠提供對相關性預測價值非常高的信息。相比較人工標注而言，點擊的獲得成本更低，而且點擊體現的總是最近的相關性。

一、為什么要建立一個點擊率模型？

無論是人工運營還是機器決策，我們都希望對某條廣告或內容可能的點擊率有一個預判，以便判斷哪些條目應該被放在更重要的位置上。這件事兒看起來并不難，比如說我有十條內容，在歷史上呈現出來的點擊率各個不同，那么只需要根據歷史點擊率的統計做決策即可，似乎并沒有什么困難。

然并卵。直接統計歷史點擊率的方法，雖然簡單易操作，卻會碰到一個非常棘手的問題。首先，大家要建立一個概念：不考慮位置、時間等一系列環境因素，絕對的點擊率水平是沒有什么太大意義的。比方說，下面的一個廣告，分別被放在圖中的兩個位置上，統計得到前者的點擊率是2%，后者的點擊率是1%，究竟哪個廣告好一些呢？其實我們得不出任何結論。



于是，聰明的運營想到一個辦法，干脆我在不同的位置上分別統計點擊率，然后分別排序。這個思路從道理上來說無懈可擊，相當于直接求解聯合分布；不過，其實用價值并不高：在每個位置上分別統計，大多數廣告或內容條目的數據都太少，比如說100次展示，產生了一次點擊，這難道能得出1%點擊率的結論么？

那能不能再換一個思路，找到一些影響點擊率的一些關健因素，對這些因素分別統計？這實際上已經產生了“特征”這樣的建模思路了。比如說，廣告位是一個因素，廣告本身是一個因素，用戶的性別是一個因素，在每個因素上分別統計點擊率，從數據充分性上是可行的。不過這又產生了一個新的問題：我知道了男性用戶的平均點擊率、廣告位S平均點擊率、某廣告A的平均點擊率，那么如何評估某男性用戶在廣告位S上看到廣告A的點擊率呢？直覺的方法，是求上面三個點擊率的幾何平均。不過這里面有一個隱含的假設：即這三個因素是相互獨立的。然而當特征多起來以后，這樣的獨立性假設是很難保證的。

特征之間獨立性，經常對我們的結論影響很大。比如說，中國的癌癥發病率上升，到底是“中國”這個因素的原因呢？還是“平均壽命”這個因素的原因呢？顯然這兩個因素有一些相關性，因此簡單的分別統計，往往也是行不通的。

那么怎么辦呢？這就要統計學家和計算機科學家出馬，建立一個綜合考慮各種特征，并根據歷史數據調整出來的點擊率模型，這個模型既要考慮各種特征的相關性，又要解決每個特征數據充分性的問題，并且還要能在大量的數據上自動訓練優化。這就是點擊率模型的意義，這是一項偉大的、光榮的、正確的、有著極大實用價值和戰略意義的互聯網+和大數據時代的重要工作。那位說了，有必要抬得這么高么？當然有必要！因為這門手藝我也粗通一點兒，不吹哪行。

二、怎樣建立一個點擊率模型？

這個問題比較簡單，我們就不多談了。（想罵街的讀者，請稍安勿躁，繼續往下看。）

三、如何評估一個點擊率模型？

評估點擊率模型的好壞，有各種定性的或定量的、線上的或線下的方法。但是不論什么樣的評測方法，其本質都是一樣，就是要看這個模型區別被點擊的展示與沒被點擊的展示之間的區別。當然，如果能找到一個離線可以計算的量化指標，是再好不過了。

這樣的指標是有一個，就是如下圖所示的ROC曲線下的面積，術語上稱為AUC。（關于ROC和AUC的詳細介紹，請大家參考《計算廣告》第*章。）AUC這個數值越大，對應的模型區別能力就越強。

好了，為了讓大家深入理解點擊率模型評測的關鍵，我們要談到一個常見的口水仗：有一天，有兩位工程師在閑談，一位叫小優，一位叫小度。他們分別負責某視頻網站和某網盟廣告的點擊率建模。小優說：最近可把我忙壞了，上線了個全新的點擊率模型，把AUC從0.62提高到0.67，效果真不錯！哪知道小度聽了哈哈大笑：這數據你也好意思拿出來說，我們的AUC早就到0.9以上了！

那么，是不是小度的模型比小優真的好那么多呢？當然不是，我們看看該視頻網站和網盟的廣告位分布，就一目了然了。



什么？你還沒有明白，那么我建議你自己好好把這個問題想清楚。不論你是運營還是產品，經過了這樣的思考，你的數據解讀能力會上一個臺階。

好了，三個關鍵點說完了，我知道有的讀者還會對第二點表示沒看懂，那干脆我們就再多說一點兒，將2015年11月15日王超在計算廣告讀者微信群里所做的題為“點擊率預估趨勢淺析”的分享內容整理發布在下面。沒有堅持到這里就把文章關掉的碼農們，讓他們后悔一輩子去吧！

今天分享一下點擊率預估近年來的一些趨勢。主要結合劉鵬老師的一些指導，以及自身工作的一些經驗，有偏頗的地方請大家多多指正。

在計算廣告第一版的書里，主要講到了經典的點擊率預估模型邏輯回歸，特征工程，模型的評估等，相信對大多數場景來說這一步是必做的基線版本。后續可以在此基礎上做一些更細致的特征工程和模型工作?？紤]到群里的朋友都已經拿到了這本書，今天先跳過書里覆蓋的內容，講一些目前書里沒有提及的部分。如果對書里內容還不夠了解的朋友，建議第一步還是把書中基礎性的內容仔細掌握。