点击延迟_转化率预估(pCVR)系列--延迟预估模型（上篇）

说到cvr延迟预估，不得不提开山之作“Modeling Delayed Feedback in Display Advertising”，本文从这篇经典论文入手，对cvr预估中遇到的订单延迟问题的背景、影响及解决方案进行了详细讲解。

本文关键内容总结如下：

1.CVR建模拆解：将cvr预估拆分为两个模型，转化模型（conversion model，CVR）和订单延迟模型（Delayed Feedback Model，DFM）。CVR模型用户预估用户最终是否发生转化，DFM则预估点击后第几天发生转化。

2. DFM的优化思路：假设转化延迟时间服从指数分布

3.模型训练及预估：CVR和DFM联合训练，采用EM算法或sgd-Joint Learning等方法。在线预估时，只使用CVR模型，DFM被舍弃。

1.背景

展示广告中，oCPX/CPA模式（eCPM=pCTR * pCVR * CPA）下pcvr预估的准确性至关重要。

在参考ctr模型优化经验优化cvr模型时，会遇到一个问题，与点击（相比曝光）发生时间相比，转化发生时间要晚的多，很多时候转化事件会发生在广告被点击的几天（甚至一周）后。

转化延迟会对模型的训练产生负向的影响，通常简单的做法，就是预先设定好转化归因的时间窗口（例如15天），并且cvr模型只使用已归因完全（已超过归因时间窗口）的数据进行模型训练（例如，只使用15天之前的数据）。这种情况下，归因时间窗口的设定就变得尤为关键：

1) 归因时间窗口太短，一些样本将被错误的标记成负样本，但未来将完成转化，从而干扰模型学习到了错误标签；

2) 归因时间窗口过长，则，模型无法及时捕获到更新的广告、新发生的用户行为（含转化）等信号，存在模型过时的风险；

2.相关数据

2.1 转化延迟，

作者提供的数据中2天可以归因约50%左右的订单，相比较曝光-点击延迟，1小时内就可以有95.5%的点击归因。

相比大部分实际业务场景，论文中的转化延迟算是比较长的，例如，很多实际业务场景中t+1天就可以归因90%+的转化，所以cvr模型天级别更新情况下也没有特别大问题。

但论文作者的延迟情况在很多场景中也是存在的，笔者还了解到甚至部分电商场景的延迟比论文中延迟还高（7天归因50%左右订单），所以，在这种场合下，cvr延迟模型的必要性不言而喻。

2.2 广告更新频率

论文对广告的更新频率进行了统计分析，从某一天的广告作为base，统计随着时间增加新增广告的占比。累积26天后，新广告的占比为11.3%。

在实际业务场景下，笔者了解到很多广告的更新频率比论文中的11.3%还高。

这就说明了，归因时间窗口过长，时间窗口的数据无法及时应用到模型中，将会对新广告带来非常大的影响。

3.解决思路

3.1 数据方面：

忽略转化归因时间窗口，当点击后已发生转化，标记为正样本，否则被标记为unlabeled（因为，未发生转化的，但将来可能会发生）

3.2 模型方面：

采用两个模型进行cvr预估：

Conversion Model，用来预估最终是否转化。

Delayed Feedback Model，预估点击后第几天发生转化。

这一模型和生存分析中使用的模型有很大相关性。类似的，对转化问题来说，一些样本是censored（删失的），即在训练时间内无转化，而后续可能有转化。这种情况下，删失样本的转化延迟至少大于从点击开始的流逝时间。

4. CVR模型建模

因内容格式调整比较复杂，请大家移步微信公众号（ai_one_piece）阅读内容细节，如下：

更新广告/推荐算法，请关注公众号"ai_one_piece"。