专栏名称: 力美科技
力美科技(力美传媒),中国领先的移动大数据营销传媒集团,致力于打造大数据时代领先的移动数字营销生态圈。
目录
51好读  ›  专栏  ›  力美科技

狮猿汇:RTB动态出价策略的设计与实践

力美科技  · 公众号  · 科技媒体  · 2017-08-09 12:35

正文

请到「今天看啥」查看全文


这个策略的目标、假设已经相对清楚,接下来的问题就是如何设计这个出价函数?这个出价函数既要能反应流量的预期成交价,又要能够反应当前市场竞争情况。前者可以使用模型预测一个基本的成交价,后者可以使用竞价成功率来反映市场的竞争情况,在价格一定的情况,市场竞争状况和竞价成功率呈现负相关。所以我们的出价公式就逐渐清晰:

bid+ k/r

bid是模型预测的成交价,后面的这一项根据竞价成功率来调节最终的出价,当r较低,代表市场竞争激烈,出价就会在预测的成交价基础上更高一点,反之就会更低一点。在这个公式中,bid可以用机器学习算法训练模型并预测,而r则可以采取近段时间的竞价成功率来近似,也可以使用机器学习进行预测,剩下的k值用来权衡两者的关系,较大的k值会使出价随着竞价成功率产生很大的波动,k值可以由人工调节,也可以通过实验进行选择。

以上是动态出价策略的大体设计,接下来与大家分享力美的实践,具体分为三个阶段:数据清洗、特征选取、模型选择等。

首先需要说明,这三个阶段的前提——数据源,即竞价日志(response)和展示日志(impression),竞价日志中包含了媒体、设备、尺寸、创意、预估的点击率、底价以及出价的信息,竞价成功的,则会有展示日志,两份日志匹配后,就形成了训练两个模型的原始数据。







请到「今天看啥」查看全文