我们在刷微信和微博的时候，有时候会惊叹广告非常精准——“就是我想要的！”，有时候又会感觉广告极其不靠谱——“我怎么可能点呢？”，所有的这些背后，广告的工程师们已经做了他们最大的努力——

即便在我们看来并不精准，但在所有定向给你的广告中，他们已经挑出机器认为你最可能点的广告，而这背后依赖的就是CTR预估技术。

CTR预估是竞价广告核心的逻辑之一，很多人认为CTR预估非常高深，根本搞不清其中的逻辑，的确，CTR预估作为一个纯技术的模块，要做一个简单的科普并不容易。

致力于用简洁语言描述复杂问题的卫夕今天尝试用人话来解释CTR预估的来龙去脉，放心，本文不会涉及到任何高深难懂的公式和技术逻辑，看得懂中文的同学都能明白其中的逻辑。

一、CTR在竞价广告系统中起神马作用？

CTR（Click-Through-Rate）为点击率，它是互联网广告中最基本的概念，我们先来看看点击率对于一个竞价广告系统而言意味着神马？

我们先来做一道简单的题目——阿迪和耐克作为广告主来竞价，阿迪出2块钱一个点击，耐克出1块钱一个点击，假如微信广告平台有100次曝光，它应该给谁？阿迪还是耐克？有人说，当然是给阿迪啊，它出的价钱高。

ECPM=1000*CTR*点击出价

但我们回去看一看实际情况，这个25%的点击率是如何发生的我们就能明白总体CTR是不靠谱的，真相是平台总共有4000个用户，而他们均匀分成了四组：

分别是1000为成熟男人；1000成熟女人、1000少女、1000少男，这四个人群只点击他们喜欢的东西，如成熟男人只点击西装，他们对自己喜欢的东西的点击率为100%，对自己不喜欢的点击率为0%，当我们随机投放的时候，每个人的点击率都是25%。

好，现在你看到了，直接拿试投这个点击率去预估导致的结果就是用群体数据代表了个体差异，即当一位成熟男人来请求广告的时候，我们会认为投给他一个布娃娃和投给他一套西装没有任何区别。

因为在试投阶段布娃娃和西装的整体点击率都是25%，尽管实际上他们的点击率有天壤之别，一个是100%、另一个是0%。

因此，当我们通过特征差异能正确地个性化预估CRT的时候，我们才能正确地排序，当一位成熟男人来请求广告的时候，西装这个广告主就会在竞价中胜出，因为我们知道它的CTR100%高于布娃娃、高跟鞋、游戏机的0%。

所以从这个案例中我们就能明白，不能直接笼统地看试投的点击率，而应该有针对性地针对个体单独预估，试投这个阶段依然存在，但我们会通过某个模型用交叉特征地看每一个个体的点击率，从而下一个拥有该特征的人群来访问的时候，我们就能相对更加准确地预估了。

同时，我们也从上面的案例中发现，正确预估提升了CTR，从原来的25%提升到了100%，同样广告平台的收入也会提升，这就是CTR预估的意义。

三、CTR预估是如何进行的？

通过这个案例我们看到，至少有三个特征决定了一个广告的点击率——广告主行业、用户的年龄、用户的性别，事实上，在实际的广告系统中，有无数的因素决定了广告的点击率，我们把这些因素主要分成3类——

第一是广告主侧，比如广告创意、广告的表现形式、广告主行业等，一个劳斯莱斯的广告和一个可口可乐的广告点击率肯定有天壤之别。第二是用户侧，如人群属性，以上的案例是年龄和性别，事实上，决定创意的因素人群属性极其多——年龄、性别、地域、手机型号、WiFi环境、兴趣……..第三是广告平台侧，比如不同的广告位、投放时间、流量分配机制、频次控制策略等。

至于它是如何计算的，非技术同学理解起来难度会非常大，我们可以简单理解为CTR是无数特征的一个函数，CTR=f(x1,x2,x3,x4,x5……),而模型就是选择神马样的函数来进预测。

我举个大家最容易理解的线性函数：CTR=ax1 bx2 cX3 dx4 ex5……（这只是一个假设，实际上模型要比这个复杂N多倍）。

每一个函数都有相应的参数（ 比如刚刚案例中的a、 b、c、d），而这些参数是如何确定的呢，就需要历史数据进行训练，就是把已经知道的一些数据去喂这个模型，模型根据这些数据不断地调整参数，喂的越多调教的就越准确，最终预测的效果也就越好。

在所有的这些特征中，有些特征影响因子会大一些，有一些会小一些，比如搜索广告中，搜索关键词和广告关键词匹配程度就是一个影响因子极大的因子、历史CTR也是一个影响因子极大的因子，其他因子会有不同程度上的影响。

工程师们每天的工作就是尝试新特征、尝试新模型、训练不同的模型参数，以便让CTR预估更加准确，谷歌、Facebook、阿里、百度这些公司的工程师已经在这些领域发表了很多篇顶级论文。

四、如何评估CTR预估的效果？

好，接下来的一个问题，如何评估CTR预估的效果？工程师们会有特定的指标去衡量效果，对于非技术同学，有人会直观地说，那当然是看CTR有没有变高啊：

正确预估CTR不就是为了把真正高CTR的广告挑出并展示出来么，错误地预估——把高的CTR低估或把低的CTR高估都会让高的CTR不会排在最前面，从而会降低CTR。

这个说法在推荐系统中是成立的，但在广告系统里是不准确的，因为广告的排序不仅仅是CTR排序，它还综合了出价进行排序，即ECPM进行排序，有时候CTR预估准确，反而（实际）CTR会降，我们看一个实际的例子：

这一大堆数字大家可能看不懂，我们只需要明白以下几个逻辑就能看懂了：

广告通过预估ECPM的大小来判断谁胜出，而预估ECPM等于预估CTR*出价，在这个案例中，图一CTR预测正确，阿迪的预测CTR30高于耐克的20因而胜出。广告实际ECPM是胜出者的ECPM，因为广告平台把所有的曝光都给了胜出者，它等于胜出者的实际CTR*出价。图二里把耐克的CTR从2%错误地预估到了4%，导致其预测ECPM高而胜出，而实际上投放出来的CTR为2%。这个情况中，预测正确反而CTR低，预测错误反而CTR高，但是没关系图一预估正确的情况下实际的ECPM30高于图二预测错误ECPM20。

所以从这个案例中我们可以看到，从结果指标来看，ECPM是衡量CTR预估最为重要的指标，当然，在实际的实践过程中，CTR预测正确通常ECPM、CTR、收入这些指标通常都会涨。

另外一个很简单的方法就是把预估CTR和真实CRT直接进行对比，由于预估CTR针对每一次广告展示都会预估，比如这一次预估CTR为2%，但单次广告真实CTR只有两个结果，点或不点，即100%、0%，所以看单次结果是没有意义的，我们应该从一个群体来看——

将每一次广告曝光按照预测的CTR从小到大排序，然后按某个单位（比如每10000个曝光）分别统计平均预估CTR和实际CTR，就能知道预测CTR的准确程度了。

以上就是关于竞价广告中CTR预估入门级科普了，广告是一个复杂的系统，里边有无数精妙、有意思的逻辑。

#专栏作家#

卫夕，微信公众号：卫夕聊广告（ID：weixiads），人人都是产品经理专栏作家。一名兴趣广泛的广告产品经理，致力于用简单语言深度剖析互联网相关的逻辑。

本文原创发布于人人都是产品经理。未经许可，禁止转载。

题图来自 Pexels，基于 CC0 协议