大家好，我是凉糖。今天和大家聊聊搜索、广告、推荐算法中一个非常重要的指标，就是著名的点击率。点击率是很多同学都听说过的一个指标。它的意思也很简单。顾名思义，就是点击的概率。英文叫做CTR。如果我们用一个公式来表达的话，就是点击/展示。这里的click是发生的总点击次数，分母中的impression是曝光次数。两者的商就是点击率。这些大家都很容易理解，但问题是点击率为什么那么重要呢？没有多少人能回答这个问题。为什么点击率是核心指标搜索、广告和推荐是几乎所有互联网公司中最重要的三大业务，也是三大流量驱动力。回想一下你自己使用某个宝物的经历。您浏览最多的是搜索和主页推荐吗？严格来说，广告不是一个场景，它与搜索、推荐深度融合。无论是搜索区还是推荐区，都有广告。而广告也是当今互联网公司最重要的收入来源，没有之一。对于这些场景，有一个非常严肃和关键的问题：我们如何量化显示结果的质量？我们作为用户的体验当然很简单。我输入一个搜索词，你返回的结果是无关紧要的，自然只是不好的结果。但问题是如何用严谨的数学表达式来回应呢？即如何量化回报的效果？比如搜索场景可能比较好，比较在意相似度。但是不太适合推荐和广告场景，因为推荐场景中没有强信息的searchterm，所以不存在相似或者不相似的概念。即使是搜索场景，相似度也不是很合适，因为相似度不代表质量高。比如我搜索手机，结果全是假冒手机或者不明品牌。单纯从相似度上来说，这些结果是相似的，但是显然效果并不好。以点击率作为核心指标，是一个比较合适和巧妙的做法。点击率高说明用户愿意点击，一定程度上反映了展会的效果。这也是为什么点击率会成为每个场景的核心指标。点击率与广告不仅如此，点击率的预测对于广告领域来说尤为重要。是广告系统的核心指标，没有之一。目前电子商务领域的广告投放模式一般有三种，一种是基于曝光，一种是基于点击，最后一种是基于交易。这三种模式在生活中也很常见。我举几个例子，让大家一目了然。比如我们看的电视广告，电线杆上贴的小广告，或者报纸上的广告，都属于第一种。因为我们没有很好的方法去追踪广告的效果，比如电视广告，电视节目的标题广告等等。因为我们看了就完事了，不像电商广告那样点开商品就可以浏览详情。曝光模式同样存在于电商场景，比如某宝的首页推荐，双十一等活动的展品推荐就属于这一类。商家支付一定费用参与活动，一次性买断，平台不对任何配送效果负责。这些类型的广告往往具有一些共同的特点，比如广告服务商比较强，广告展位突出，含金量高，竞争激烈。此外，还有一些着眼于长期价值的广告，如可口可乐、零食、汽车等商品。这些产品往往不会因为广告而获得立竿见影的效果，而是通过对消费者产生长期的影响来获得商业回报。2.第二种模式是点击广告，这也是最常见的广告类型。它的特点是需要用户点击，即用户有打开广告的意愿。也是目前互联网行业最主流的广告，比如大部分电商平台的广告，视频媒体的广告，搜索引擎的广告。这类广告的服务商可以简单理解为流量贩子，通过卖流量来盈利。想要将手头流量的收益最大化，自然要展示最有价值的广告。一则广告的价值由两部分组成，一部分是广告主给出的要价，这是众所周知的。另一个是产生点击的期望，即点击率。因此，一个广告最终的收益预期就是广告主的要价乘以该广告的点击率CTR。但是这里有个小问题。一个广告的点击率是一个后验值，也就是说我们只有在它先被展示出来之后才能知道它的点击率，而不能提前得到。为了解决这个问题，引入了机器学习，使用智能算法来预测点击率。我们假设模型预测的点击率是pCTR，然后用它乘以价格就可以得到这个广告的预期收益。这样，广告的收益期望就变成了一个特定的值。有了这个值，我们在展示的时候就可以进行排序，把期望值最大的广告展示在前面，把期望值最小的广告展示在后面，达到利益最大化的目的。3、最后一类是交易型广告，一般规模不大，有点类似于各大导购网站。送什么礼物，买什么值得买之类的网站就是这种模式。这些网站通过将流量引流给商家进行交易来获取佣金，这也是最传统的广告模式。在这三种模型中，第二种在互联网行业应用最为广泛，这种广告机制的核心在于点击率的预测。点击率预测越准确，排序后的收益就越高，公司的盈利能力就越好。由于这是盈利能力的问题，因此它的权重很高也就不足为奇了。说了这么多关于点击率的问题，相信大家对点击率指标的用处和重要性有了一定的了解。但是世界上没有十全十美的东西，算法模型的指标也是一样的。如果仅仅将点击率作为模型的训练目标，会出现很多问题。下面我也举几个例子与大家分享。低俗、头条党，一种是普通头条配普通图片，另一种是各种惊险刺激的头条配美女火辣图。哪个点击率最高相信大家都能看出来。毕竟，人是视觉动物。很少有直男会忍不住指着美女的照片。这些是我们的直觉。但这带来了一个问题。点击率高的内容未必质量好，反之往往质量差。这也是标题党和封面图党内容在各大内容平台火爆的原因。长此以往，势必导致用户产生审美疲劳，对平台失去信心，势必导致用户流水。这一点有一个经典的例子。我在百度和搜狗里搜索“透视”这个词，结果大相径庭。这是百度的结果：这是搜狗的结果：无论什么样的网站，如果一味追求点击率，到头来平台往往充斥着头条党、眼球党等不良内容.真正优质的核心用户，往往早就被流光了，离破产不远了。跷跷板效应第二个问题是跷跷板效应，即点击率的上升可能会导致其他指标的下降。这也很好理解。例如，当我在购物网站上搜索产品时，我找到的都是漂亮的封面。也许点击率会飙升，因为它吸引了注意力。但是搜索出来的结果并不是我想要的，那么订单量和成交量显然会大大减少。高点击率和高成交量本身就是两个特点。算法加强了对点击率的描述，必然会牺牲一些其他的特征。比如一些视频网站可能会比较明显。例如，虽然点击率增加了，但观看时间可能减少了，用户每天花费的时间变少了。用户虽然打开了更多的视频，但也失去了更多的耐心，这显然不利于平台的长远发展。推荐场景也是如此。如果向用户推荐的商品点击率有明显提升，用户就有可能一键找到自己想要的东西，提前实现购物目标。那么用户出去玩的时间就会减少，浏览的商品也会减少，自然产生的交易也会减少，对平台也是不利的。对策那么对于点击率的这些问题，我们有没有什么特别好的对策呢？不幸的是，没有。因为点击率太有用了，没法用，整个算法体系就乱套了。而且确实能很好的反映问题，作为核心指标肯定是没问题的。但是如果过于依赖点击率，确实会出现上面提到的问题。很头疼，但是业界确实没有什么特别好的方法。还是更多依赖工程师的主观能动性，根据人的理解进行调整，没有通用的策略。目前比较主流的方法是让模型同时学习多个目标，而不是只吊在一棵树上，想办法提高点击率，同时优化其他目标。也有团队忽略其他指标，先专注于点击率的优化，优化结束后再依次优化其他指标。这些方法不能说没有用，但有些头痛是治不好的。其实这也很正常。算法场景本身和算法优化的目标是非常复杂的问题。我们用简单的指标来定义和覆盖一个复杂的场景是不现实的，目前的模型只能识别和学习简单的指标。一旦复杂化，就会超出范围。所以目前这个问题是没有办法根治的，只能靠人力来解决。对这些问题的思考和理解，也是一个高水平算法工程师必备的知识，远比模型原理和调参方法重要。好吧，这就是点击率的全部内容。祝大家周末愉快。本文转载自微信公众号“码农”，可通过以下二维码关注。转载本文请联系编码员梁公众号。
