SlideShare a Scribd company logo
9 8 201
CTR
DF 9 8
/
@B
n R T
n T
n C
n
n
n C
n
n
n
n
_
/ @
n
n
•
n
n /
F
. . .
n
( ) ( -
n DT DR :Ba
) ) S :B P
) D S :B P
R
n ) 1 (
• T P C
n 1 1 (
• T A P C A
n 1 )
•
n 1 ) 1
• 1 aV
n P R B
T
n C / B
CPC 100D
S 10
A 2019/08/01 2019/08/31
CPA 2000D
S 100
A 2019/06/15 2019/08/31
-42 R c, v
nm r ,2, ,2 [v , ,
B A ( )
nr n ] Zv , , S t
• po , v r
• , ekheds fliPg l I K C D M KC dy cV[S T
,B I ( ) O b Wa, v S t
bid_price ∝
{
CPC × CTR if CPC targ et
CPA × CVR else if CPA targ et
B A ( ) B A 1I C C +C C A -CKI M CKC A /-- ( )
,B I ( ) 1 ,B I 4C I 4 KI K 2 C C -CKI M CKC A ,0 .4 ( )
R
n : 0 : :0 R
• (", $)
• C
• ": : , $: T 1 $ ∈ 0, 1 : : : :
• ) $ = 1 ")
nD a
• a U
• D a U
• I I U R
• I % U R U R
•
• : L U
• / U
y
nkahpub , gh aid S 0 9
• , uh h RR D
• nilwPd ] [ ptePfs Q ) D
• Q D
• rbd m
• tdchl ) 9 b puifs ( DF
• 325 ~ oPd
• uh h )N D nilwPd ub f T
! " = 1 %) =
1
1 + ()*+%
0 9 5 0 9 9C + A . C9 / 9 B F F A KFK 9A A A 1 K 9C 1 F B A
A AF 5
w
n v t knemg
• : GIBP: BGF : ABF J k 0 :F
• H D :IFBF k - G
n : GIBP: BGF : ABF J k ptlgiru
c[Tb
• Y W T
n z] t knemg Ta T
• y R fu odsuh
0 :F 7 0 :F :D ,B D :N:I : GIBP: BGF : ABF J BF : I :D NGID GFDBF : M I BJBF J J
- G . - G :D + H,1 ,: GIBP: BGF 1: ABF :J 2 I:D 2 NGIC GI I B BGF 0
v [g c fg]
n, LM . CGA . CGA L C D
• ts m i
• kS 4p R h I ( G (
• da eloYunP b f oYyts T rW
I ( 2 I L CFI G 4 IHG C LCHG H +C I O ) LC CGA ) 1 (
G ( 0 G L HMI - HMI 0 H H 4 C LCHG CG +C I O ) LC CGA 10 (
u H
n ) ) -
• h :
• : k
• F t
• ! < # ca :de
• ! g sro
• # i O o o n ) ) ( ca sro
H
F
H
In b
n In izt ifl
• fztyp z gwpg T
• ezoIiztwzh
• ezoIiztwzh a sfe Sc1 % 2
• dc P]c 0. P]c
• [
! =
!#
!# +
1 − !#
'
!
!# ezoIiztwzh Inmpr[ R u
' ezoIiztwzh
1 % 2 C A C A C E C: A A 5 5 5 C ,+++
// , %
n
• = 1:9 scikit-learn make_classification
• =8:2
• = 1:1
•
• /
n + ar: h + ar t
• h / H B F n argi
• RCF A e L D
E C HL
• C T s
CTR CPC
131% -43%
: t h CTR:CPC i
e + e +
n r k R ]a.H A EIChR
n, tspei AAK GA IEICz sf ~[
• -AAK 0 J &
• -AAK , JMM ANPJ F : IC &
• AN
n ]o m bf o m bi +e
, f bgd TW
n mp kwbg d g rs lup c
0 J & 1 0 J AN G -AAK NJ E NEJI DEIA MA A G ANPJ F BJ , 7 A E NEJI 2 , 2 &
: IC & : IC AN G -AAK , JMM ANPJ F BJ ,GE F 7 A E NEJIM - -- &
X ]c e [ C + 14337:6 C
n+: 7 + 14337:6.,
• a e tv y p
• a e G + 14337:6 r i ~ d bg
• u E tv s
nf] a n lo +: 7 + 14337:6s m
tv
., , 4 0 +: 7 4 14337:6 20 46 720 0 701 4 0 7 4 7: 0 7
s
n 1. 1 . 46 E 6 4 5 10046 F y
• F rg L F rg md
AB s
• e H abFrg
• e oaF aFrg
•
• u t
•
• in
• 1. 1 . 46 E yA 6 4 5 10046 D % h
e
n / / g
• RD C d LPE Ba
F D HL
• D T Ad
CTR CPC
9% -47%
/ g /
b
c i eDF S
//
/
/
PF
db
C DT
H F e H R e e
c R hc R h
c R
g a
c E
e ut
n] h Z gKNI
• ] w Gdl ik
• af + C A C - C A 21 D
• CC C gIP h Tw Gdl ik [ ioKNInp
Rs P scRr
21 D 1 D + C A C - C A 8 A 0 A D C .A C ,
n
n i yw
• s b m
• tp g r
• .. ) .6. +. 61D d L Ig r
• N L ek o
n
• ( 0 ( . 0 b m E
.. ) .6. +. 61 %
n P C
• I A
• A R
• I C
T
n R T
n C
n
:
/ . . .
. @ :

More Related Content

What's hot

深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
 
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
Shota Imai
 
InternetWeek2022 - インターネット広告の羅針盤
InternetWeek2022 - インターネット広告の羅針盤InternetWeek2022 - インターネット広告の羅針盤
InternetWeek2022 - インターネット広告の羅針盤
MicroAd, Inc.(Engineer)
 
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Preferred Networks
 
最適輸送の解き方
最適輸送の解き方最適輸送の解き方
最適輸送の解き方
joisino
 
深層強化学習と実装例
深層強化学習と実装例深層強化学習と実装例
プログラムを高速化する話
プログラムを高速化する話プログラムを高速化する話
プログラムを高速化する話
京大 マイコンクラブ
 
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)
Shohei Taniguchi
 
Python入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニングPython入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニング
Yuichi Ito
 
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法
Deep Learning JP
 
BERT入門
BERT入門BERT入門
BERT入門
Ken'ichi Matsui
 
アドテクにおける機械学習技術 @Tokyo Data Night #tokyodn
アドテクにおける機械学習技術 @Tokyo Data Night #tokyodnアドテクにおける機械学習技術 @Tokyo Data Night #tokyodn
アドテクにおける機械学習技術 @Tokyo Data Night #tokyodn
Kei Tateno
 
最適化超入門
最適化超入門最適化超入門
最適化超入門
Takami Sato
 
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端Takuya Akiba
 
研究分野をサーベイする
研究分野をサーベイする研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
 
平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
Takuya Akiba
 
何となく勉強した気分になれるパーサ入門
何となく勉強した気分になれるパーサ入門何となく勉強した気分になれるパーサ入門
何となく勉強した気分になれるパーサ入門
masayoshi takahashi
 
Variational AutoEncoder
Variational AutoEncoderVariational AutoEncoder
Variational AutoEncoder
Kazuki Nitta
 
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
Preferred Networks
 
組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015
組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015
組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015
SaitoTsutomu
 

What's hot (20)

深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
 
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
強化学習の基礎と深層強化学習(東京大学 松尾研究室 深層強化学習サマースクール講義資料)
 
InternetWeek2022 - インターネット広告の羅針盤
InternetWeek2022 - インターネット広告の羅針盤InternetWeek2022 - インターネット広告の羅針盤
InternetWeek2022 - インターネット広告の羅針盤
 
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
 
最適輸送の解き方
最適輸送の解き方最適輸送の解き方
最適輸送の解き方
 
深層強化学習と実装例
深層強化学習と実装例深層強化学習と実装例
深層強化学習と実装例
 
プログラムを高速化する話
プログラムを高速化する話プログラムを高速化する話
プログラムを高速化する話
 
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)
 
Python入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニングPython入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニング
 
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法
 
BERT入門
BERT入門BERT入門
BERT入門
 
アドテクにおける機械学習技術 @Tokyo Data Night #tokyodn
アドテクにおける機械学習技術 @Tokyo Data Night #tokyodnアドテクにおける機械学習技術 @Tokyo Data Night #tokyodn
アドテクにおける機械学習技術 @Tokyo Data Night #tokyodn
 
最適化超入門
最適化超入門最適化超入門
最適化超入門
 
大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端大規模グラフアルゴリズムの最先端
大規模グラフアルゴリズムの最先端
 
研究分野をサーベイする
研究分野をサーベイする研究分野をサーベイする
研究分野をサーベイする
 
平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
 
何となく勉強した気分になれるパーサ入門
何となく勉強した気分になれるパーサ入門何となく勉強した気分になれるパーサ入門
何となく勉強した気分になれるパーサ入門
 
Variational AutoEncoder
Variational AutoEncoderVariational AutoEncoder
Variational AutoEncoder
 
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
続・PFN のオンプレML基盤の取り組み / オンプレML基盤 on Kubernetes 〜PFN、ヤフー〜 #2
 
組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015
組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015
組合せ最適化を体系的に知ってPythonで実行してみよう PyCon 2015
 

More from MicroAd, Inc.(Engineer)

20240229 DEIM2024 【技術報告】広告配信における安定して拡張性のある大量データ処理基盤の必要性と活用
20240229 DEIM2024 【技術報告】広告配信における安定して拡張性のある大量データ処理基盤の必要性と活用20240229 DEIM2024 【技術報告】広告配信における安定して拡張性のある大量データ処理基盤の必要性と活用
20240229 DEIM2024 【技術報告】広告配信における安定して拡張性のある大量データ処理基盤の必要性と活用
MicroAd, Inc.(Engineer)
 
Kafka Connect:Iceberg Sink Connectorを使ってみる
Kafka Connect:Iceberg Sink Connectorを使ってみるKafka Connect:Iceberg Sink Connectorを使ってみる
Kafka Connect:Iceberg Sink Connectorを使ってみる
MicroAd, Inc.(Engineer)
 
Apache Kafkaでの大量データ処理がKubernetesで簡単にできて嬉しかった話
Apache Kafkaでの大量データ処理がKubernetesで簡単にできて嬉しかった話Apache Kafkaでの大量データ処理がKubernetesで簡単にできて嬉しかった話
Apache Kafkaでの大量データ処理がKubernetesで簡単にできて嬉しかった話
MicroAd, Inc.(Engineer)
 
Chromeの3rd Party Cookie廃止とインターネット広告への影響
Chromeの3rd Party Cookie廃止とインターネット広告への影響Chromeの3rd Party Cookie廃止とインターネット広告への影響
Chromeの3rd Party Cookie廃止とインターネット広告への影響
MicroAd, Inc.(Engineer)
 
ベアメタルで実現するSpark&Trino on K8sなデータ基盤
ベアメタルで実現するSpark&Trino on K8sなデータ基盤ベアメタルで実現するSpark&Trino on K8sなデータ基盤
ベアメタルで実現するSpark&Trino on K8sなデータ基盤
MicroAd, Inc.(Engineer)
 
DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)
DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)
DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)
MicroAd, Inc.(Engineer)
 
マイクロアドにおけるデータストアの使い分け
マイクロアドにおけるデータストアの使い分けマイクロアドにおけるデータストアの使い分け
マイクロアドにおけるデータストアの使い分け
MicroAd, Inc.(Engineer)
 
データセンターネットワークの構成について
データセンターネットワークの構成についてデータセンターネットワークの構成について
データセンターネットワークの構成について
MicroAd, Inc.(Engineer)
 
インフラ領域の技術スタックや業務内容について紹介
インフラ領域の技術スタックや業務内容について紹介インフラ領域の技術スタックや業務内容について紹介
インフラ領域の技術スタックや業務内容について紹介
MicroAd, Inc.(Engineer)
 
RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例
MicroAd, Inc.(Engineer)
 
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
MicroAd, Inc.(Engineer)
 
アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜
MicroAd, Inc.(Engineer)
 
マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜
マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜
マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜
MicroAd, Inc.(Engineer)
 
アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜
MicroAd, Inc.(Engineer)
 
社内問い合わせ&申請・承認業務の 管理方法 - Jira Service Management 事例紹介 -
社内問い合わせ&申請・承認業務の 管理方法 - Jira Service Management 事例紹介 -社内問い合わせ&申請・承認業務の 管理方法 - Jira Service Management 事例紹介 -
社内問い合わせ&申請・承認業務の 管理方法 - Jira Service Management 事例紹介 -
MicroAd, Inc.(Engineer)
 
Digdagを用いた大規模広告配信ログデータの加工と運用
Digdagを用いた大規模広告配信ログデータの加工と運用Digdagを用いた大規模広告配信ログデータの加工と運用
Digdagを用いた大規模広告配信ログデータの加工と運用
MicroAd, Inc.(Engineer)
 
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
MicroAd, Inc.(Engineer)
 
インターネット広告の概要とシステム設計
インターネット広告の概要とシステム設計インターネット広告の概要とシステム設計
インターネット広告の概要とシステム設計
MicroAd, Inc.(Engineer)
 
アドテクに携わって培った アプリをハイパフォーマンスに保つ設計とコーディング
アドテクに携わって培った アプリをハイパフォーマンスに保つ設計とコーディング アドテクに携わって培った アプリをハイパフォーマンスに保つ設計とコーディング
アドテクに携わって培った アプリをハイパフォーマンスに保つ設計とコーディング
MicroAd, Inc.(Engineer)
 
Cumulus Linuxを導入したワケ
Cumulus Linuxを導入したワケCumulus Linuxを導入したワケ
Cumulus Linuxを導入したワケ
MicroAd, Inc.(Engineer)
 

More from MicroAd, Inc.(Engineer) (20)

20240229 DEIM2024 【技術報告】広告配信における安定して拡張性のある大量データ処理基盤の必要性と活用
20240229 DEIM2024 【技術報告】広告配信における安定して拡張性のある大量データ処理基盤の必要性と活用20240229 DEIM2024 【技術報告】広告配信における安定して拡張性のある大量データ処理基盤の必要性と活用
20240229 DEIM2024 【技術報告】広告配信における安定して拡張性のある大量データ処理基盤の必要性と活用
 
Kafka Connect:Iceberg Sink Connectorを使ってみる
Kafka Connect:Iceberg Sink Connectorを使ってみるKafka Connect:Iceberg Sink Connectorを使ってみる
Kafka Connect:Iceberg Sink Connectorを使ってみる
 
Apache Kafkaでの大量データ処理がKubernetesで簡単にできて嬉しかった話
Apache Kafkaでの大量データ処理がKubernetesで簡単にできて嬉しかった話Apache Kafkaでの大量データ処理がKubernetesで簡単にできて嬉しかった話
Apache Kafkaでの大量データ処理がKubernetesで簡単にできて嬉しかった話
 
Chromeの3rd Party Cookie廃止とインターネット広告への影響
Chromeの3rd Party Cookie廃止とインターネット広告への影響Chromeの3rd Party Cookie廃止とインターネット広告への影響
Chromeの3rd Party Cookie廃止とインターネット広告への影響
 
ベアメタルで実現するSpark&Trino on K8sなデータ基盤
ベアメタルで実現するSpark&Trino on K8sなデータ基盤ベアメタルで実現するSpark&Trino on K8sなデータ基盤
ベアメタルで実現するSpark&Trino on K8sなデータ基盤
 
DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)
DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)
DDD&Scalaで作られたプロダクトはその後どうなったか?(Current state of products made with DDD & Scala)
 
マイクロアドにおけるデータストアの使い分け
マイクロアドにおけるデータストアの使い分けマイクロアドにおけるデータストアの使い分け
マイクロアドにおけるデータストアの使い分け
 
データセンターネットワークの構成について
データセンターネットワークの構成についてデータセンターネットワークの構成について
データセンターネットワークの構成について
 
インフラ領域の技術スタックや業務内容について紹介
インフラ領域の技術スタックや業務内容について紹介インフラ領域の技術スタックや業務内容について紹介
インフラ領域の技術スタックや業務内容について紹介
 
RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例RTBにおける機械学習の活用事例
RTBにおける機械学習の活用事例
 
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
アドテクを支える基盤 〜10Tバイト/日のビッグデータを処理する〜
 
アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜
 
マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜
マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜
マイクロアドのデータ基盤について アドテクを支える基盤〜10Tバイト/日のビッグデータを処理する〜
 
アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜アドテクを支える技術 〜1日40億リクエストを捌くには〜
アドテクを支える技術 〜1日40億リクエストを捌くには〜
 
社内問い合わせ&申請・承認業務の 管理方法 - Jira Service Management 事例紹介 -
社内問い合わせ&申請・承認業務の 管理方法 - Jira Service Management 事例紹介 -社内問い合わせ&申請・承認業務の 管理方法 - Jira Service Management 事例紹介 -
社内問い合わせ&申請・承認業務の 管理方法 - Jira Service Management 事例紹介 -
 
Digdagを用いた大規模広告配信ログデータの加工と運用
Digdagを用いた大規模広告配信ログデータの加工と運用Digdagを用いた大規模広告配信ログデータの加工と運用
Digdagを用いた大規模広告配信ログデータの加工と運用
 
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
これから機械学習エンジニアとして戦っていくみなさんへ ~MLOps というマインドセットについて~
 
インターネット広告の概要とシステム設計
インターネット広告の概要とシステム設計インターネット広告の概要とシステム設計
インターネット広告の概要とシステム設計
 
アドテクに携わって培った アプリをハイパフォーマンスに保つ設計とコーディング
アドテクに携わって培った アプリをハイパフォーマンスに保つ設計とコーディング アドテクに携わって培った アプリをハイパフォーマンスに保つ設計とコーディング
アドテクに携わって培った アプリをハイパフォーマンスに保つ設計とコーディング
 
Cumulus Linuxを導入したワケ
Cumulus Linuxを導入したワケCumulus Linuxを導入したワケ
Cumulus Linuxを導入したワケ
 

マイクロアドにおけるCTR予測への取り組み

  • 1. 9 8 201 CTR DF 9 8 / @B
  • 2. n R T n T n C
  • 6.
  • 7. n
  • 8. ( ) ( - n DT DR :Ba ) ) S :B P ) D S :B P
  • 9. R n ) 1 ( • T P C n 1 1 ( • T A P C A n 1 ) • n 1 ) 1 • 1 aV
  • 10. n P R B T n C / B CPC 100D S 10 A 2019/08/01 2019/08/31 CPA 2000D S 100 A 2019/06/15 2019/08/31
  • 11. -42 R c, v nm r ,2, ,2 [v , , B A ( ) nr n ] Zv , , S t • po , v r • , ekheds fliPg l I K C D M KC dy cV[S T ,B I ( ) O b Wa, v S t bid_price ∝ { CPC × CTR if CPC targ et CPA × CVR else if CPA targ et B A ( ) B A 1I C C +C C A -CKI M CKC A /-- ( ) ,B I ( ) 1 ,B I 4C I 4 KI K 2 C C -CKI M CKC A ,0 .4 ( )
  • 12.
  • 13. R n : 0 : :0 R • (", $) • C • ": : , $: T 1 $ ∈ 0, 1 : : : : • ) $ = 1 ")
  • 14. nD a • a U • D a U • I I U R • I % U R U R • • : L U • / U
  • 15. y nkahpub , gh aid S 0 9 • , uh h RR D • nilwPd ] [ ptePfs Q ) D • Q D • rbd m • tdchl ) 9 b puifs ( DF • 325 ~ oPd • uh h )N D nilwPd ub f T ! " = 1 %) = 1 1 + ()*+% 0 9 5 0 9 9C + A . C9 / 9 B F F A KFK 9A A A 1 K 9C 1 F B A A AF 5
  • 16. w n v t knemg • : GIBP: BGF : ABF J k 0 :F • H D :IFBF k - G n : GIBP: BGF : ABF J k ptlgiru c[Tb • Y W T n z] t knemg Ta T • y R fu odsuh 0 :F 7 0 :F :D ,B D :N:I : GIBP: BGF : ABF J BF : I :D NGID GFDBF : M I BJBF J J - G . - G :D + H,1 ,: GIBP: BGF 1: ABF :J 2 I:D 2 NGIC GI I B BGF 0
  • 17. v [g c fg] n, LM . CGA . CGA L C D • ts m i • kS 4p R h I ( G ( • da eloYunP b f oYyts T rW I ( 2 I L CFI G 4 IHG C LCHG H +C I O ) LC CGA ) 1 ( G ( 0 G L HMI - HMI 0 H H 4 C LCHG CG +C I O ) LC CGA 10 (
  • 18. u H n ) ) - • h : • : k • F t • ! < # ca :de • ! g sro • # i O o o n ) ) ( ca sro H F H
  • 19. In b n In izt ifl • fztyp z gwpg T • ezoIiztwzh • ezoIiztwzh a sfe Sc1 % 2 • dc P]c 0. P]c • [ ! = !# !# + 1 − !# ' ! !# ezoIiztwzh Inmpr[ R u ' ezoIiztwzh 1 % 2 C A C A C E C: A A 5 5 5 C ,+++ // , %
  • 20. n • = 1:9 scikit-learn make_classification • =8:2 • = 1:1 • • /
  • 21. n + ar: h + ar t • h / H B F n argi • RCF A e L D E C HL • C T s CTR CPC 131% -43% : t h CTR:CPC i e + e +
  • 22. n r k R ]a.H A EIChR n, tspei AAK GA IEICz sf ~[ • -AAK 0 J & • -AAK , JMM ANPJ F : IC & • AN n ]o m bf o m bi +e , f bgd TW n mp kwbg d g rs lup c 0 J & 1 0 J AN G -AAK NJ E NEJI DEIA MA A G ANPJ F BJ , 7 A E NEJI 2 , 2 & : IC & : IC AN G -AAK , JMM ANPJ F BJ ,GE F 7 A E NEJIM - -- &
  • 23. X ]c e [ C + 14337:6 C n+: 7 + 14337:6., • a e tv y p • a e G + 14337:6 r i ~ d bg • u E tv s nf] a n lo +: 7 + 14337:6s m tv ., , 4 0 +: 7 4 14337:6 20 46 720 0 701 4 0 7 4 7: 0 7
  • 24. s n 1. 1 . 46 E 6 4 5 10046 F y • F rg L F rg md AB s • e H abFrg • e oaF aFrg • • u t • • in • 1. 1 . 46 E yA 6 4 5 10046 D % h
  • 25. e n / / g • RD C d LPE Ba F D HL • D T Ad CTR CPC 9% -47% / g / b
  • 26.
  • 27. c i eDF S // / / PF db C DT H F e H R e e c R hc R h c R g a c E
  • 28.
  • 29. e ut n] h Z gKNI • ] w Gdl ik • af + C A C - C A 21 D • CC C gIP h Tw Gdl ik [ ioKNInp Rs P scRr 21 D 1 D + C A C - C A 8 A 0 A D C .A C ,
  • 30. n n i yw • s b m • tp g r • .. ) .6. +. 61D d L Ig r • N L ek o n • ( 0 ( . 0 b m E .. ) .6. +. 61 %
  • 31. n P C • I A • A R • I C T
  • 32. n R T n C n
  • 33. : / . . . . @ :