微信公众号提升底部广告点击率的办法
网络广告是广告在互联网时代的表现形式。几乎所有在线公司都有自己的在线广告。一些个人站长还会在自己的网站上嵌入其他公司的广告来获取分红收入。可以说，网络广告已经与互联网经济紧密相连。微信公众号也不例外，那么我们应该如何提高广告的点击率呢？
一、背景
点击率估算（pCTR）是广告流程的重要组成部分。准确的点击率估算对于最大化广告投放系统的收入具有重要意义。 pCTR的优化主要包括算法优化、系统改进、特征探索等。2015年下半年，微信公众号定位在引入多种新特征、优化现有特征的准确率和覆盖率、利用深度学习的算法框架。 A/B
测试结果显示，2015年下半年微信公众号的排名、CTR
ECPM 的改善超过12%。这里记录一下我们最近优化微信公众号pCTR功能的一些经验和想法。欢迎大家讨论。
2.特征探索
一般来说，广告推荐场景中的特征包括：用户侧特征（包括用户的年龄、性别、地域等）、广告侧特征（广告所属类别等）、广告位- 侧面特征（广告上下文等）。 2015年下半年，微信公众号特色化做了很多尝试，包括引入微信商业兴趣、基于主题模型的订阅兴趣、提高反馈特征和用户画像的准确性和覆盖率等，这些尝试都取得了明显的效果。结果。本节首先简单介绍了实验前特征选择和实验后效果分析的一般方法，然后以基于主题模型的订阅兴趣特征和广告文本相关性特征为例，列出了影响公众位置的两个重要因素2015年下半年账目。特色建设。
2.1 特征选择方法
特征选择的基础是首先计算信息增益，然后计算离线AUC，并综合[1][2]中列出的特征选择方法来选择有效特征并将其添加到模型中进行实验。特征选择遵循先粗选后精选的方法。
图1 特征实验中的特征选择步骤
信息增益：信息增益反映了特征对点击行为的区分程度。计算公式为：
H(y)表示目标y的信息熵，H(y|f)表示引入特征f后的信息熵。通过计算特征f的IG（即信息熵的增加）来判断点击率的区分，从而确定是否加入点击率预测模型。信息增益的一个问题是它不能体现广告的差异化。这里我们使用二阶信息增益：设f为某个特征，ad为广告，y为目标值（y=-1,1），代表用户点击或不点击广告。
这里IG可以理解为某个特征对于某个广告的信息增益。也就是说，引入广告出现的概率作为先验信息，计算某个特征区分广告的信息增益。引入先验信息后，广告点击行为的后验概率计算如下：
前向特征选择：前向特征选择在文章[2]中已经详细讨论过，这里不再介绍。当我们使用这种方法时，我们逐渐从候选特征集中选择特征，并根据原始特征集将其添加到当前模型中。
2.2 特征效果分析
特征实验A/B
测试通常需要一周左右的时间。由于用户行为可能在一周的不同日子发生变化，因此实验时间窗口调整为一周。积累一周的数据后，对实验结果进行分析，找出实验结果有所改善或没有改善甚至恶化的原因，为以后的优化做好准备。以用户特征为例，用户侧特征上线后，我们将重点观察每个用户群体除以新特征后的订单投放变化情况。以用户兴趣为例，该兴趣将用户分为“汽车”、“服装”、“数码产品”等近百个用户群体。添加此功能后，pCTR 模型在“服装”兴趣群体上添加了更多信息。更多的女装订单大大提高了该人群的点击率，如图2所示。
图2 显示了添加用户兴趣后的A/B。
测试中“服装”组的前几位订单变化较大。实验组中排名前1的“女式丝袜”在对照组中没有进入前10名。实验组其他几款女装订单的曝光率也高于对照组。 136是实验算法，137是控制算法。
2.3 基于主题模型的用户订阅兴趣
用户点击、阅读、转发微信公众号图文信息的行为蕴含着大量的信息，能够体现用户的兴趣。挖掘这些隐藏信息可以构建适合广告和推荐算法的兴趣系统。无疑是非常有益的。
图3 基于模型的公众号聚类兴趣标签生成方法示意图
图3是基于主题模型的公众号聚类兴趣标签生成方法示意图。公众账号的聚类主要是通过订阅关系产生的。
我们尝试了一种新的兴趣系统订阅方法：基于主题模型的兴趣群体挖掘方法。对于N个用户订阅M个公众账号的场景，我们使用类似LDA的方法提取k个隐含的订阅兴趣。效果如图3所示。对于一个N*M的用户-物品矩阵，具有相似粉丝用户（用户）的公众号（相当于物品）会被划分到相似的主题中，订阅属于某个公众号的公众号主题类型会给用户赋予相应的兴趣权重（图3中省略了权重部分）。 A/B
测试结果表明，该主题模型兴趣挖掘方法在广告推荐场景中更为有效。
2.4 广告与文章内容的相似度
由于微信公众号所在地流量媒体的特殊性，微信公众号广告位拥有丰富的媒体信息。同时，广告内容还带有文字描述信息。一方面，与文章上下文内容相关的广告可以改善用户的阅读体验，另一方面也可以对用户是否点击广告产生较大的影响[3]。我们尝试将公众号推送的文章与广告内容的相似度作为特征加入到pCTR模型中，希望能够提高用户体验和投放效果，如图4所示。
图4 pCTR模型中加入广告与文章内容的相似度，提高投放效果和阅读体验。
CMU 的李牧在2014 年关于算法优化的博文中提到，“线性模型
随着数据量的增加和特征的不断挖掘，“特征工程”的机器学习方法将面临瓶颈[4]。大数据时代，我们需要更好的自动学习算法。深度学习算法可以更好地从特征中提取信息，从而更好地利用特征。在探索特征的同时，我们也转向复杂的非线性模型。深度学习是我们正在尝试的方向之一。 DNN（深度神经网络）开源工具有很多种
[5-6]，DNN的原理和实现这里不再赘述。在微信公众号位置，DNN算法可以更好地实现特征数据的端到端学习，一定程度上减少了特征选择的工作量。系统架构的整个过程就是实时计算，是承载算法和数据的框架。虽然框架的优化和重构不能直接提升性能，但更可靠的系统和框架使得算法更稳定，更容易维护。我们当前托管推荐系统的系统架构如图5 所示。
总结与展望
目前，微信公众号的定位优化还有很多选择。特征方面，除了继续进一步细化群体特征的使用、挖掘特殊群体、探索上下文特征之外，还可以尝试GBDT
LR[1],GLASSO(组
LASSO）[7]和其他用于自动特征选择的方法；算法方面，DNN算法还有很多可以探索和优化的地方。通过进一步优化参数，挖掘并行计算潜力，效果有望进一步提升；系统方面，框架的稳定性和可靠性的提高将有利于更多算法思想的实现。
以上就是小编今天给大家带来的微信公众号提升底部广告点击率的办法。一切都必须按照一定的方式去做，然后一步一步地进行。提高广告点击率也是如此。你需要先学习相关知识，然后再去实践。执行效果直接决定您的广告收入。希望大家多多关注。
