AITerms 登入
機器學習深度學習推薦系統

點擊率預測(Click-through Rate Prediction)是什麼?

點擊率預測旨在預估使用者點擊特定廣告或連結的可能性,是數位廣告和推薦系統的核心技術。

完整定義

點擊率預測 (CTR Prediction) 是一種預測模型,用於估算使用者點擊特定廣告、連結或推薦內容的機率。它在數位廣告、推薦系統和搜尋引擎等領域至關重要,能有效提升廣告效益、改善使用者體驗並增加收益。

白話說明

你要預測使用者會不會點開某個廣告或內容時,你會怎麼判斷它真正的作用?

你可以把它想成 點擊率預測旨在預估使用者點擊特定廣告或連結的可能性,是數位廣告和推薦系統的核心技術。

在 你要預測使用者會不會點開某個廣告或內容時 這種情境裡,這個概念會直接影響你怎麼設計、怎麼評估、怎麼上線。

比喻

點擊率預測就像一個「廣告算命師」 -- 它會根據你的喜好、過去行為等線索,來預測你看到某個廣告或連結時,會不會忍不住點進去看,讓廣告主知道哪個廣告最有吸引力。

容易混淆

CTR vs 轉換率

CTR 看有沒有點擊,轉換率看點了之後有沒有完成目標。

CTR vs 排名分數

CTR 是機率預測,排名分數是拿來排序的綜合指標。

CTR vs A/B 測試

CTR 模型是在預測,A/B 測試是在驗證不同版本的真實效果。

實際案例

案例 1:廣告預估

你想知道某個廣告被點的機率,幫助系統決定要不要展示。

案例 2:推薦排序

首頁列表要排哪個內容在前面,CTR 常是重要特徵之一。

演算法與應用

面向
核心
重點
預測使用者看到某個項目後會不會點。
面向
常見特徵
重點
使用者、內容、上下文、交叉特徵。
面向
注意
重點
AUC 高不代表業務一定變好,還要看曝光、收益與長期效果。

情境判斷

Q1(判斷題): 模型 AUC 很高,但收入沒變,這代表什麼?

可能是模型排序變好了,但沒有帶動真正想要的商業結果。

Q2(判斷題): 新廣告完全沒有歷史資料,CTR 要怎麼猜?

這就是冷啟動問題,通常要借助內容特徵或先驗估計。

常見問題

相關術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本