技术难点

高维稀疏

高维稀疏的问题简单来说就是以下两点：

• 数据高维稀疏，用户、商品、场景特征维度很高。

• 正样本少，点击样本少，转化样本极其少，而且不同平台转化跟踪还需解决。

正样本少的问题，不同平台有各自的难点，有的正样本量级可能是千分之几，有的可能是万分之几，甚至十万百万分之几的量级。不仅正样本少，还有一些获取问题

• 转化影响问题，比如广告主比较有钱，广告投了很多平台，我刷抖音、知乎、微博时都刷到了三亚旅游的广告，先在抖音上看到引起了兴趣，过几天刷知乎时也看到这个广告且已经决定要去正在做攻略，又过几天在微博上又一次看到这个广告，直接决定点击进行购买。用户只要在平台点击广告，平台就会发送信息，现在有三个媒体平台信息，广告主将这次转化归给最后一次。这就造成了，对前面转化造成影响的平台不公平，且若用户看了后有兴趣但不点击广告，自行去搜索，这样转化数据更难以记录。

• 转化滞后问题，比如游戏App广告，我们规定用户充钱才算转化，如果从爱奇艺平台入口点击、下载、安装、注册、试玩，但是半年后才充钱，这种由于转化滞后性的问题如何解决。现在naive的方法是转化的样本是1，给以样本权重，比如安装0.1，注册0.3，试玩0.6的正样本概率等；再者增加转化追踪时长，一般一个样本7天内未完成转化就当负样本了，现在由于存储量的升级，可以追踪更多用户，追踪更长的时间窗口。

从媒体平台角度来看，越接近用户日常的，特征越多，比如微博、知乎等；越接近转化出口的，转化数据越多，比如淘宝、美团等。所以如果有一个完整的生态体系，可以有更好的机会去解决这个问题。媒体平台越接近转化出口的平台越好做。淘宝、美团等转化直接就在平台完成，有丰富的转化数据。

实时性