还是先插个招聘信息： 急招推荐，搜索，语音算法，数据挖掘，工程人才，阿里P5~P9，欢迎推荐和自荐，微信扫码关注以下二维码了解详细信息
背景
在广告这个领域，CTR的优化有较为悠久的历史， 这些年也出现了较多系统性的优化方法， 包括样本如何选取， 各种模型的出现和创新，在整个领域都有较深的研究沉淀。 从事这个行业的同学也都较为了解。
但当CTR优化达到较高的水平，因为预估的ecpm=ctr*bid，收入的优化会逐渐达到瓶颈，此时如果要继续优化广告的效果，就需要加入其他更多的优化链路和环节，从更多的维度，更高的视角去进行整个系统的优化，其中非常重要的一个环节， 就是CVR的优化。
图：广告cvr在检索端位置
CVR优化的重要性
那CVR优化为什么重要？
下面就详细说下这个问题。
先补充个背景：我们可以认为， 广告和搜索&推荐这样的自然信息分发有本质区别的地方： 搜索&推荐这样的自然信息分发的主体是平台，平台完全自主决定了分发的机制； 但广告不一样，广告的主体是广告主，广告主会对自己的广告，也就是广告平台分发的内容增加约束（例如出价，定向条件，时段等），而各个广告主的约束总体又形成了带约束的竞争环境。
这些约束条件，就是广告分发和搜索&推荐分发的本质区别。
而从广告平台的角度，传统上我们认为平台能够调整的因素， 主要是CTR， 因为 ：
$ecpm = Q * Bid$
而且一般情况下，Q就是CTR，而Bid是广告主设定的，原则上Bid是广告主设定的，是不能改变的， 这就导致了广告平台能够直接影响的因素， 就是优化好CTR（其实也可以影响Bid，这个待会会介绍），将CTR预估做这也是为什么之前很长时间，大家提到搜推广，第一反应就是CTR预估。
但从本质上来说，广告平台的主体是广告主，广告平台需要满足广告主的目标诉求和约束， 广告主最终的目标还是转化和ROI（不同的投放任务可能还细微不同），而不是固定的出价， 所以近些年出现的各种智能出价，包括OCPC，OCPM，就开始考虑广告主的转化了： 如果认为对于广告主这个流量价值比较高，是可以动态调整Bid的，而流量价值如何判断，就依赖于准确的CVR预估。考虑了CVR后，流量的价值可以拆分为：
$ecpm=ctr\cdot cvr \cdot abid$
此处abid为广告主对一次转化的出价。
而CVR预估做准后有两个比较大的好处：
- 就是能够进行动态调价，调Bid，直接增加单次流量的收益
- 广告主转化/ROI得到保障后，会有更多预算的投入，让广告平台的整个竞争环境更加充分，有利于广告平台生态的良性循环
以上就是CVR预估为什么重要的原因。
CVR优化和CTR优化的异和同
相同点：都是标准的预估任务， 按照样本，特征，模型的思路死磕预估效果。 各种创新机制都可以搞。具体可以参见：推荐系统，变现系统CTR&CVR预估算法演进－模型
不同点：转化很多时候都不是立即发生的，都会有延迟，例如APP应用下载安装的归因，可能是7天，甚至更长； 淘宝的下单，也可能会有数天的延迟， 这就存在延迟归因的问题。 另外就是转化的数据一般都会比较稀疏，这就衍生出来不一样的建模方式， 例如阿里妈妈的
而对于延迟归因，主要的解决思路又是‘样本回补’策略，通过重要性采样（importance sampling）技术来进行样本的纠偏， 具体可参见老文章：移动端转化延迟相关CPI转化率模型建模方法，同时还有很多其他的方法来对转化样本进行纠偏。
参考文献
- 移动端转化延迟相关CPI转化率模型建模方法
- 推荐系统，变现系统CTR&CVR预估算法演进－模型
- Ma X, Zhao L, Huang G, et al. Entire space multi-task model: An effective approach for estimating post-click conversion rate[C]//The 41st International ACM SIGIR Conference on Research & Development in Information Retrieval. 2018: 1137-1140.
- http://semocean.com