Как работает баннерное размещение
Что проверяют
Понимаете ли вы путь одного показа от загрузки страницы до выбора креатива и где в этом пути работает модель. Следом почти всегда спрашивают, что именно предсказывает ML в рекламе и как ставка превращается в решение аукциона.
Как отвечать
Опишите роли и один показ по шагам:
- издатель и SSP: площадка отдаёт место под баннер, SSP формирует запрос с контекстом: размер слота, страница, устройство, гео, идентификатор пользователя, если он есть;
- биржа и DSP: запрос уходит на аукцион в реальном времени (RTB, протокол OpenRTB), и каждая DSP за десятки миллисекунд решает, участвовать ли и сколько ставить;
- аукцион: побеждает не просто самая высокая ставка. Внутри рекламных систем объявления ранжируют по ожидаемой выручке с показа, eCPM = ставка за клик × pCTR × 1000. Открытый RTB в основном перешёл с аукциона второй цены на аукцион первой цены, поэтому DSP ещё и занижает ставку (bid shading);
- показ и трекинг: пиксели и события фиксируют показ, видимость, клик и конверсию, дальше идёт атрибуция.
ML здесь в нескольких местах: модели pCTR и pCVR (логистическая регрессия на хешированных признаках, градиентный бустинг, нейросети вроде DeepFM), модель ставки, пейсинг бюджета в течение дня, антифрод. Для data-ml важно назвать особенности данных: огромная разреженная выборка, сильный дисбаланс классов (CTR это доли процента), признаки взаимодействий и калибровка вероятностей, потому что предсказание напрямую умножается на деньги. Офлайн модель оценивают по logloss и AUC, онлайн по A/B-тесту на выручке и CTR.
Где спотыкаются
Говорят «побеждает максимальная ставка» и не упоминают pCTR и качество объявления. Интервьюер сразу спросит, почему дорогой, но некликабельный баннер проигрывает.
Оценивают модель CTR только по AUC. Хорошее ранжирование при плохой калибровке ломает ставки: завышенная вероятность означает переплату за каждый показ.
Забывают про задержку и ограничения на данные. Ответ за десятки миллисекунд исключает тяжёлые модели в онлайне, а блокировка сторонних cookies в браузерах и требования к согласию пользователя сужают таргетинг до контекста и собственных данных.