conversion rate
PulseAugur coverage of conversion rate — every cluster mentioning conversion rate across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的PTDG方法将推荐AUC提升1.45% · 研究论文
研究人员开发了个性化任务依赖图（PTDG）来改进多任务推荐系统，解决了传统架构中信号衰减的问题。PTDG基于物品特征动态调整任务间的依赖路径，使用带有自适应掩码的图卷积网络（GCN）创建信息捷径并稳定优化。在KuaiRand1K和工业数据集上的实验表明，PTDG可将稀疏转化任务的AUC显著提升高达1.45%，并改善了在线A/B测试指标，包括转化率（CVR）提升1.2%，有效每千次展示成本（eCPM）提升1.9%。
-
CAMIE框架通过多模态嵌入增强产品广告检索
研究人员开发了CAMIE，一种新颖的多模态项目嵌入框架，旨在改进动态产品广告系统中的检索。该框架利用大型语言和多模态模型，在统一的嵌入空间中表示项目图像和元数据。CAMIE在用户旅程中的共参与项目对上进行训练，在生产环境中部署时，点击率和转化率得到显著提高。
-
新的LO-FAR工作流程为广告推荐提供成本效益高的特征排序
研究人员开发了LO-FAR，一种用于工业广告推荐系统中稀疏特征排序的新工作流程。这种仅CPU的方法使用轻量级局部估计器根据其预测信号对特征进行排序，为受GPU限制的重新训练方法提供了一种经济高效的替代方案。在大型生产数据集上进行测试，LO-FAR在保持点击率和转化率的下游收益方面取得了有竞争力的结果，证明了其在预算和迭代受限的系统中的实用性。
-
新的RAMP方法在用户数据有限的情况下提高了广告预测的准确性
研究人员开发了一种名为RAMP（Robust Ad Recommendation Under Limited Personalized-Feature Availability via Masking and Alignment Pathways）的新方法，以提高在线广告中点击率（CTR）和转化率（CVR）预测的准确性。RAMP旨在即使在个性化用户特征（如年龄和性别）因隐私法规受到限制时，也能保持高预测准确性。该系统采用双塔架构，结合…