想要准确预测𝑝𝐶𝑉𝑅很难，从量和质两个方面来看：

1. 数据量少：转化一般都是指注册、下单、付费等等行为，这种用户成本较高的行为天然就是稀疏的。为了提升样本量，我们使用ESMM这种依赖式建模的方法，使用全部样本空间；
2. 数据质量低：这里主要指的就是延迟转化（Delayed Feedback）引发的label是有偏的。举例来说，某用户点击广告下载了XX手游，自律的他准备周末才注册游玩；或者，某用户点击广告把商品加入购物车，但是准备N天以后统一下单等等。从模型训练角度看：T+1更新的模型，昨天点击的行为，今天收集日志，后天才转化，数据不可能回刷到后天，今天的训练模型就将CVR=1误判成CVR=0了；一句话总结：链路较深的转化行为，实时数据的label大概率是不准确的，必须要等待一段时间直到label可信；

我们主要讨论延迟转化的问题，业界有如下几种方案：

第一种方案，将延迟转化问题看成is_deal和deal_time两个问题；

第二种方案，保持模型不变，但针对反馈延迟导致的样本标记分布偏差，通过在损失函数中进行正负样本的加权来纠偏；

1. 作为一个多目标问题建模，而具体如何拆解这两个目标，下文列举两个有代表性的方案：
   1. **DFM:将延迟转化问题拆解为“是否转化，转化时间预估”**两个目标建模，代表论文为Criteo的“Modeling Delayed Feedback in Display Advertising”
   2. 将延迟转化问题拆解为“第1天是否转化，...，第N天是否转化”这样几个问题多目标建模，即将整个转化回流的时间窗口分成N段，利用Muti-task训练N个模型来预估这N个时间段上的转化概率，代表论文为Google的“Handling many conversions per click in modeling delayed feedback”
2. 正负样本加权：

   1. 重要性采样：

      

   2. FNW/FNC/ES-DFM/DEFER

      上述文章都是在重要性采样的基础上进行改进

参考：

zhuanlan.zhihu.com

zhuanlan.zhihu.com