W tym problemie nie odpowiadamy binarnie tylko odpowiadamy prawdopodobieńśtwem.
To jest problem nazywany user response prediction, a konkretniej probability regression problem (za Bid-aware Gradient Descent for Unbiased Learning with Censored Data in Display Advertising). Wiąże się często z biasem w danych Unbiased bidding.
Problem ten w dodatku ewoluuje, tzn. nie możemy uznać, że p-stwo kliknięcia równe 5% jest ground truth dla danego bid requestu - p-stwo ewoluuje w czasie (za On the Factory Floor ML Engineering for Industrial-Scale Ads Recommendation Models).
CVR prediction
Predykcje CVR niesie za sobą dodatkowe problemy:
- data sparsity
- delayed feedback (Jak uczyć model gdy powoli spływają odpowiedzi.)
- sample selection bias
- predykcja atrybucji:
Źródło: A Survey on Bid Optimization in Real-Time Bidding Display Advertising