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:

  1. data sparsity
  2. delayed feedback (Jak uczyć model gdy powoli spływają odpowiedzi.)
  3. sample selection bias
  4. predykcja atrybucji:
    1. Attribution Modeling Increases Efficiency of Bidding in Display Advertising
    2. Fixed point label attribution for real-time bidding

Źródło: A Survey on Bid Optimization in Real-Time Bidding Display Advertising